Contexte :
Environ 30% des enfants ayant eu un AVC néonatal ischémique développent des troubles moteurs permanents appelés paralysie cérébrale (Chabrier, 2019). L’étude de régions clés du cerveau peut aider à mieux comprendre les déficiences motrices manuelles provoquées (Craig, Carlson and Kirton 2019) (Hassett, et al. 2022) (Ilves, et al. 2022). La compréhension des phénomènes découlant de la présence de cette lésion cérébrale précoce peut s’appuyer sur une caractérisation par l’image. Si des travaux ont déjà permis de souligner un lien entre les informations morphologiques extraites d’IRM structurelles et les fonctions motrices manuelles, des informations complémentaires issues d’autres modalités d’imagerie (ex. IRM de diffusion (Kirton, et al. 2016)) pourraient favoriser une meilleure compréhension des mécanismes entrant en jeu.
L’essor récent des réseaux de neurones sur graphes (GNN) (Bacciu, et al. 2020) permet d’aborder la multimodalité et la complexité de l’information grâce à des architectures basées sur graphes où nœuds et arêtes embarquent des caractéristiques extraites de l’image. Les GNN ont montré leur capacité à agréger efficacement les informations du graphe et les interactions entre nœuds (Demirbilek 2023).
Objectif du stage :
L’objectif de ce stage est d’analyser les IRM de diffusion d’une cohorte d’enfants de 7 ans (avec et
sans AVC néonatal), d’en extraire des caractéristiques pertinentes pour les modéliser sous forme de graphe et d’évaluer l’efficacité des GNN à apprendre à prédire la motricité manuelle de ces enfants à partir de ces informations.
La première partie du stage consistera à se familiariser avec les données de diffusion et à automatiser la chaîne de traitement des IRM de diffusion (DWI) de la base de données : correction des distorsions, estimation de la fonction de réponse, estimation de la distribution d’orientation des fibres, tractographie. Cette partie fera appel aux librairies MRtrix (Tournier, et al. 2019) et FSL (Jenkinson, et al. 2012) manipulées dans un environnement Unix. Ce premier travail a déjà été effectué sur une autre cohorte, il suffira de transposer la chaîne de traitement préétablie.
Dans un second temps, le/a stagiaire devra construire des graphes modélisant les fibres nerveuses connectant différentes régions d’intérêt (aire motrice primaire, thalamus, pédoncule cérébral). Cette étape se fera en langage Python à l’aide de la librairie PyTorch geometric (Fey et Lenssen 2019) et de codes issus de travaux préexistants de l’équipe (Coupeau, et al. 2024).
La dernière mission sera d’entraîner un GNN à prédire la motricité à partir des informations de diffusion modélisées sous forme de graphe.
Environnement :
Le/a stagiaire sera invité(e) à participer aux réunions de recherche mensuelles avec les médecins chercheurs du CHU d’Angers.
Si les résultats sont concluants, ils pourront faire l’objet d’un article de revue ou de conférence.
Le stage se déroulera au laboratoire LARIS pour une durée de 5-6 mois à compter de février 2026.
Le/a stagiaire percevra une gratification de 4.35€/h de présence effective. L’Université d’Angers peut prendre en charge 75% du tarif de votre abonnement de transport, sous justificatif (limite de 101.75€/mois).
Contact :
Patty Coupeau (patty.coupeau@univ-angers.fr)
Pour candidater sur ce stage, merci de me faire parvenir :
- CV + lettre de motivation
- Relevés de notes Bac+4
- Lettre de recommandation (facultatif)
