Postdoc H/F - Reconstruction pseudo-saine d'images TEP FDG cérébrales pour la détection automatique d'a

Missions :
Le/la postdoctorant(e) aura pour mission d'appliquer, de valider et d'évaluer un ensemble de méthodes complémentaires de détection d'anomalies sur des images TEP FDG cérébrales, avec un focus particulier sur la détection de zones d'hypométabolisme liées à l'épilepsie dans le contexte de l'épilepsie pharmaco-résistante.
Activités :
Contexte scientifique et activités
L'imagerie TEP dans l'épilepsie pharmaco-résistante
La TEP au 18F-fluorodésoxyglucose (FDG) est devenue une modalité clé dans le bilan pré-chirurgical de l'épilepsie pharmaco-résistante, car elle permet de révéler des zones d'hypométabolisme cérébral associées aux zones épileptogènes. En pratique clinique, cependant, les images TEP sont analysées visuellement, et la sensibilité ainsi que la spécificité de cette approche dépendent fortement de l'expérience de l'observateur. Les anomalies chez les patients épileptiques sont souvent subtiles et spatialement diffuses, ce qui les rend particulièrement difficiles à identifier de manière fiable. Il existe donc un besoin clinique fort pour des outils automatisés et fondés sur les données, capables de localiser objectivement ces anomalies et d'aider à la planification chirurgicale.

Reconstruction pseudo-saine pour la détection d'anomalies
Notre équipe a développé une famille de méthodes de détection d'anomalies reposant sur la construction d'une image pseudo-saine spécifique au sujet : lors de l'inférence, l'image du patient est comparée à sa reconstruction pseudo-saine, produisant une carte d'anomalies mettant en évidence les zones qui s'écartent de ce qui serait attendu en l'absence de pathologie. Dans le contexte de l'épilepsie pharmaco-résistante, de telles cartes pourraient aider les cliniciens à mieux localiser les zones épileptogènes et, in fine, améliorer la prise en charge des patients.

Approches par recalage et fusion. Les approches voxelwise traditionnelles recalent l'image TEP du sujet dans un espace standard et la comparent à une population de sujets contrôles à l'aide de z-scores. Leur sensibilité est toutefois limitée par la variabilité interindividuelle de la fixation du traceur dans les régions non pathologiques. Pour y remédier, des approches spécifiques au sujet ont été proposées, consistant à recaler plusieurs sujets contrôles sains vers le sujet cible et à les combiner par fusion d'images afin de créer un modèle d'apparence saine [1]. Bien que ces méthodes soient devenues moins courantes en raison de préoccupations liées à leur vitesse et leur précision, les récentes avancées en matière de recalage basé sur l'apprentissage profond ont amélioré ces deux aspects, rendant pertinente leur réévaluation. Des travaux récents au sein de notre équipe ont démontré le potentiel de cette stratégie de recalage modernisée pour la synthèse d'images FDG TEP pseudo-saines [2].

Approches par modèles génératifs profonds. Les approches plus récentes de détection d'anomalies uti
Voir plus sur le site emploi.cnrs.fr...