Analyse spatio-temporelle d'images IRM d'enfants et de nouveau-nés

par Mateus Riva

Projet de thèse en Traitement du signal et des images

Sous la direction de Isabelle Bloch, Pietro Gori et de Jamal Atif.

Thèses en préparation à Paris Saclay , dans le cadre de École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....) , en partenariat avec LTCI - Laboratoire de Traitement et Communication de l'Information (laboratoire) , IMAGES : Image, Modélisation, Analyse, GEométrie, Synthèse (equipe de recherche) et de Télécom ParisTech (établissement de préparation de la thèse) depuis le 01-02-2019 .


  • Résumé

    Les avancées en imagerie médicale nécessitent de developper des méthodes quantitatives ou semi-quantitatives pour améliorer les résultats de l'analyse des images. Les avancées en analyse d'images médicales offrent de tels outils, mais concernent encore peu l'imagerie cérébrale pédiatrique. Pourtant la demande médicale augmente dans ce domaine. Ce projet contribue à combler ce manque, en imagerie par résonance magnétique (IRM) du cerveau du petit enfant, nouveau-né et prématuré. Cela pose des questions spécifiques dues au contraste particuler entre les substances grise et blanche pendant le processus de myélinisation, l'évolution rapide mais observée de manière non continue des structures cérébrales et de pathologies éventuelles, and la forte variabilité intra et inter-sujets. Extraire et interpréter des informations pertinentes à partir de données sont une question fondamentale dans les situations, comme ici, où les données peuvent être bruitées, ambigues, peu nombreuses dans leur dimension temporelle, mais où il existe des connaissances exploitables, qui peuvent évoluer. Nous développerons des représentations structurelles des connaissances et des informations dans les images (graphes, hypergraphes), et les exploiterons pour guider l'interprétation spatio-temporelle des images (segmentation, reconnaissance, quantification, comparaison au cours du temps, description du contenu des images et de son évolution), pour l'aide au diagnostic, l'analyse de pathologies, le suivi de patients. Les applications envisagées concernent l'analyse des hyperintensités de la matière blanche, la volumétrie du corps calleux et son évolution, la neuro-oncology et l'analyse de l'influence de tumeurs sur les structures environnantes au cours du temps. Ce projet implique des spécialistes d'analyse d'images et de représentation des connaissances, et des radio-pédiatres.

  • Titre traduit

    Spatio-temporal analysis of pediatric magnetic resonance images


  • Résumé

    The advances in medical imaging require to develop quantitative or semi-quantitative methods to improve accuracy in the image analysis results. Advances in medical image analysis provide such tools, but there is still an important gap regarding pediatric brain imaging, even though there is an increasing medical demand. This project aims at contributing to fill this gap, focusing on brain magnetic resonance imaging (MRI) of infants, newborns and premature babies, which raise specific issues due to the particular grey/white matter contrast related to the physiological myelination process, the very fast but not continuously observed evolution of the brain structures and possible pathologies, and the high intra-and inter-subjects variability. One of these issues is that the data at hand are noisy, ambiguous, scarce in nature and sparse in time. In turn, expert medical knowledge is available, but is prone to change and evolution. From this point of view the project tackles one of the very cutting edge questions in data analysis, that is how to extract and understand meaningful patterns where the data are scarce but expert knowledge, continuously enriched, is available. We propose to develop structural representations of knowledge and image information in the form of graphs and hypergraphs, which will be exploited to guide spatio-temporal image understanding (segmentation, recognition, quantification, comparison over time, description of image content and evolution). The aim is to aid diagnosis, pathology analysis and patients' follow-up. Applications may include the analysis of hyperintensities on the white matter, the volumetry of corpus callosum and its evolution, and neuro-oncology with the study of the influence of tumors on surrounding structures over time. The project involves specialists in medical image analysis, structural knowledge representation and pediatric neuro-imaging.