Développement et monitoring multiparamétrique d’un modèle microfluidique sur puce de la barrière hémato-encéphalique
La barrière hémato-encéphalique (BHE) assure la protection du cerveau en contrôlant les échanges entre le sang et le tissu nerveux. Cependant, les modèles actuels peinent à reproduire fidèlement sa complexité. Cette thèse vise à développer puis à évaluer un nouveau modèle microfluidique de BHE sur puce intégrant un système de monitoring en temps réel combinant mesures optiques et électriques en simultané. Le dispositif permettra d’étudier la perméabilité, la résistance transendothéliale et la réponse cellulaire à divers stimuli pharmacologiques ou toxiques. En combinant microtechnologies, co-cultures cellulaires et capteurs intégrés, cet avatar biologique offrira une approche plus physiologique et dynamique que les systèmes in vitro classiques permettant d’améliorer la compréhension des phénomènes de diffusion/perméation des molécules thérapeutiques. Ce projet contribuera au développement d’outils prédictifs pour la neuropharmacologie, la toxicologie et la recherche sur les maladies neurodégénératives.
Développement et validation d’algorithmes d’intelligence artificielle, appliqués à l’haptique surfacique, pour l’évaluation des troubles neurodéveloppementaux à travers le toucher et la dextérité
L'objectif de cette thèse est de développer de nouvelles méthodes d'évaluation clinique utilisant des technologies haptique surfaciques, développées au CEA List, et des algorithmes de machine learning pour tester et mesurer l'intégration tactile-motrice. En particulier, la thèse investiguera et validera le développement d'un pipeline d'analyse multimodale qui convertit les signaux haptique et les données des exercices de dextérité (c'est-à-dire les événements de stimulation tactile, la cinématique des doigts, les forces de contact et le timing en millisecondes) en biomarqueurs fiables et interprétables de la perception tactile et du couplage sensorimoteur, puis classera les schémas d'intégration normatifs par rapport aux schémas atypiques avec une fidélité clinique pour l'évaluation.
Résultats attendus : une nouvelle technologie et des modèles pour la mesure rapide et réalisable des déficits tactuo-moteurs en milieu clinique, avec une validation initiale pour différents troubles du neurodéveloppement (c'est-à-dire la psychose, le trouble du spectre autistique et la dyspraxie). Les méthodes développées et les données collectées fourniront :
(1) une bibliothèque de caractéristiques ouverte et versionnée pour l'évaluation tactuo-motrice ;
(2) des classifieurs avec des points de fonctionnement prédéfinis (sensibilité/spécificité) ;
(3) et une pipeline « edge-ready » sur le dispositif, c'est-à-dire capable de fonctionner localement sur une tablette tout en respectant les contraintes de latence, de calcul et de confidentialité des données. Le succès sera mesuré par la reproductibilité des caractéristiques, des tailles d'effet cliniquement significatives et une logique de décision interprétable qui se rapporte à la neurophysiologie connue plutôt qu'à des artefacts.
Super-résolution des images d'IRM cérébrale : de la recherche à la clinique grâce aux approches d’apprentissage automatique.
L’imagerie par résonance magnétique (IRM) cérébrale est une modalité de référence pour le diagnostic des pathologies neurologiques. L’acquisition d’images haute résolution (HR) reste toutefois limitée en pratique clinique en raison des contraintes de temps d'occupation scanner, de confort des patients, et de corruption des images par le mouvement des patients. Le gain de signal apporté par la montée du champ magnétique permet d'augmenter la résolution spatiale des images pour un temps d'acquisition donné. Ce projet vise à tirer parti de la haute résolution atteignable avec l'IRM 11.7T Iseult, actuellement la plus puissante au monde, pour entraîner des modèles de super-résolution (SR) basés sur un apprentissage automatique, dans le but d’améliorer la résolution spatiale des images 3T couramment utilisées en clinique. Dans les approches existantes, les modèles sont entraînés majoritairement à partir d'images issues de bases de données publiques, en faisant correspondre des paires d'images haute et basse résolution, les données basse résolution étant générées de manière synthétique. Ici, nous exploiterons un jeu de données réel constitué d'images acquises à 3T et 11.7T sur une même cohorte, ce qui garantit une plus grande fidélité anatomique et permet une évaluation rigoureuse du risque d'hallucination, c'est-à-dire de générer de faux détails anatomiques susceptibles d'être mal interprétés par le praticien. Ce projet s’articulera en plusieurs étapes : il s'agira d'abord d'améliorer la qualité des images produites à 11.7T (notamment par la correction du mouvement et des artefacts présents sur les images d'Iseult), puis d'acquérir des images à 3T et 11.7T, de développer et valider des modèles de SR, et enfin d'évaluer leur performance sur des bases de données publiques. Ce travail ouvre la voie à une intégration fiable des méthodes de SR dans la pratique clinique, en permettant de manière indirecte aux IRM conventionnelles de bénéficier des performances uniques d'Iseult.
