Imagerie médicale — débruitage IRM et expression génique à partir de la pathologie

En bref

• Le bruit de speckle masque les détails utiles au diagnostic en IRM ; les analyses d'expression génique sont lentes et coûteuses, tandis que les images de pathologie sont rapides et peu coûteuses.
• Des modèles de débruitage du speckle pour l'IRM, et un mémoire qui prédit l'expression génique à partir d'images de pathologie gigapixel.
• Terminé : projet IRM de 2020 à 2021 ; mémoire de master achevé en septembre 2025, avec un article en préparation.

Points forts

• Réduction du bruit de speckle en IRM

  Des modèles de débruitage ciblant le bruit de speckle, qui détruit les détails utiles au diagnostic en IRM et dans les modalités apparentées.

• L'expression génique à partir d'images de pathologie

  Le mémoire vérifie si des images de lames entières en pathologie peuvent remplacer une analyse d'expression génique lente et coûteuse.

• Modèles de fondation en vision

  Un modèle de fondation en vision traite l'image gigapixel de lame entière, première étape de l'axe pathologie.

• Réseaux de neurones sur graphes

  Un réseau de neurones sur graphes s'appuie sur la sortie du modèle de vision pour aboutir à la prédiction de l'expression génique.

• Techniques de modèles de langage adaptées

  Des techniques issues des grands modèles de langage, adaptées à cette tâche et combinées à des méthodes statistiques et probabilistes.

• Viser un calcul et une latence faibles

  Le mémoire visait à maintenir le traitement et la latence aussi bas que possible, une contrainte stricte pour des entrées gigapixel.

Le défi

Le bruit de speckle détruit les détails utiles au diagnostic en IRM. Le premier projet visait à le réduire, en IRM et dans les modalités d'imagerie apparentées.

Le second problème est autant économique que scientifique. Les analyses d'expression génique sont lentes, coûteuses et contraignantes sur le plan logistique, alors que les images de lames entières en pathologie sont rapides et peu coûteuses à obtenir. Ces images atteignent l'échelle du gigapixel, et le mémoire s'est fixé une contrainte stricte de calcul et de latence.

Architecture

Deux axes de recherche. Pour l'IRM, des modèles de débruitage du speckle. Pour la pathologie, un modèle de fondation en vision traite l'image de lame entière et un réseau de neurones sur graphes s'appuie sur sa sortie, tandis que des techniques issues des grands modèles de langage, adaptées à la tâche, alimentent elles aussi la prédiction de l'expression génique. L'approche fait également appel à des méthodes statistiques et probabilistes.

Ce que j’ai construit

Le mémoire cherche à déterminer si des images de lames entières en pathologie peuvent tenir lieu d'analyse d'expression génique. Il vise à retrouver le signal de biologie moléculaire directement à partir d'images gigapixel, tout en maintenant le traitement et la latence aussi bas que possible.

• IRM : réduction du bruit de speckle en IRM et dans les modalités d'imagerie apparentées.

• Pathologie : prédiction de l'expression génique à partir d'images de pathologie numérique, combinant réseaux de neurones sur graphes, modèles de fondation en vision, techniques de LLM adaptées et modélisation statistique.

Résultat

Le mémoire de master a été achevé en septembre 2025 à l'Université de technologie d'Ispahan, et un article qui en est tiré est en préparation. Le projet sur le bruit de speckle en IRM, mené pour une entreprise privée, s'est déroulé de mars 2020 à mars 2021.

Mon rôle

• Recherche sur la réduction du bruit de speckle en IRM et dans les modalités d'imagerie apparentées pour une entreprise privée, de mars 2020 à mars 2021.
• Rédaction d'un mémoire de master à l'Université de technologie d'Ispahan sur la prédiction de l'expression génique à partir d'images de pathologie numérique.
• Combinaison, dans l'approche du mémoire, de réseaux de neurones sur graphes, de modèles de fondation en vision, de techniques de LLM adaptées et de méthodes statistiques.
• Travail sous une contrainte stricte de calcul et de latence dans le cadre du mémoire.

Ingénierie

• Le calcul et la latence comme contraintes

  Le mémoire a été mené sous une contrainte stricte de calcul et de latence, avec l'objectif de maintenir l'un et l'autre aussi bas que possible.

• Conçu pour des entrées gigapixel

  L'axe pathologie travaille directement sur des images gigapixel de lames entières.

• Plusieurs familles de modèles, une seule prédiction

  Des méthodes à base de graphes, de modèles de fondation en vision et de modèles de langage adaptés alimentent une même prédiction de l'expression génique, complétées par des méthodes statistiques.

Résultats

• Mémoire de master achevé en septembre 2025 à l'Université de technologie d'Ispahan ; un article est en préparation.
• Projet de réduction du bruit de speckle en IRM mené à terme pour une entreprise privée, de mars 2020 à mars 2021.
• Mémoire : prédiction de l'expression génique (biologie moléculaire) à partir d'images de pathologie numérique.