Imagerie fonctionnelle, Moléculaire, et Traitement des images médicales

Domaines d'expertise

Traitement et Analyse d’image, imagerie préclinique

Axes de recherche

L’équipe IFTIM a pour objectif de couvrir deux domaines essentiels en imagerie clinique :

•  le déploiement de nouveaux traceurs d’imagerie en préclinique puis en clinique associé au développement de nouvelles applications
•  le traitement et l’analyse d’images.

Cette multidisciplinarité est atteinte grâce à une équipe constituée d’hospitalo-universitaires impliqués dans la recherche appliquée en imagerie médicale, de biologistes et physiciens impliqués dans la recherche fondamentale et appliquée en imagerie médicale et d’informaticiens spécialisés dans le traitement et l’analyse d’images médicales. L’équipe bénéficie d’un environnement très favorable pour le développement de projets de recherche, avec notamment les deux établissements publics de santé de la métropole Dijonnaise (CHU et CGFL), disposant ainsi d’un plateau d’imagerie très complet et d’une plateforme d’imagerie préclinique unique en France.

Exemples de Réalisations

• Projet ANR ACCECIT :

Late gadolinium enhancement (LGE) imaging has been widely used for detection and assessment of myocardial scar and presence of fibrosis in cardiac magnetic resonance imaging (MRI). LGE is a gold standard for the quantification of focal myocardial fibrosis, but in some cardiomyopathies the fibrotic process is often diffuse. To overcome this problem, T1 mapping techniques have been developed to quantify diffuse myocardial fibrosis and to characterize tissues. The aim of this project is to combine automatically information from LGE and T1 mapping images by developing a Bayesian deep learning method to automatically detect area of fibrosis and to automatically classify the different pathologies and identify normal cases.

• Projet ANR ADVANCES  : 

Myocardial infarction (MI) is an important cause of death worldwide. One crucial parameter to evaluate the state of the heart after MI is the viability of the myocardial segment, i.e. if the segment can recover functionally upon revascularization. MRI acquired several minutes after injection of a contrast agent (DE-MRI) is a method of choice to evaluate the extent of MI, and by extension, to assess viable tissues after injury. ADVANCES aims at automatically detecting the different relevant areas using deep learning approaches from a series of short-axis DE-MRI covering the left ventricle and then to make a quantification of the MI. The developped tool will be included in a dedicated and certified softwareavailable for the medical community.