Projet MILCOM : développer des méthodes d’apprentissage automatique pour l’acquisition, l'annotation et l'analyse d'images médicales

Les travaux de recherche sont menés par une équipe pluri-disciplinaire du Laboratoire des Sciences du Numérique de Nantes (LS2N), en collaboration avec le département de médecine nucléaire du CHU de Nantes et de l’équipe CRCINA de l’Inserm et encadrés par Diana Mateus, professeure à Centrale de Nantes et membre de l’équipe Signal, image et son (SIMS) au  LS2N.

L’objectif du projet est le développement de méthodes d’apprentissage automatique pour l’acquisition, annotation et analyse des images d’images médicales pour accompagner les médecins dans leur prise de décision.

Pour mener ces travaux de recherche l’équipe bénéficie des équipements de Centrale Nantes et s’appuie par exemple sur le supercalculateur LIGER de l’école pour le machine learning. L’équipe travaille en collaboration avec plusieurs startups, notamment avec Hera Mi qui développe et commercialise des solutions logicielles d’imagerie médicale avancée pour le dépistage du cancer du sein, et Keosys, spécialisée dans l’imagerie médicale.

À terme, le projet MILCOM devrait permettre d’apporter une aide aux oncologues pour poser un diagnostic et proposer un traitement personnalisé aux patients souffrant de maladies comme le myélome multiple.

Perspectives de recherche

L’équipe du projet MILCOM a démarré une collaboration avec le laboratoire MIPS (Motricité, Interactions, Performance) et l’UFR STAPS de l’université de Nantes autour de l’imagerie échographique de muscles.

Les méthodes de MILCOM visent à automatiser en partie l’analyse de ces images pour mesurer de quantités telles que le volume du muscle, indicatrices de l’évolution des performances des athlètes de haut niveau ou de l’état d’avance de maladies dégénératives comme la myopathie de Duchenne. Avec l’achat d’une machine échographiques de recherche ultrarapide, l’équipe MILCOM s’intéresse aussi aux méthodes de reconstruction de ces images échographiques afin d’améliorer la qualité et la précision des images 2D et 3D.