Optimisation de détecteurs de rayonnement gamma pour l’imagerie médicale. Tomographie par émission de positrons temps de vol
Introduction
Les technologies innovantes d’imagerie fonctionnelles contribuent à la priorité sur les Médecines du Futur du CEA. La tomographie par émission de positrons (TEP) est une technique d'imagerie médicale nucléaire largement utilisée en oncologie et en neurobiologie.
La désintégration du traceur radioactif émet des positrons, qui s'annihilent en deux photons de 511 keV. Ces photons sont détectées en coïncidence et utilisées pour reconstituer la distribution de l'activité du traceur dans le corps du patient.
Nous vous proposons de contribuer au développement d’une technologie ambitieuse et brevetée : ClearMind. Le premier prototype est à nos laboratoires. Ce détecteur de photons gamma utilise un scintillant cristal monolithique de haute densité et grand Z, dans lequel sont produits des photons Cherenkov et de scintillation. Ces photons optiques sont convertis en électrons par une couche photo-électrique et multipliés dans une galette à microcanaux. Les signaux électriques induits sont amplifiés par des amplificateurs gigahertz et numérisés par les modules d'acquisition rapide SAMPIC. La face opposée du cristal sera équipée d'une matrice de photo-détecteur en silicium (SiPM).
Aujourd’hui nous disposons d’un premier prototype. Nous travaillons a en construire deux supplémentaires.
Le travail proposé
Vous travaillerez dans un laboratoire d’instrumentation avancé dans un environnement de physique des particules.
Il s’agira d’abord d’optimiser les « composants » des détecteurs ClearMind, pour parvenir à des performances nominales. Nous travaillerons sur les cristaux scintillants, les interfaces optiques, les couches photo-électriques et les photo-détecteurs rapides associés (MCP-PMT et SiPM), les électroniques de lectures.
Il s’agira ensuite de caractériser les performances des détecteurs prototypes sur nos bancs de mesure en développement continu. Les données acquises seront interprétées au moyen de logiciels d’analyse « maison » écris en langage C++ et/ou Python.
Il s’agira enfin de confronter les propriétés mesurées de nos détecteurs à des simulations dédiées (Monté-Carlo sur logiciels Geant4/Gate).
Un effort particulier sera con-sacré au développement de cristaux scintillants ultra-rapides dans le contexte d’une collaboration européenne.
Supervision
Le candidat retenu travaillera sous la supervision conjointe de Dominique Yvon et Viatcheslav Sharyy DRF/ IRFU & BIOMAPS. Le groupe CaLIPSO de l'IRFU & BIOMAPS est spécialisé dans le développement et la caractérisation de détecteurs TEP innovant. Dans le cadre du projet, nous avons une étroite collaboration avec le l’IJCLabs d’Orsay, qui développe nos électroniques de lecture et d’acquisition, le CEA/DM2S qui travaille notamment sur des algorithmes d'IA de confiance, le CPPM de Marseille, qui évalue nos détecteurs dans des conditions d’acquisition d’imagerie TEP et l’UMR BIOMAPS (CEA/SHFJ), travaillant sur les algorithmes de calculs d’image.
Exigences
Des connaissances en physique de l’interaction particules-matière, de la radioactivité et des principes des détecteurs de particules sont indispensables. Un goût prononcé pour l’instrumentation et le travail de laboratoire est recommandé. Il est important d'avoir des compétences de base en programmation, par exemple C++, logiciel de simulation physique Gate/Geant4.
Compétences acquises
Bonne connaissance des technologies de pointe des détecteurs de particules et des tomographes à émission de positrons. Principes et techniques de simulation de l'interaction des particules-matière et les systèmes de détection. Analyse de données complexes.
Contact
Dominique Yvon, dominique.yvon@cea.fr
Viatcheslav Sharyy, viatcheslav.sharyy@cea.fr