Laboratoire de Recherche LATIS Laboratory of Advanced Technology and Intelligent Systems

Actualités

Appel à Candidature : Proposition d’un sujet de thèse

Intitulé du sujet : phénotypage automatique des cellules cancéreuses dans les images histologiques
Encadrants : -Najoua Essoukri Ben Amara, professeur ENISo-LATIS
                      -Hedi Yazid, Maître assistant, ISIMA-LATIS


L'analyse des données histopathologiques intéresse les communautés d'analyse d'images et de
vision par ordinateur depuis de nombreuses années. Plus récemment, l'avènement de la
pathologie numérique et la disponibilité de grandes quantités de scans numérisés ont déclenché
un déluge de nouveaux développements méthodologiques dans ce domaine, ciblant
principalement les systèmes d’aide à la décision.
La thèse consiste à proposer une méthode de détection automatique des cellules cancéreuses
dans des images histologiques variées. L’objectif est de pouvoir faire une classification du grade
des tumeurs cancéreuses dans des images histologiques. La tâche de l'analyse automatisée des
images histologiques n'est pas triviale en raison des caractéristiques uniques de l'imagerie
histologique, y compris la variabilité des techniques de préparation d'images, les protocoles
d'interprétation clinique et les structures complexes et la très grande taille des images ellesmêmes [1], [2]. Les techniques d’apprentissage automatique ont prouvé leur performance dans l’analyse des données dans le domaine médical [3] dans un contexte d’un grand flux de données [4][5].
La thèse proposée rentre dans le cadre d’un projet de collaboration entre le laboratoire LATIS de l’Ecole Nationale d’Ingénieurs de Sousse, le département ITI à l’IMT Atlantique Brest, France et le service d’anatomie et cytologie pathologiques au CHRU Brest, France.

Références:
[1] A. Das, M. S. Nair, et S. D. Peter, « Computer-Aided Histopathological Image Analysis
Techniques for Automated Nuclear Atypia Scoring of Breast Cancer: a Review », J Digit
Imaging, janv. 2020, doi: 10.1007/s10278-019-00295-z.
[2] K. Buscher et al., « Data-Driven Kidney Transplant Phenotyping as a Histology-Independent Framework for Biomarker Discovery », JASN, vol. 32, no 8, p. 1933‑1945, août 2021, doi: 10.1681/ASN.2020121685.
[3] A. Daly, H. Yazid, B. Solaiman, et N. Essoukri Ben Amara, « Multiatlas-based segmentation of female pelvic organs: Application for computer-aided diagnosis of cervical cancer », International Journal of Imaging Systems and Technology, vol. 31, no 1, p. 302‑312, 2021, doi: 10.1002/ima.22478.
[4] C. L. Srinidhi, O. Ciga, et A. L. Martel, « Deep neural network models for computational histopathology: A survey », Medical Image Analysis, p. 101813, sept. 2020, doi: 10.1016/j.media.2020.101813.
[5] A. Bessadok, M. A. Mahjoub, et I. Rekik, « Brain graph synthesis by dual adversarial domain alignment and target graph prediction from a source graph », Medical Image Analysis, vol. 68, p. 101902, févr. 2021, doi: 10.1016/j.media.2020.101902.


Profil du candidat : 

Peuvent candidater à cet appel les diplômés en master/ingénieur en Informatique, Informatique appliquée, Traitement d’images et du signal ou équivalent.


Pré-requis :
- Compétences en programmation
- Maîtrise en techniques d’apprentissage automatique (dont apprentissage profond).
- Bonnes compétences interpersonnelles
- Bon niveau en anglais


Contact : Les intéressés sont invités à envoyer un message à l’adresse suivante :
najoua.benamara@eniso.rnu.tn en précisant dans l’objet du message « Offre de thèse »