2020-02393 - Doctorant F/H Apprentissage machine et réseaux de convolution pour la détection automatique d’aberrations chromosomiques en imagerie et dosimétrie biologique

Type de contrat : CDD

Niveau de diplôme exigé : Bac + 5 ou équivalent

Fonction : Doctorant

A propos du centre ou de la direction fonctionnelle

Le centre Inria Rennes - Bretagne Atlantique est un des huit centres d’Inria et compte plus d'une trentaine d’équipes de recherche. Le centre Inria est un acteur majeur et reconnu dans le domaine des sciences numériques. Il est au cœur d'un riche écosystème de R&D et d’innovation : PME fortement innovantes, grands groupes industriels, pôles de compétitivité, acteurs de la recherche et de l’enseignement supérieur, laboratoires d'excellence, institut de recherche technologique.

Contexte et atouts du poste

Le financement de la thèse se fera sous contrat doctoral Inria.

Pour mener à bien cet ambitieux projet, une collaboration Inria et IRSN sera spécifiquement mise en place pour bénéficier de la forte expertise dans le domaine de l'équipe SERPICO (Inria) et du LRAcc (IRSN – Institut de Radiation et Sureté Nucléaire).

Contexte: La dosimétrie biologique est l'utilisation de marqueurs biologiques pour l'évaluation d'un paramètre physique, la dose d'irradiation reçue par un individu. Elle repose sur le dénombrement des aberrations chromosomiques dans les lymphocytes circulants après un simple prélèvement sanguin. Cela permet d'obtenir des informations importantes sur les conditions de l'exposition (dose, hétérogénéité, ...), devant être prises en compte lorsqu'une situation d'urgence radiologique se présente. Le dénombrement de ces aberrations repose sur l’analyse d’images de métaphases effectuée de façon manuelle ou semi-automatique. Sachant que la robustesse et la sensibilité du résultat dépend du nombre d’images analysées (e.g. 500 images par un œil expert), il devient nécessaire d’automatiser le processus afin de répondre aux besoins dans l’éventualité d’une exposition accidentelle ou malveillante aux rayonnements ionisants d’un nombre importants de personnes.

Objectif global:  L'objectif du projet de thèse est la mise au point d'un puissant outil d'expertise, amélioré par l'apport de l'intelligence artificielle, spécifiquement conçu pour la reconnaissance d'aberrations chromosomiques lors d'analyses massives d'images de cytogénétique conventionnel et moléculaire. Le développement de ce modèle fera appel aux puissantes techniques d'apprentissage machine et apprentissage profond («Deep Learning» (DL)) ayant fait leurs preuves dans d'autres domaines de reconnaissance de formes. Une validation bio-dosimétrique de l'outil de détection permettra de quantifier la dose de radiation ainsi que les incertitudes associées.

Mission confiée

Mission: Apprentissage machine et réseaux de convolution pour la détection automatique d’aberrations chromosomiques en imagerie et dosimétrie biologique

 

 

 

Principales activités

Approche envisagée: Plusieurs étapes seront franchies dans cette thèse. Dans un premier temps, diverses techniques de normalisation seront appliquées à une banque de plusieurs dizaines de milliers d'images de métaphase permettront de standardiser les objets à analyser. Par la suite, différentes méthodes supervisées et non supervisées de détection d'objets (traitement du signal, analyse d'images, techniques d'apprentissage profond : réseaux de neurones à convolution, «Transfer Learning») seront testées afin de dégager les points forts et les limites de chacune. En particulier, une analyse de sensibilité sur l'impact des différentes méthodes de normalisation des images sur les performances des techniques de détection conçues sera conduite. Une fois au point, une validation biodosimétrique de l'approche de détection sera conduite afin de caractériser les courbes dose-effet associées ainsi que les estimations de doses/incertitudes qui en découlent. Cette thèse vise enfin à mettre au point une approche complète et performante de dosimétrie biologique, à la fois au service de l'expertise mais aussi de la recherche. Il est en effet prévu de développer un logiciel simple d'emploi pour faciliter son accès et son usage son usage par la communauté « non spécialiste » concernée.

Intérêts applicatifs et impact: La thèse s'inscrit dans une démarche de prise en charge médicale et sanitaire des victimes de situations d'urgence radiologique et nucléaire. Il s'agit d'améliorer l'identification rapide des victimes irradiées (tri et diagnostic) via la dosimétrie biologique (cytogénétique). L'urgence opérationnelle est de diagnostiquer au plus vite des personnes pré symptomatiques exposées à des niveaux de doses susceptibles d'induire des effets à moyen et long terme (cancers radio-induit, pathologie cardiovasculaires…).

