Localisation automatique des zones responsables de la tachycardie ventriculaire

Automatic localization of areas responsible for ventricular tachycardia

• Auteur / Autrice : Mahya Faraji zamharir
• Direction : Stéphane Binczak, Gabriel Laurent
• Type : Projet de thèse
• Discipline(s) : Instrumentation et informatique de l'image
• Date : Inscription en doctorat le 01/10/2022
• Etablissement(s) : Bourgogne Franche-Comté
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur et microtechniques (Besançon ; 1991-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'Imagerie et Vision Artificielle
• Partenaire(s) de recherche : établissement de préparation : Université de Bourgogne (1970-....)

Mots clés

Mots clés libres

Imagerie cardiaque

Réseaux de neurones profond

Ecg

Traitement du signal

Irm

CT scan

Cardiac imaging

Deep neural networks

Signal processing

Ecg

Mri

CT scan

Résumé

L'étude sera centrée autour de 3 grands axes : i) la mise en place d'une base de données annotées dédiée à la problématique construite à l'aide du cardiologue Gabriel Laurent du CHU de Dijon (Bocage) et d'autres centres français réalisant des ablations. 400 à 500 cas seraient ainsi réunis afin de rassembler les ECGs et images du cœur permettant de retrouver la zone à opérer, la vérité terrain étant confirmée à la suite de l'opération. ii) le développement de réseaux de neurones convolutifs ou d'architectures de type Transformer permettant de croiser et d'analyser des caractéristiques extraites aussi bien des ECGS (manuellement et/ou automatiquement) que des images (scanner ou IRM selon les centres) afin de prédire la localisation de la zone à opérer (par exemple sous forme de coordonnées et/ou d'images annotées). En plus de l'optimisation de la performance de localisation en fonction des données disponibles en entrée, les possibilités de i) fournir une incertitude quant à la prédiction et ii) la localisation des régions ayant influencées le diagnostic via des méthodes post-hoc seront investiguées. La simulation de données parfaitement annotées à l'aide de modèles électriques du cœur sera également une piste d'amélioration de l'apprentissage. Enfin, iii) la validation sur des cas cliniques extérieurs non utilisés pour l'apprentissage et l'optimisation sera réalisée, ainsi que l'application de la méthode à la prédiction du syndrome WPW pour lequel nous avons déjà construit une base de données annotée.

The study will be centered around 3 main axes: i) the implementation of an annotated database dedicated to the problem built with the help of the cardiologist Gabriel Laurent of the Dijon University Hospital (Bocage) and other French centers performing ablations. 400 to 500 cases would be collected that gather ECGs and images of the heart allowing to find the area to be operated on, the ground truth being confirmed after the operation. ii) the development of convolutional neural networks or Vision Transformers architectures allowing to cross and analyze characteristics extracted from ECGS (manually and/or automatically) as well as from images (scanner or MRI according to the centers) in order to predict the location of the area to be operated on (for example in the form of coordinates and/or annotated image). In addition to the optimization of the localization performance according to the available input data, the possibilities of i) providing uncertainty in the prediction and ii) localization of the regions having influenced the diagnosis via post-hoc methods will be investigated. Simulation of perfectly annotated data using electrical models of the heart will also be an avenue for improved learning. Finally, iii) validation on external clinical cases not used for learning and optimization will be performed, as well as the application of the method to the prediction of WPW syndrome for which we have already built an annotated database.