CENTRALE LYON - Doctorant BIOMECANIQUE et INTELLIGENCE ARTIFICIELLE (IA)

Contexte de recherche _____________________________________________
Présentation de l’Ecole / du département / du laboratoire

Créée en 1857, l’École Centrale de Lyon figure parmi le top 10 des écoles d'ingénieurs en France. Elle forme plus de 3 000 élèves de 50 nationalités différentes sur ses campus d'Écully et de Saint-Étienne (ENISE, école interne) : ingénieurs généralistes, ingénieurs de spécialités, masters et doctorants. Avec le Groupe des Écoles Centrale, elle dispose de 3 implantations à l’international. La formation dispensée bénéficie de l’excellence de la recherche des 6 laboratoires labellisés CNRS présents sur ses campus, des 2 laboratoires à l’international, des 6 réseaux de recherche internationaux et des 10 laboratoires communs avec des entreprises. Sa recherche d’excellence et son enseignement de très haut niveau lui permettent de nouer des accords de doubles diplômes avec des universités prestigieuses et des partenariats de pointe avec de nombreuses entreprises. Autour des thématiques de sobriété, d’énergie, d’environnement et de décarbonation, Centrale Lyon entend répondre aux problématiques des acteurs socio-économiques sur les grandes transitions.

Le LTDS est un laboratoire de recherche français, dont l’activité est centrée sur l’ingénierie et couvre un large spectre, allant de la tribologie, la dynamique des structures, la bio-ingénierie et la perception, les matériaux, les procédés, jusqu’au génie civil. Il travaille à toutes les échelles, de l’atome au kilomètre, mais aussi sur les aspects de couplages multi-physiques présents dans les domaines de l’aéroélasticité, la vibro-acoustique, la tribochimie. Cette richesse scientifique trouve sa cohérence à travers un dénominateur commun qu’est l’interface.

Le laboratoire est aujourd’hui sous la tutelle du CNRS, de l’École Centrale de Lyon et de l’ENTPE, et il est également implanté au sein de l’École Nationale d’Ingénieurs de Saint-Étienne.

Grâce à la technicité de ses équipements et fort de ses plus de 300 chercheurs et collaborateurs, le LTDS est considéré de premier rang mondial pour les sciences de l’ingénieur.

Présentation de la ou les thématiques :

Un anévrisme intracrânien correspond à une anomalie anatomique résultant d’une déformation structurale et résiduelle de la paroi d’une artère cérébrale. On estime qu’entre 2 et 5% de la population de la population mondiale possède un anévrisme cérébral. Le risque annuel de rupture de ce dernier varie entre 1 et 4% dans la population porteuse de la pathologie, soit entre 7-11/100000, ce qui en fait un problème de santé publique majeur. Les anévrismes intracrâniens sont généralement découverts lors de leur rupture, ce qui entraîne, dans un cas sur quatre environ, le décès du patient avant même son arrivée à l’hôpital. Pour les patients pris en charge suffisamment rapidement, environ la moitié d’entre eux décède dans le mois qui suit leur hospitalisation et un patient sur trois qui survit présentera des troubles neurologiques conséquents. Il existe également des cas où l’anévrisme est découvert de façon fortuite au cours d’un examen d’imagerie cérébral. Le praticien doit alors, à partir des images anatomiques, évaluer et prédire le risque de rupture potentielle de l’anévrisme avant de décider du traitement le mieux adapté (neurochirurgie, traitement endovasculaire, ou approche conservative). La décision d’intervention, ou de non intervention (approche conservative), est basée sur des critères de morphologie (taille, forme...), de localisation de l’anévrisme, mais aussi sur des facteurs épidémiologiques, comme l’hypertension artérielle, la consommation d’alcool et de tabac du patient. Si ces informations permettent de dresser un premier bilan sur le risque de rupture potentielle de l’anévrisme, elles ne fournissent aucun renseignement sur la qualité biomécanique de sa paroi, qui reste pourtant le paramètre prépondérant en termes de probabilité de rupture.

La connaissance de ces informations biomécaniques concernant la vulnérabilité des anévrismes intracrâniens serait une aide au diagnostic précieuse pour le praticien et permettrait au patient de bénéficier de la meilleure prise en charge en lien avec l’état de maturation de sa pathologie.

