Stage de recherche : Prédiction de la progression de l’atrophie rétinienne dans la DMLA sèche

La dégénérescence maculaire liée à l’âge (DMLA) est une maladie oculaire qui provoque une atrophie progressive de l’épithélium pigmentaire rétinien (EPR), entraînant à terme la cécité des patients. La maladie peut être diagnostiquée et surveillée à l’aide d’images du fond de l’œil (cSLO en infrarouge, figure 1). Cependant, les mécanismes de l’expansion de l’atrophie de l’EPR restent inconnus.

Notre équipe a précédemment présenté un cadre permettant de traiter des séries d’images cSLO afin de modéliser la progression de l’atrophie de l’EPR, également appelée atrophie géographique (AG) [1]. Nous avons approfondi la détection des changements d’une image à l’autre à l’aide d’approches d’apprentissage profond, à savoir les réseaux neuronaux récurrents (RNN). Un réseau neuronal récurrent bidirectionnel (RNN), basé sur des unités GRU, a été développé pour prédire l’état de chaque pixel de la série et ainsi déterminer quand il passe de l’arrière-plan à la GA. Cette approche donne des résultats très prometteurs. Cependant, d’autres architectures RNN peuvent être testées et nous devons mieux exploiter notre base de données pour entraîner les modèles, malgré les grandes difficultés rencontrées pour annoter la série.

L’objectif de ce stage est d’évaluer quantitativement l’évolution temporelle de la GA et de développer des approches DL semi-supervisées pour une segmentation précise et robuste de la GA.

• Préparation et exploration des données
• Conception de mesures spatio-temporelles avancées pour évaluer les performances du modèle RNN dans la prédiction de la croissance de l’AG.
• Développement de modèles semi-supervisés pour segmenter la région de l’AG afin d’exploiter les données non annotées des patients.
• Validation clinique pour soutenir l’interprétation clinique

• M2 ou ING3 en cours dans le domaine du traitement d’images, de l’intelligence artificielle, de l’apprentissage automatique et de l’apprentissage profond. Programming in Python and Matlab.

Envoyez votre candidature par e-mail, accompagnée de votre CV, d’une lettre de motivation, de vos notes M1 et, si possible, d’une lettre de recommandation, à florence.rossant@isep.fr et nan.ding@isep.fr

Pour les candidatures, l’objet de votre email doit être « Candidature pour le stage – Prédiction de la progression de l’atrophie rétinienne dans la DMLA sèche. »

Date limite de candidature : 31 décembre 2025 à 23h59 (heure GMT+1).