Biomarqueurs géométriques de l'atrophie cérébrale

 

Herve Lombaert

École de technologie supérieure (ÉTS)

 

Domaine : technologies de l'information et des communications

Programme : établissement de nouveaux chercheurs universitaires

Concours 2019-2020

La géométrie est essentielle à la neuro-imagerie, car les altérations de forme peuvent indiquer un risque de maladies neurodégénératives, telles que celle d'Alzheimer. Détecter ces maladies bien avant les symptômes cliniques constitue cependant un défi de taille. Actuellement, les fines subtilités géométriques de l'atrophie cérébrale restent largement inexplorées, notamment dû à deux obstacles majeurs au domaine : la grande variabilité géométrique des surfaces cérébrales et la faible quantité d'annotations dans les bases de données d'images neurologiques.

L'objectif principal de ce projet est de développer des algorithmes permettant de prédire, avec un minimum d'annotations, la présence de neurodégénérescence à partir d'altérations géométriques subtiles de la neuroanatomie. De grandes bases de données d'images non étiquetées existent. Bien que largement inexploitées, elles fournissent autant une diversité géométrique qu'une quantité cruciale de données d'imagerie pour l'élaboration de biomarqueurs basés sur la forme des plis du cerveau. Les objectifs spécifiques sont (i) de cartographier la diversité géométrique de la neuroanatomie dans de vastes ensembles de données non annotées, (ii) d'estimer les stades de maladies neurodégénératives à partir d'images cérébrales non annotées, et (iii) de trouver des détecteurs robustes d'anomalies précoces à l'atrophie cérébrale.

Les résultats anticipés du projet consistent en de nouveaux algorithmes d'imagerie pour le détection précoce d'anomalies à l'atrophie cérébrale. Cette nouvelle famille de biomarqueurs basés sur la géométrie des replis du cerveau innove en exploitant des ensembles d'images non annotées, largement inexplorées, à l'aide de récents progrès en apprentissage géométrique. Cette approche originale fournira des outils de quantification précis de la neurodégénérescence en opérant sur des quantités beaucoup plus importantes de données d'imagerie.