Description de la ou les missions / les activités

Ce travail de thèse a pour vocation de proposer, à partir a) d’images issues de d’expérimentations animales et b) d’images réalisées sur des fantômes d’anévrismes cérébraux, une première version d’un modèle prédictif du comportement mécanique de la paroi vasculaire cérébrale. Plus précisément, l’objectif est de proposer un outil-modèle, basé sur l’apprentissage machine, qui produit pour le praticien l’information quantitative sur l’état de dégradation du tissu vasculaire de son patient uniquement à partir d’une image anatomique.

Le travail de thèse s’articulera autour des axes suivants :

● Constitution de la base de données dédiées aux modèles descriptif et prédictif : Inventaire, préparation

Les outils/modèles visées dans cette partie sont dirigés par les données (Data Driven) dont la préparation ne peut être pas entièrement automatisée. Ce travail vise alors à préparer les données de manière à rendre les informations qu'elles contiennent plus accessibles et assurer qu’elles décrivent chaque problème posé avec l’ensemble de ses variabilités ; la préparation garantit aussi le respect des contraintes dans la composition des partitions/jeux d’entrainement, de validation et de test.

● Modèles descriptifs des données

Les modèles descriptifs qui seront proposés dans cette partie permettront d'organiser, de simplifier et d'aider à comprendre l'information sous-jacente des ensembles de données récoltées et organisées au premier point. Il s’agit de l’apprentissage non supervisé. Ces modèles permettront de travailler sur l’ensemble de données, organisées en instances de variables, dans lequel aucune des variables explicatives (des cas ou type de cas par exemple) n'a d'importance particulière par rapport aux autres.

Les modèles proposés permettront : a) de dégager d'un ensemble de cas, des groupes homogènes en typologie, pour construire des normes de comportements et donc des déviations par rapport à ces normes telles que la détection d’anomalies nouvelles, b) de réaliser de la compression d'informations, c) de dégager la corrélation entre les données/variables et d) de dégager les données/variables discriminantes en corrélation avec les cas d’anomalies.

● Modèle prédictif

Les modèles prédictifs proposés dans cette troisième partie visent à prédire le phénomène observable, évolution d’anévrisme, décrite effectivement par les modèles biomécaniques et à partir des images.

Concrètement, une ou plusieurs variables, définies à partir des caractéristiques extraites des images et des données biomécaniques, seront comme étant les plus discriminantes dans l'évaluation de la probabilité pour une évolution particulière de l’état d’anévrisme.

Deux catégories d’opération seront envisagées : la discrimination ou classification, et la régression ou prédiction, en fonction du type de variable à expliquer.

Enfin, la catégorie de modèle asymétrique sera explorée. Dans cette catégorie, nous disposons des données de modalités différentes respectivement dans la base et au moment de test (classification/régression). Dans ce cas, nous supposerons qu’une image est fournie au moment du test, l’étape en ligne, et que les données biomécaniques associées par corrélation établie en amont, l’étape en hors ligne ou différé, constituent la base.

Ce travail s’inscrit dans un cadre collaboratif pluridisciplinaire déjà établi entre l’ECL et les HCL. Il sera valorisé par le biais d’au moins une communication orale en conférence internationale par l’étudiant, ainsi que - pendant la durée de la thèse - par une, voire deux, soumissions de publications dans des revues de rang A par objectif identifié.

Le ou la doctorant(e) recruté(e) travaillera en lien avec le LIRIS et le LTDS sur le site de l’École Centrale de Lyon.

Profil recherché / Compétences attendues________________________________

Diplômes : M2 Biomécanique/IA

Expérience : stage de M2 dans le domaine d’activité de la thèse

Connaissances requises : Traitement du signal, bases de données, machine learning, mécanique

Compétences opérationnelles :

Compétences comportementales :

Contexte de travail / Environnement de travail_______________________________

35h/semaine (horaires, déplacements, matériels utilisés...)

Processus de recrutement_______________________________

Le processus de recrutement se déroule en deux étapes, supervisé par une commission de recrutement, en conformité avec la politique OTMR de Centrale Lyon.

·         Étude du dossier écrit : CV + lettre de motivation et autres documents requis

·         Entretien de sélection : en présentiel ou en visioconférence

Calendrier du recrutement :  début souhaité de la thèse octobre 2025

Critères de sélection : avoir fait un M2 dans le domaine