Description
Date depot: 1 octobre 2020
Titre: Modélisation multimodale de la progression de maladies neurodégénératives
Directeur de thèse:
Stanley DURRLEMAN (ICM)
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Non defini
Resumé:
L'objectif est de développer des méthodes d'apprentissage statistique pour analyser les corrélations entre les altérations des images cérébrales des patients et le déclin de leurs capacités cognitives ou comportementales. Ces corrélations devront prendre en compte le caractère dynamique des altérations, et en particulier le décalage temporel qu'il peut y avoir entre l'altération d'une région cérébrale et l'apparition et l'agravation d'un symptôme.
Enfin, la structure de ces corrélations prendra en compte le profil génétique des patients, de façon à exhiber des profils de progression typiques. L'étudiant évaluera dans quelle mesure la modélisation fine des corrélations entre ces différentes classes de variables permet d'affiner la prédiction de l'état futur du patient.
Pour ce faire, l'étudiant exploitera des bases de données multimodales (génomique, imagerie et clinique) et longitudinales de patients développant des maladies neurodégénératives (Alzheimer ou Parkinson).
Il approdondira les modèles non-linéaires à effets mixtes développés précédemment dans l'équipe pour modéliser la progression de maladies. Il pourra les mobiliser tout en exploitant des outils de la théorie des modèles graphiques gaussiens, ainsi que des méthodes de réduction de dimension et/ou sélection de variables.
Doctorant.e: Sauty De Chalon Benoît