Annonce en lien avec l’Action/le Réseau : aucun
Laboratoire/Entreprise : Laboratoire Electronique, Informatique et Image (LE2I)
Durée : 3 ans
Contact : alamin.mansouri@ubfc.fr
Date limite de publication : 2017-06-19
Contexte :
Cette thèse s’inscrit dans une démarche de développement de méthodes d’aide au diagnostic en imagerie cutanée dans le cadre de l’analyse des lésions pigmentaires. Plus spécifiquement, plusieurs méthodes d’imagerie seront abordées dans un processus d’extraction et de fusion de paramètres de natures différentes.
L’un de nos partenaires, le service de dermatologie du CHU de Saint-Etienne, dispose d’une base d’images de plus de 200 patients présentant des lésions cutanées, bénignes pour certaines, malignes pour d’autres mais avec une discrimination non triviale entre ces deux classes. Chaque lésion a été acquise à l’aide de trois modalités différentes : la dermoscopie, outil classiquement utilisé et fournissant une image couleur avec grossissement des lésions observées et donc la possibilité d’une analyse bas cout, facile d’accès et relativement fine, mais aussi la microscopie confocale et enfin la tomographie en cohérence optique (OCT).
Il est à noter que, pour chaque patient, la vérité terrain par biopsie est connue ainsi que le résultat d’une classification réalisée de manière visuelle par un groupe d’experts internationaux.
Trois partenaires au laboratoire seront associés à ce travail de thèse : les services de dermatologie des CHU de St-Etienne et de Dijon ainsi qu’une société qui mène une activité dans la conception et la commercialisation de dispositifs médicaux pour les secteurs de la dermatologie et de la dermocosmétique.
Sujet :
Sur le plan de l’analyse de ces images, les approches de type « machine learning » sont les plus fréquemment utilisées. Elles consistent à extraire un ensemble de caractéristiques des images utilisés dans un schéma de type apprentissage / classification. Alors que de nombreuses études ont été réalisées pour sélectionner les meilleures caractéristiques en dermatoscopie (forme, texture, couleur), les autres modalités ont été beaucoup moins étudiées. Quant à la combinaison de paramètres issus de différentes modalités, elle reste largement sous-exploitée. Le sujet de thèse proposé s’inscrit dans cet axe de recherche.
L’atout majeur d’une approche de classification multimodale repose sur le fait que chaque modalité apporte un type de connaissance et que leur combinaison donne la complémentarité nécessaire à une grande précision, aussi bien au sens de la sensibilité que de la spécificité. Une telle approche n’est pas triviale pour deux raisons majeures sur lesquelles nous focaliserons notre étude. La première est liée à la nécessité de l’utilisation de modèles déformables dans un contexte de recalage multi-modal et multi-échelle d’images d’un même patient. La seconde repose sur une modélisation à base de décomposition tensorielle permettant de prendre en compte explicitement la nature multidimensionnelle des données et offrant ainsi la possibilité de traiter conjointement un ensemble de données recalées hétérogènes.
Profil du candidat :
Solide formation liée aux méthodes de traitement et d’analyse d’images conventionnelles en couleur avec un focus spécifique sur la classification.
Aptitude au développement de méthodes d’analyse d’images non conventionnelles avec un focus spécifique sur la fusion de paramètres multimodaux et multi-échelle.
Vif intérêt pour l’innovation technologique en imagerie biomédicale dans un contexte de capteurs intelligents.
Formation et compétences requises :
La thèse se déroulera au laboratoire Le2i, Univ. Bourgogne Franche-Comté, site de Dijon.
La thèse alliera recherche et valorisation, notamment dans le cadre du dispositif de formation au management de l’innovation.
Adresse d’emploi :
Pour candidater, envoyer par courriel :
lettre de motivation + CV + relevés de notes + lettres de recommandation + tout document que vous jugerez utile
à
Franck MARZANI – franck.marzani@u-bourgogne.fr
et à
Alamin MANSOURI – alamin.mansouri@u-bourgogne.fr