Analyse d’images automatisée en imagerie cellulaire FIB-SEM : application à la compaction du génome et au réseau de mitochondries
Financement :
- Contrat doctoral 2016 de l'Université de Strasbourg.
Encadrement :
- Directeur : Christian Ronse - Équipe MIV - ICube - cronse@unistra.fr
- Co-encadrant : Benoît Naegel - Équipe MIV - ICube - b.naegel@unistra.fr
Sujet détaillé :
Résumé : L’imagerie cellulaire dispose depuis peu d’une technologie de pointe qui permet d’atteindre une résolution spatiale isotropique de 3-5 nm grâce à l’action combinée d’un faisceau d’ion focalisé (FIB) destiné à décaper une tranche de l’échantillon de quelques nm d’épaisseur et d’un faisceau d’électron (SEM) consacré à l’imagerie. La technologie FIB/SEM ouvre la possibilité de quantifier de nombreux paramètres morphologiques et de corréler ces valeurs avec l’apparition et le développement de maladies humaines.
À l’heure actuelle, l’analyse automatisée de ces images représente un enjeu important au regard du volume important des données obtenues. Dans ce but, des méthodes dédiées de traitement d’images (et notamment de morphologie mathématique) seront développées et couplées à des méthodes d’apprentissage supervisé.
Les objectifs de cette thèse sont les suivants :
- du point de vue clinique, l’étude de deux systèmes biologiques principaux : la compaction du génome dans le noyau cellulaire et le réseau de mitochondries ;
- du point de vue analyse d’images, le développement de méthodes de correction d’image et de segmentation robustes à des fins de quantification, adaptées au contexte de l’imagerie FIB-SEM, couplées à des méthodes d’apprentissages qui pourront se fonder sur les méthodes récentes d’apprentissage profond fondées sur les réseaux de neurones convolutionnels ;
- du point de vue informatique, la diffusion dans la communauté, sous forme de logiciel libre, des méthodes proposées.
Candidature :
- Cette thèse est à pourvoir au 1er septembre 2016.
- Durée du financement : 3 ans.
- Date limite de candidature : 31 mai 2016.
Les candidatures devront comporter un CV détaillant le cursus et les résultats du Master. Seules les meilleures candidatures (candidat pouvant attester d'un classement se situant dans le premier quart de promotion en Master) seront examinées.
Profil du candidat :
- Master en Informatique, Imagerie ou Mathématiques discrètes.
- Expérience en traitement d’images et/ou en machine learning.
- Programmation C++.