Bibliographie :

  1. Moebel, A. Martinez, D. Larivière, J. Ortiz, W. Baumeister, C. Kervrann. 3D ConvNet improves macromolecule localization in 3D cellular cryo-electron tomograms, preprint 2020
  2. H.-N. Nguyen, V. Paveau, C. Cauchois, C. Kervrann. A variational method for dejittering large fluorescence line scanner images, IEEE Transactions on Computational Imaging, 4(2) :241-256, 2018
  3. Jin, I. Grama, C. Kervrann, Q. Liu. Non-local means and optimal weights for noise removal, SIAM Journal on Imaging Sciences, 10(4):1878-1920, 2017
  4. Basset, J. Boulanger, J. Salamero, P. Bouthemy, C. Kervrann. Adaptive spot detection with optimal scale selection in fluorescence microscopy images, IEEE Transactions on Image Processing, 24(11):4512-4527, Nov. 2015
  5. Pécot, P. Bouthemy, J. Boulanger, A. Chessel, S. Bardin, J. Salamero, C. Kervrann. Background fluorescence estimation and vesicle segmentation in live cell imaging with conditional random fields, IEEE Transactions on Image Processing, 24(2):667-680, Feb. 2015
  6. Kervrann. PEWA: Patch-based Exponentially Weighted Aggregation for image denoising. Proc. Neural Information Processing Systems (NIPS'14), Montreal, Canada, 2014
  7. Roudot, C. Kervrann, J. Boulanger, F. Waharte. Noise modeling for intensified camera in fluorescence imaging: application to image denoising. Proc. IEEE Int. Symp. on Biomedical Imaging (ISBI'13), San-Francisco, CA, 2013
  8. Kervrann, J. Boulanger, T. Pécot, P. Pérez, J. Salamero. Multiscale neighborhood-wise decision fusion for redundancy detection in image pairs. SIAM J. Multiscale Modeling & Simulation, 9(4):1829–1865, 2011
  9. P.M. Carlton, J. Boulanger, C. Kervrann, J.-B. Sibarita, J. Salamero, S. Gordon-Messer, J.E. Haber, S. Haase, L. Shao, L. Winoto, A. Matsuda, P. Kner, S. Usawa, Y. Strukov, M. Gustafsson, Z. Kam, D. Agard, J. Sedat. Fast live simultaneous multi-wavelength 4-dimensional optical microscopy. Proc Natl Acad Sci USA, 107(37):16016-16022, 2010
  10. Boulanger, A. Gidon, C. Kervrann, J. Salamero. A patch-based method for repetitive and transient event detection in fluorescence Imaging. PLoS One, 5(10): e13190, 2010
  11. Matsuda, L.Shao, J. Boulanger, C. Kervrann, P.M. Carlton, P. Kner, E. Brandlund, D. Agard, J.W. Sedat. Condensed mitotic chromosome structure at nanometer resolution using PALM and EGFP-histones. PloS One, (9):e12768, 2010
  12. Boulanger, C. Kervrann, P. Bouthemy, P. Elbau, J.-B. Sibarita, J. Salamero. Patch-based non-local functional for denoising fluorescence microscopy image sequences. IEEE Trans on Medical Imaging, 29(2):442-454, 2010

 Mots clés: statistiques, traitement de l’information, analyse d’images, détection, estimation, apprentissage machine, microscopie, biologie computationnelle.

 

Compétences

  • Compétences techniques et niveau requis : avoir un master 2 ou un diplôme d'école d'ingénieurs.
  • Compétences en statistiques, traitement de l’information, analyse d’images, détection, estimation, apprentissage machine supervisé et non-supervisé, optimisation.
  • Compétences en programmation: calcul scientifique et programmation (C++, Matlab, Python).
  • Langues : Anglais requis (lecture, écriture, oral)
  • Compétences relationnelles : Savoir travailler en équipe
  • Compétences additionnelles appréciées :
    • Savoir faire preuve d'autonomie, d'initiative et d'organisation dans le travail,
    • Goût pour les aspects méthodologiques et expérimentaux en biologie computationelle,
    • Capacités de rédaction en anglais.

 

Avantages

  • Restauration subventionnée
  • Transports publics remboursés partiellement
  • Congés: 7 semaines de congés annuels + 10 jours de RTT (base temps plein)
  • Équipements professionnels à disposition (visioconférence, prêts de matériels informatiques, etc.)
  • Prestations sociales, culturelles et sportives (Association de gestion des œuvres sociales d'Inria)
  • Accès à la formation professionnelle
  • Sécurité sociale

Rémunération

Rémunération mensuelle brute de :

  • 1982 euros les deux premières années et
  • 2085 euros la troisième année