Jonas Richiardi, Faculté de Biologie et Médecine, Service de radiodiagnostic et radiologie interventionnelle (RAD)
L’imagerie est utilisée par toutes les spécialités médicale (neurologie, cardiologie, oncologie…) pour le diagnostic, le pronostic, et les traitements. En particulier, l’imagerie spatio-temporelle (volume-par-temps) permet d’avoir une vue de la pathologie combinant structure et fonction de l’organe et est de plus en plus utilisée: Cine (coeur), DCE-MRI (cancer du foie...), DSC-MRI (accidents vasculaire cérébraux...), ou EPI-BOLD (maladies neuropsychiatriques...). Ceci nécessite des analyses automatiques pour extraire des biomarqueurs quantifiés exploitables par les médecins (charge tumorale, fraction d’éjection du ventricule gauche...).
Nous développerons des représentations par graphes pour l’imagerie cardiaque: un noeud par région du myocarde (segments AHA), et une arête pour la “relation” entre régions (distance spatiale, covariation d’intensité...). Cette modélisation qui estime explicitement la covariation spatio-temporelle des données est souvent utilisée pour le cerveau, mais inexistante pour le coeur. Ce projet développera des méthodes et un logiciel permettant de modéliser de façon améliorée et unifiée différents organes et leurs données d’imagerie spatio-temporelle, et d’obtenir des biomarqueurs plus précis. L’imagerie cérébrale et cardiaque diffèrent par plusieurs aspects: résolutions temporelles et spatiales, mouvement, injection de produit de contraste. Ceci nécessite d’incorporer un modèle d’”activation” pour représenter le changement temporel d’intensité, par analogie à ce qui se fait en neuroimagerie (réponse hémodynamique), et permettra par exemple une amélioration de l’estimation individuelle des paramètres de perfusion cardiaque.
La "construction du graphe" nécessite le choix d’un estimateur avec de bonnes propriétés statistiques pour définir les arêtes entre régions de l’organe. Nous nous baserons sur notre expertise précédente utilisant des mesures de corrélation par ondelettes. Les méthodes actuelles agrègent les séries temporelles par régions en les moyennant. Nous proposons de développer une méthode par voisinage qui utilise toutes les séries temporelles disponibles sur une région. Cette approche spatio-temporelle permet de définir un test statistique qui exploite les dépendances des séries temporelles intra-régions. Ceci nous permet de contrôler la validité du graphe obtenu et donc d’augmenter sensiblement la reproductibilité des résultats.
Enfin, le projet évaluera les méthodes pour des tâches de "prédiction diagnostique individuelle" sur des données d’imagerie cardiaques ouvertes (ACDC, UK Biobank) ainsi que sur des données de neuroimagerie ouvertes (FCON 1000). Nous utiliserons des méthodes d’immersion dans un espace vectoriel (embedding) suivi d’algorithmes classiques, mais aussi des méthodes de réseaux de neurones profonds sur les graphes (graph neural network).
Le plan d’activité se focalise sur des réunions et visites de site, développement du logiciel, organisation d’un workshop, et préparation d’une demande de financement.
En terme de collaboration, le projet s’articule autour de deux réunions de travail et visites de site, qui permettront aux chercheurs de tisser des liens avec ceux de l’autre institution. Les visites incluront également un ou des séminaires présentés par les invité-e-s et ouverts aux membres de l’institution hôte.
En terme de dissémination, un workshop/session spéciale sera organisé dans une conférence scientifique établie (NetSci) et permettra de rassembler des chercheurs des deux institutions ainsi que d’autres spécialistes du domaine..
Durant le projet, nous visons le développement et la publication d’un logiciel open source permettant d’appliquer les méthodes développées durant le projet.
Finalement, les résultats préliminaires permettront de préparer la soumission d’une demande de financement d’un projet Suisse-France ou de type transfrontalier permettant d’engager un-e doctorant-e travaillant entre les deux institutions.
