Modèle profond de prédiction de la motricité basé sur graphes issus d'IRM cérébrales de diffusion
Université d'Angers - Laboratoire Angevin de Recherche en Ingénierie des Systèmes – Pays de la Loire
Le Laboratoire Angevin de Recherche en Ingénierie des Systèmes (LARIS) est une Unité de Recherche pluridisciplinaire en Sciences et Technologies dépendant de l’Université d’Angers (UA). Notre objectif est de cultiver une ouverture disciplinaire forte pour le champ des STIC, ceci pour faire émerger des thèmes de recherche originaux.
Le laboratoire est composé de 3 équipes interconnectées :
1. Systèmes Dynamiques et Optimisation (SDO)
2. Information, Signal, Image et Sciences du Vivant (ISISV)
3. Sûreté de Fonctionnement et aide à la Décision (SFD)
Le stage s'effectuera au sein de l'équipe ISISV.
L’objectif de ce stage consistera à analyser les IRM de diffusion d’une cohorte d’enfants de 7 ans (avec ou sans AVC néonatal), à en extraire des caractéristiques pertinentes pour les modéliser sous forme de graphe et à évaluer l’efficacité des GNN à prédire la motricité manuelle de ces enfants à partir de ces informations.
La première partie du stage consistera à se familiariser avec les données de diffusion et à automatiser la chaîne de traitement des IRM de diffusion (DWI) de la base de données : correction des distorsions, estimation de la fonction de réponse, estimation de la distribution d’orientation des fibres, tractographie. Cette partie fera appel aux librairies MRtrix et FSL manipulées dans un environnement Unix.
Dans un second temps, le/a stagiaire aura pour mission de construire des graphes modélisant le nombre de fibres nerveuses connectant différentes régions d’intérêt déjà identifiées (noyaux gris centraux, thalamus, pédoncule cérébral). Cette étape se fera en langage Python à l’aide de la librairie PyTorch geometric.
Enfin, la dernière mission consistera à entraîner et appliquer un réseau de neurones sur graphes déjà implémenté pour tenter de prédire la motricité des enfants à partir de l’information de diffusion extraite et modélisée sous forme de graphe.
Connaissances en traitement d'images, apprentissage profond, langage Python et environnement Unix sont requises.
#J-18808-Ljbffr
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.