Sujet de Thèse
Titre :
Méthodes de spectro-imagerie multimodalités et d'apprentissage automatique pour la caractérisation bio-optique des cancers de la peau
Dates :
2024/10/01 - 2027/09/30
Autre(s) encadrant(s) :
Prof. Hervé RINNERT (herve.rinnert@univ-lorraine.fr)
Description :
La thèse s'inscrit dans le cadre du projet SpectroSkin, lauréat de l'action 80PRIME 2024 du CNRS, pour la création d'une nouvelle collaboration scientifique entre les équipes du CRAN et de l'IJL, en exploitant leurs compétences complémentaires dans la caractérisation optique des matériaux et de la peau. Le défi du projet SpectroSkin est, par une approche interdisciplinaire multi-échelles et en couplant pour la première fois les informations complémentaires issues de quatre méthodologies expérimentales (réflectance diffuse, autofluorescence, Raman et Infrarouge lointain), de faire le lien entre les caractéristiques biophotoniques (signatures spectrales, paramètres optiques) des échantillons cutanés sains et pathologiques (i) à l'échelle macroscopique in vivo, d'une part et (ii) à l'échelle microscopique ex vivo, d'autre part. Des techniques d'apprentissage automatique (classification automatique) aidées par des méthodes de modélisation des interactions lumière-tissus seront développées pour analyser les jeux de données multidimensionnels originaux ainsi générés et identifier de nouvelles combinaisons de marqueurs bio-optiques discriminants pour résoudre plus efficacement le problème du diagnostic in vivo des cancers cutanés.
Mots clés :
Optique tissulaire, peau, imagerie, hyperspectral, modélisation, apprentissage automatique
Conditions :
Durée : 36 mois
Emloyeur : CRAN UMR 7039 UL-CNRS (Université de Lorraine)
Lieux : CRAN et IJL à Vandoeuvre-Lès-Nancy
Département(s) : 
Biologie, Signaux et Systèmes en Cancérologie et Neurosciences
Financement :
CNRS 80PRIME 2024