Voir la source de Implémentation et évaluation d’une méthode de reconstruction de cartes de conductivité électrique par IRM


== Intitulé et adresse du laboratoire d’accueil où aura lieu le stage == 
ICube-IPB, UMR CNRS 7357, équipe « Imagerie  Multimodale  Intégrative  en Santé » (IMIS), <br />
Institut de Physique Biologique (dans l'enceinte des Hôpitaux Universitaires de Strasbourg).<br />
1, place de l'Hôpital, 67000 Strasbourg <br />
Interactions avec le Laboratoire de Mathématiques de Reims et le Laboratoire IADI, à Nancy.

== Nom, prénom et adresse email des encadrants ==
LAMY, Julien, lamy@unistra.fr
LOUREIRO DE SOUSA, Paulo, ploureiro@unistra.fr  <br />

== Titre du stage ==
Implémentation et évaluation d’une méthode de reconstruction de cartes de conductivité électrique par IRM

== Profil du candidat ==
Scientifique ou ingénieur, avec des bonnes compétences en programmation scientifique (Python et C++).

== Contexte ==
Plusieurs travaux ont montré que certaines maladies provoquent des changements locaux des propriétés électriques (PE) des tissus biologiques : des valeurs modifiées de la conductivité électrique ont été rapportées dans les tumeurs cérébrales et en relation avec un accident vasculaire cérébral. Cartographier in vivo les PE permettrait donc d’accéder à des informations pertinentes sur l'état de santé du tissu. 

En raison de ses principes électromagnétiques sous-jacents, l’imagerie par résonance magnétique nucléaire (IRM) est une approche logique pour cartographier, de façon non invasive, les PE tissulaires in vivo, chez l’Homme (Katscher et al., 2013 ; Zhang et al., 2014).

La plupart des techniques de reconstruction des cartes de PE par IRM font intervenir des dérivées spatiales des images. Plusieurs études font usage de l’analyse de Savitzky-Golay (Savitzky and Golay, 1964; Steinier et al., 1972) pour réaliser ce « filtrage différentiel ». Il s’agit d’une estimation locale de la fonction à différencier sous forme polynomiale. Cette façon de procéder a tendance à réduire l’influence du bruit et offre de la liberté de choisir le nombre de points pris en compte, le degré du polynôme en question ainsi que la restriction éventuelle à un domaine pour l’estimation (Katscher and van den Berg, 2017; Katscher et al., 2011). Ce dernier aspect, qui consiste généralement en un a priori sur des portions de tissus dont on suppose qu’elles partagent des propriétés communes, est d’un intérêt particulier pour limiter les effets liés à des artefacts de discontinuité dans la reconstruction (Ropella and Noll, 2017).

== Objectifs du stage ==
L’objectif principal de ce stage consiste à réaliser l’implémentation logicielle de la méthode de Savitzky-Golay et l’appliquer pour la reconstruction des cartes de PE du cerveau humain. 
Les codes seront écrits en Python et éventuellement en C++ pour accélération.

== Laboratoires d'accueil ==
Ce stage de recherche M2 sera réalisée au sein du laboratoire des sciences de
l'ingénieur, de l'informatique et de l'imagerie (ICube), sur le site de l’Hôpital Civil, dans l’équipe «
Imagerie Multimodale Intégrative en Santé » en collaboration avec le Laboratoire de Mathématiques
de l’université de Reims-Champagne-Ardenne.

Le laboratoire ICube a une large expérience dans le développement de méthodologie IRM, pour des
applications   en   recherche   clinique,   principalement   en   neurologie,   mais   également   pour   des
applications en imagerie interventionnelle.  <br />
Disposant de trois scanners IRM dédiés à la recherche chez l’Homme (1.5T et 3T SIEMENS) et chez le petit animal (7T Bruker), 
les travaux en méthodologie du laboratoire ICube se focalisent essentiellement sur les questions liées aux méthodes d’acquisition des
données et aux reconstructions des cartes de propriétés des tissus biologiques.

== Contact ==
Pour  candidater,  envoyez  une  lettre  de  candidature,  un  CV,  et  les  relevés  de  note  et classement de licence et master à lamy@unistra.fr. <br /> 
Nous vous encourageons à nous contacter par e-mail pour toutes questions ou pour avoir des précisions sur le sujet.

== Références ==
* Katscher, U., Kim, D. H., & Seo, J. K. (2013). Recent progress and future challenges in MR electric properties tomography. Computational and mathematical methods in medicine, 2013.
* Zhang, X., Liu, J., & He, B. (2014). Magnetic-resonance-based electrical properties tomography: a review. IEEE reviews in biomedical engineering, 7, 87-96.
* Savitzky, A., and Golay, M.J.E. (1964). Smoothing and differentiation of data by simplified least squares procedures. Anal. Chem. 36, 1627–1639.
* Steinier, Jean., Termonia, Yves., and Deltour, Jules. (1972). Smoothing and differentiation of data by simplified least square procedure. Anal. Chem. 44, 1906–1909.
* Katscher, U., & van den Berg, C. A. (2017). Electric properties tomography: Biochemical, physical and technical background, evaluation and clinical applications. NMR in Biomedicine, 30(8), e3729
* Ropella, K.M., and Noll, D.C. (2017). A regularized, model-based approach to phase-based conductivity mapping using MRI. Magn. Reson. Med. 78, 2011–2021.