Sujet de Postdoc

Contexte scientifique et objectifs ì ce jour, l'histopathologie demeure la référence absolue pour le diagnostic du cancer de la peau ; elle repose sur une biopsie chirurgicale suivie d'un examen du prélèvement en laboratoire. Afin d'améliorer l'efficacité diagnostique de ces procédures, des méthodes de spectro-imagerie optique ⬔ fondées sur la caractérisation optique des tissus sains et pathologiques ⬔ sont développées depuis plusieurs années, en raison de leur caractère non invasif, de leur sensibilité aux variations morpho-fonctionnelles des tissus biologiques et de leur applicabilité *in vivo*. Pour soutenir le déploiement clinique de ces approches (aide au diagnostic peropératoire, guidage chirurgical), le développement de méthodes fiables et robustes pour l'analyse des jeux de données issus des diverses modalités de biopsie optique constitue un enjeu majeur. Le projet de recherche postdoctorale proposé porte sur le développement et la validation d'algorithmes de traitement et d'analyse de données spectroscopiques *in vivo*, tout en exploitant les informations obtenues sur des tissus *ex vivo* via des modalités de spectro-imagerie complémentaires. Il s'appuie, d'une part, sur un ensemble de spectres de réflectance diffuse (RD) à résolution spatiale et d'autofluorescence (AF) multi-excitation acquis *in vivo* en milieu clinique à l'aide du dispositif SpectroLive [5,4] et, d'autre part, sur divers jeux de données acquis (ou en cours d'acquisition) dans le cadre du projet ANR Opticskin sur ces mêmes tissus cutanés *ex vivo* : images de microscopie hyperspectrale (HSM) et de fluorescence (MF), images de microscopie Raman (MR), images de microscopie polarimétrique de Mueller (MPM) et images de microscopie résolue en temps de fluorescence (FLIM). Les axes de recherche complémentaires suivants seront envisagés : 1. Acquisition et segmentation d'images HSM et FM : La classification histologique issue de l'examen anatomopathologique des prélèvements ne reflète pas la structure complexe des lésions et de leur environnement au sein du volume tissulaire sondé par spectroscopie optique *in vivo*, ce qui engendre des incertitudes quant à la classification de référence. ì l'inverse, les images HSM, FM, IRM, PM et FLIM de coupes tissulaires permettent une meilleure cartographie spatiale, ouvrant la voie à un étiquetage plus fiable fondé sur des critères quantifiables, ainsi qu'à des caractérisations plus précises (stades de la maladie, risque de récidive, etc.). Ce volet des travaux portera sur la mise en oeuvre des systèmes d'instrumentation de microscopie hyperspectrale sur la plateforme PhotoVivo du CRAN, en vue de l'acquisition et de la segmentation d'images HSM et FM des coupes cutanées disponibles. Ces travaux impliqueront également la maîtrise de procédures métrologiques et la définition de protocoles expérimentaux utilisant des fantômes optiques et des tissus biologiques. Les images seront ensuite segmentées afin de mettre en évidence certaines propriétés des pathologies à l'échelle microscopique. Pour cette tâche, nous nous inspirerons des approches fondées sur les réseaux de neurones profonds proposées pour les images PM, par exemple dans [2]. 2. Classification *in vivo* par transport optimal : Les lésions cutanées de la base de données SpectroLive se répartissent en trois classes principales : le carcinome épidermoïde (SCC), le carcinome basocellulaire (BCC) et la kératose actinique (KA). Chaque lésion est caractérisée par un ensemble de spectres AF et DR, mesurés sur la lésion elle-même, sur les zones périlésionnelles et sur des zones saines de référence. Les approches de classification supervisée testées sur les spectres acquis avec ce dispositif [1,6,7] peinent encore à distinguer les différentes classes de lésions, pâtissant notamment de la forte hétérogénéité des données, tant entre les individus qu'au sein d'un même individu. Une étude récente [3] a montré que les distances de Wasserstein [8] pouvaient offrir un avantage par rapport aux métriques classiques pour le regroupement non supervisé de spectres, tout en restant sensibles à cette hétérogénéité. Dans le cadre de cette thèse, nous envisagerons des méthodes de classification à l'échelle de la lésion plutôt qu'à celle des spectres individuels, en nous appuyant sur la distance de Gromov-Wasserstein, qui prend en compte les relations entre les spectres au sein d'un même groupe (c'est-à-dire d'une même lésion). Nous nous intéresserons plus particulièrement à l'extension « Gromov-Wasserstein fusionnée » [9], afin d'établir une caractérisation des lésions fondée à la fois sur les propriétés individuelles des spectres et sur la structure des groupes auxquels elles appartiennent. 3. Fusion et classification multimodale : Afin d'exploiter les informations multimodales pour guider la classification *in vivo*, les informations de segmentation extraites des différentes modalités ⬔ à commencer par les images IRM (déjà acquises), l'HSM et la FM ⬔ seront fusionnées en une étiquette multimodale unique, en s'appuyant sur des approches d'apprentissage profond de pointe dans le domaine de la fusion de données [10]. Ces cartes multimodales serviront ensuite de nouvelles étiquettes et seront intégrées aux approches de classification par transport optimal décrites précédemment. La classification finale *in vivo* prendra ainsi également en compte les informations *ex vivo* pour distinguer les différentes lésions et en déduire le stade de progression. Les performances en matière de distinction entre les trois classes de pathologie seront comparées à la classification histologique et analysées en fonction de la contribution de chaque méthode optique. Les retombées scientifiques comprendront la production de données, des publications dans des revues nationales et/ou internationales ainsi que la participation à des conférences nationales et/ou internationales.