Laboratoires de rattachement: Créatis - Directeur(s) de thèse : Philippe Delachartre - Encadrant(s) : Emmanuel Roux et Blaise Kévin Guépié - Date de début de la thèse : 01/10/2020 - Date de fin de la thèse : 01/10/2023 - Date de soutenance :
Apprentissage faiblement supervisé pour la caractérisation d'emboles cérébraux à l'aide du monitorage Doppler trascrânien (TCD)
La détection des emboles est un sujet majeur en matière de prévention des accidents vasculaires cérébraux (AVC). La cause d'un AVC peut être multiple, mais dans la plupart des cas, un contrôle Doppler de l'artère cérébrale moyenne (ACM) peut aider au diagnostic et à la prévention du risque d'AVC. La classification des emboles est essentielle pour améliorer la fiabilité du diagnostic. Depuis plus de 20 ans, Atys Medical développe des systèmes de monitorage Doppler qui peuvent détecter les HITS (High Intensity Transient Signal) et les classer comme emboles ou artefacts (mouvement de la sonde, clignement des yeux, artefact vocal, etc...). Le dernier dispositif d'Atys - unique au monde - est un Holter équipé de sondes robotisées (TCD-X), permettant de longues sessions de monitorage, sur des patients ambulatoires, grâce à des ajustements automatiques des sondes tout au long de l'enregistrement pour assurer un maintien optimal du signal. L'un des principaux sujets permettant aux médecins d'identifier la cause d'un AVC est de s'intéresser à la nature des emboles. Lors d'une chirurgie cardiaque ou dans les unités d'AVC, le fait de savoir si l'embole est solide ou gazeux peut donner des indices essentiels au médecin pour mieux prendre en charge ses patients. Des informations plus précises sur l'origine des emboles pourraient également être utiles. L'objectif principal de ce projet est d'extraire des caractéristiques spécifiques pour chaque embole - sur la base d'un ensemble d'archives Doppler annotées et non annotées - et d'utiliser l'apprentissage profond pour classer les événements de manière efficace afin de fournir un diagnostic plus précis et d'optimiser le temps d'analyse des données.