Prédiction de cartes de perfusion du cur par apprentissage automatique
Auteur / Autrice : | Raoul Sallé de chou |
Direction : | Hugues Talbot |
Type : | Projet de thèse |
Discipline(s) : | Sciences du traitement du signal et des images |
Date : | Inscription en doctorat le 01/10/2021 |
Etablissement(s) : | université Paris-Saclay |
Ecole(s) doctorale(s) : | École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....) |
Partenaire(s) de recherche : | Laboratoire : [CVN] Centre de la Vision Numérique |
référent : CentraleSupélec (2015-....) |
Mots clés
Mots clés libres
Résumé
Heartflow est un leader dans le domaine des modèles physiques basés sur l'image simulant le flux sanguin dans le myocarde. Récemment, dans le cadre d'une collaboration entre HeartFlow, Inria, l'Université Gustave-Eiffel et CentraleSupélec, nous avons proposé un modèle mathématique pour prédire la perfusion sanguine dans le myocarde. Le modèle actuel repose sur 1. la détection, la segmentation et la simulation du flux sanguin au travers des vaisseaux coronaires qui sont visibles sur le CT-scan injecté ; 2. une méthode de génération de petits vaisseaux en 3D, spécifique au patient, cohérente avec les vaisseaux détectés. Les règles de croissance de ces vaisseaux sont basées sur la physiologie et les flux sanguins simulés et mesurés ; 3. une méthode de simulation de la perfusion incluant un milieu poreux. Le modèle résultant prédit assez bien la perfusion dans les cas sains et fortement malades, mais pas aussi bien pour les maladies intermédiaires. Ceci est problématique car l'intérêt principal de ces examens est d'aider à prédire le résultat et les meilleures stratégies de soins pour de tels patients. L'objectif de la thèse est de compléter ou de remplacer le modèle actuel par des méthodes modernes d'apprentissage automatique.