Sujet de stage
Titre :
Approches par transport optimal pour aider au diagnostic de cancers cutanés à partir de données spectroscopiques in-vivo
Dates :
2025/04/01 - 2025/08/31
Encadrant(s) :
Description :
Contrairement aux biopsies chirurgicales, les biopsies optiques permettent une caractérisation non invasive, in vivo et en temps réel des cancers de la peau. L'intérêt de ces méthodes de spectro-imagerie optique réside dans leur sensibilité à des modifications complexes des propriétés optiques (PO) de la peau, directement liées à des modifications morphologiques, biochimiques et métaboliques pathologiques au cours du développement cancéreux. Dans ce contexte, le CRAN a développé et breveté le dispositif de spectroscopie optique SpectroLive [1], dont le transfert industriel et clinique a permis l'acquisition de la plus riche base de données spectroscopiques publiée connue à ce jour dans le domaine du cancer de la peau.
L'estimation des PO de la peau à partir de ces données spectroscopiques cliniques est difficile du fait de la grande hétérogénéité de ces dernières, les fortes variations inter- et intra- individuelles des caractéristiques morphologiques et optiques de la peau rendant le problème inverse mal posé. L'objectif de ce stage est d'étudier des critères d'optimisation innovants basés sur le transport optimal [2] pour résoudre le problème inverse, en considérant leur potentiel pour (i) réduire la sensibilité à la normalisation ou à l'étalonnage des données et (ii) combiner des données provenant de modalités multiples (par exemple, les spectroscopies de réflectance diffuse et d'autofluorescence), le tout conduisant à des estimations d'OP statistiquement plus robustes.
[1] Blondel et al (2021) "Spatially-Resolved Multiply-Excited Autofluorescence and Diffuse Reflectance Spectroscopy: SpectroLive Medical Device for Skin In Vivo Optical Biopsy," Electronics, 10(3):243.
[2] Peyré et Cuturi (2019) "Computational Optimal Transport : With Applications to Data Science" Foundations and Trends in Machine Learning.
L'estimation des PO de la peau à partir de ces données spectroscopiques cliniques est difficile du fait de la grande hétérogénéité de ces dernières, les fortes variations inter- et intra- individuelles des caractéristiques morphologiques et optiques de la peau rendant le problème inverse mal posé. L'objectif de ce stage est d'étudier des critères d'optimisation innovants basés sur le transport optimal [2] pour résoudre le problème inverse, en considérant leur potentiel pour (i) réduire la sensibilité à la normalisation ou à l'étalonnage des données et (ii) combiner des données provenant de modalités multiples (par exemple, les spectroscopies de réflectance diffuse et d'autofluorescence), le tout conduisant à des estimations d'OP statistiquement plus robustes.
[1] Blondel et al (2021) "Spatially-Resolved Multiply-Excited Autofluorescence and Diffuse Reflectance Spectroscopy: SpectroLive Medical Device for Skin In Vivo Optical Biopsy," Electronics, 10(3):243.
[2] Peyré et Cuturi (2019) "Computational Optimal Transport : With Applications to Data Science" Foundations and Trends in Machine Learning.
Mots clés :
Transport optimal, spectro-imagerie, problèmes inverses, cancer, peau
Conditions :
Le stagiaire recruté intégrera le projet Photodiag au sein de l'équipe BioSiS du CRAN.
⬢ Durée : 6 mois
⬢ Employeur : Université de Lorraine
⬢ Localisation : CRAN, Faculté de Médecine, Vandoeuvre-lès-Nancy (54500)
CRAN : Unité mixte de recherche, CNRS-Université de Lorraine
⬢ Salaire : gratification de stage (environ 600 euros par mois)
⬢ Profil attendu : connaissances mathématiques appliquées au traitement du signal et des images; des connaissances en problèmes inverses et optimisation numérique serait appréciées; programmation en Python, Matlab ou Julia.
⬢ Durée : 6 mois
⬢ Employeur : Université de Lorraine
⬢ Localisation : CRAN, Faculté de Médecine, Vandoeuvre-lès-Nancy (54500)
CRAN : Unité mixte de recherche, CNRS-Université de Lorraine
⬢ Salaire : gratification de stage (environ 600 euros par mois)
⬢ Profil attendu : connaissances mathématiques appliquées au traitement du signal et des images; des connaissances en problèmes inverses et optimisation numérique serait appréciées; programmation en Python, Matlab ou Julia.
Département(s) :
| Biologie, Signaux et Systèmes en Cancérologie et Neurosciences |
Financement :
Dotation BioSiS