Offre de thèse : LiGHT - Limited-supervision Generative models for Histopathological image analysis in oncology

Contexte du poste

Ce projet de recherche vise à améliorer le diagnostic et le traitement des cancers grâce à l'intelligence artificielle (IA) et à la pathologie numérique. Aujourd’hui, pour confirmer certains types de cancers, comme le cancer du poumon, les médecins utilisent des techniques d’immunohistochimie (IHC) qui détectent des protéines spécifiques dans les tissus telles que la protéine TTF1. Ces analyses, bien que cruciales, consomment une partie limitée des échantillons, coûtent cher et retardent parfois le diagnostic. L'objectif principal est donc de développer des modèles d'IA capables de prédire la présence de la protéine TTF1 directement à partir d’images histologiques HES, une méthode plus rapide et non invasive. En parallèle, le projet cherche également à générer des images simulées d’IHC pour aider les pathologistes à visualiser le résultat de ces prédictions, rendant l’outil plus compréhensible et explicable.  En plus de prédire cette protéine, un autre objectif est de segmenter les noyaux cellulaires dans les images IHC, afin de quantifier l’intensité de l’expression des protéines. Cela permet d’identifier des anomalies et de mieux comprendre la composition et l’hétérogénéité des tumeurs. Cette tâche est complexe car il n’existe pas de bases de données spécifiques pour entraîner les modèles sur ces images. Ce projet s'appuiera sur des modèles génératifs (GAN et modèles de diffusion), sur les techniques de co-entraînement, ainsi que sur les approches de segmentation non-supervisées. Grâce à une collaboration avec le CHU de Rouen, il sera possible d'accéder à des centaines d’images IHC et HES anonymisées de patients. In fine, ce projet, en améliorant l’analyse des images pathologiques, pourrait accélérer les diagnostics et améliorer la prise en charge des patients atteints de cancer.

Description


Établissement porteur : Université de Rouen Normandie 


Localisation du projet: LITIS (Laboratoire d’Informatique, de Traitement de l’Information et des Systèmes, UR 4108)


Financement: région Normandie


Début souhaité: Octobre 2025


Encadrants: Zoe Lambert zoe.lambert@univ-rouen.fr et Caroline Petitjean caroline.petitjean@univ-rouen.fr


Mots clés: Deep Learning, Pathologie numérique, Modèles génératifs, Segmentation d’image, Oncologie thoracique


Fichiers associés

Fiche de poste
Comment postuler ?

Profil attendu : Diplôme d'école d'ingénieur ou d'université avec une spécialisation en machine learning, lA, science des données ou traitement d'images. La maîtrise de Pylorch ou de TensorFlow est requise.


Modalités de candidature : Soumettre un CV, une lettre de motivation, les relevés de notes M1/M2, et un contact de référence.

Zoe Lambert zoe.lambert@univ-rouen.fr et Caroline Petitjean caroline.petitjean@univ-rouen.fr


Date limite de candidature :15/05/2025