Réseau de neurones convolutifs pour la classification de signaux calciques astrocytaires dans des images 3D+temps de microscopie LLSM

Type de contrat : Convention de stage

Niveau de diplôme exigé : Bac + 3 ou équivalent

Fonction : Stagiaire de la recherche

Contexte et atouts du poste

Les astrocytes sont des cellules gliales du système nerveux central qui sont récemment apparues comme des partenaires clés des neurones pour le traitement de l'information. Les signaux calciques astrocytaires sont impliqués dans de nombreuses fonctions cérébrales clés (par exemple, la mémoire et l'apprentissage), et leurs altérations peuvent conduire à des maladies du cerveau. Ces signaux présentent également une importante diversité spatio-temporelle, et on ignore encore si cette variabilité est liée à leur rôle dans des fonctions neurobiologiques distinctes. L'émergence récente de la microscopie à feuille de lumière en réseau (LLSM) permet  maintenant une imagerie 3D en haute résolution spatio-temporelle de ces signaux. Malheureusement, la communauté manque actuellement d'outils d'analyse d'image pour détecter, segmenter et quantifier ces signaux dans les images LLSM.

Mission confiée

Dans ce contexte, nous développons actuellement un outil de traitement d'image pour les neurobiologistes qui 1) détecte et segmente les signaux calciques dans les images LLSM 3D+temps, et 2) classifie ces signaux sur la base de leur caractéristique morphologique 3D espace-temps. Pour ce faire, nous nous concentrons sur les réseaux convolutifs 3D non supervisés et les techniques d'apprentissage automatique.

Principales activités

Principaux objectifs :

  • Développement d’un CNN non supervisé pour classifier les différents types de signaux calciques
  • Développement d’un plugin napari pour annoter des données 3D+temps

Compétences

Compétences techniques et niveau requis : Traitement et analyse d'images, deep learning (CNNs), Python, et Keras, Tensorflow ou Pytorch.