Segmentation d'images par Deep Learning pour le suivi longitudinal des lésions de sclérose en plaques

Le but de ce projet est de développer des modèles de deep learning pour segmenter des nouvelles lésions de sclérose en plaque (SEP) à partir des images IRM FLAIR longitudinales issues des datasets de MSSEG-1 (MICCAI 2016) et MSSEG-2 (MICCAI 2021).
Ces lésions sont un indicateur crucial de la progression de la maladie et permettent d'évaluer l'efficacité des traitements modificateurs de la maladie.

Pour une vue détaillée du sujet, cliquez sur le lien du fichier à droite.

Les candidatures doivent être envoyées à chantal.muller@creatis.insa-lyon.fr et thomas.grenier@creatis.insa-lyon.fr.

Elles comprendront un CV détaillé, les notes de la dernière formation académique, une lettre de motivation et éventuellement des lettres de recommandations.