Thèse Davai Détection des Atteintes Vasculaires par Intelligence Artificielle et Imagerie Synchrotron H/F

Doctorat.Gouv.Fr

Établissement : Université de Reims Champagne - Ardenne
École doctorale : Biologie - Chimie - Santé
Laboratoire de recherche : Matrice Extra-cellulaire et DYnamique Cellulaire
Direction de la thèse : Sébastien ALMAGRO
Début de la thèse : 2026-10-01
Date limite de candidature : 2026-04-26T23:59:59

L'imagerie à très haute résolution des organes et la compréhension de leur vasculature est un défi permanent, particulièrement pour la machine qui peine à déterminer la géométrie de ces derniers, tout particulièrement dans le cerveau. Le projet DAVAI a pour but de créer un modèle d'IA permettant la segmentation 3D automatique des vaisseaux dans le cerveau humain et murin. Dans le cadre d'une collaboration avec le Centre de Recherche en Neurosciences de Lyon, nous disposons d'une banque d'images tomographiques par rayons X synchrotron permettant une visualisation fine de la vasculature cérébrale de patients Alzheimer et de souris. Ce projet, fortement orienté IA/biomédical, a pour objectif de généraliser la segmentation de ces images très haute résolution pour i) chez l'animal, étudier l'impact de la pathologie sur l'organisation vasculaire, ii) chez l'humain, étudier les relations entre pathologie et morphologie des vaisseaux dans les régions sélectionnées afin de comprendre comment la matrice extracellulaire des vaisseaux du cerveau est affectée dans ces processus, iii) de transposer ces approches à la segmentation d'images d'aortes de souris. Dans le cadre de ce projet, le/la doctorant-e aura pour mission d'améliorer la méthode de segmentation d'image existante pour créer et curer la base de données d'apprentissage, prendre en main les modèles d'IA du domaine et créer le meilleur modèle de Deep Learning pour répondre au projet. Une analyse des résultats de mesures est en prévoir en fin de projet. Le/La doctorant-e sera accompagné par des spécialistes en traitement d'image, en IA/Deep Learning, en statistiques et en biologie.