Dveloppement dune nouvelle plateforme logiciel pour limagerie

de diffusion trs haute rsolution

1 an dingnieur-chercheur (possibilit de renouveler le contrat 1 an de plus)
Dbut souhait entre mars 2015 et juin 2015
Sujet:

Traitement des images mdicales

Laboratoire:

LaBRI, UMR 5800, Universit Bordeaux I - Talence France

Superviseur:
Pierrick Coup / LaBRI UMR 5800 / PICTURA Group (pierrick.coupe@labri.fr)
Partenaires:

IMB UMR 5152 (JF Aujol, B. de Senneville)

LaBRI UMR 5800 (V. Ta, JP Domenger)
RMSB UMR 5536 (B. Hiba)
Neurocentre Magendi U862 (T. Tourdias, V. Dousset)

Limagerie de diffusion permet la reconstruction dinformation rvlant la microstructure des

tissus crbraux. Cette technique dimagerie est de plus en plus utilise pour ltude de
nombreuses pathologies. En dpit des avantages incontestables de limagerie de diffusion,
celle-ci a deux limites principales : son faible rapport signal-sur-bruit (SNR) et sa rsolution
spatial limite. Rcemment, nous avons propos des mthodes de traitement de limage
avances afin damliorer le SNR de ces images (Manjon et al., 2013) ainsi que leur
rsolution (Coupe et al., 2013). Nous avons dmontr lavantage et lefficacit de ces
mthodes sur ltude de cerveaux sains. La prochaine tape est dvaluer ce type
dapproche pour la dtection prcoce de maladies neuro-dgnratives sur de larges bases
de donnes.
Dans ce projet, nous souhaitons dvelopper une plateforme entirement automatique de
traitement des images de diffusion. Dans un premier nous nous proposons damliorer nos
mthodes de super-rsolution afin de permettre une reconstruction de trs hautes
rsolutions des images. De plus, un travail sur la rduction du temps de calcul sera
ncessaire afin de permettre le traitement de larges cohortes en un temps raisonnable. Dans
un second temps, des mthodes de segmentation automatiques seront adaptes pour les
images de diffusion. Enfin, la validation de la chaine de traitement propose sera effectue
sur plusieurs bases de donnes dans le contexte de maladies neuro-dgnratives telles
que la sclrose en plaques et la maladie dAlzheimer.

Gauche : image originale. Centre: image amliore avec (Coupe et al., 2013; Manjon et al., 2013). Droite: suivi
de fibres obtenu sur limage amliore.

Objectifs:

Amliorer les mthodes de super-rsolution existantes afin de permettre la

reconstruction de lanatomie crbrale trs haute rsolution.
Rduire le temps de calcul des mthodes proposes afin de permettre le
traitement de larges bases de donnes.
Proposer une mthode de segmentation adapte aux images de diffusion.
Dvelopper une plateforme entirement automatique pour ltude des images de
diffusion trs haute rsolution.
Valider la chaine de traitement propose dans le contexte de maladies neurodgnratives.

Profil du candidat:
Recherche un ingnieur-chercheur (diplme dingnieur grande cole avec un doctorat si
possible) spcialiste en traitement de limage. Lingnieur recrut devra avoir des
comptences en mathmatiques appliques, traitement de limage, informatique et imagerie
mdicale. Une bonne exprience de MATLAB et C/C++ est indispensable. Une bonne
maitrise de langlais est galement un point important.
Pour postuler, envoyez un dossier contenant CV, liste de publications, lettre de motivation,
relevs de notes et classements, rapport de soutenance (stage, thse si disponible) ainsi
que toutes pices susceptibles de renforcer la candidature.

Rfrences:
Coupe, P., Manjon, J.V., Chamberland, M., Descoteaux, M., Hiba, B., 2013. Collaborative patch-based superresolution for diffusion-weighted images. Neuroimage 83, 245-261.
Manjon, J.V., Coupe, P., Concha, L., Buades, A., Collins, D.L., Robles, M., 2013. Diffusion weighted image
denoising using overcomplete local PCA. PLoS One 8, e73021.