Sofia VARGAS IBARRA soutient sa thèse de doctorat le vendredi 19 septembre 2025 : « Imagerie du thrombus avec l’IA pour la stratification des patients (TAPAS) » (see English version above)

/, Equipe SIAM, Evénements, Recherche, Soutenance de thèse/Sofia VARGAS IBARRA soutient sa thèse de doctorat le vendredi 19 septembre 2025 : « Imagerie du thrombus avec l’IA pour la stratification des patients (TAPAS) » (see English version above)

Sofia VARGAS IBARRA soutient sa thèse de doctorat le vendredi 19 septembre 2025 : « Imagerie du thrombus avec l’IA pour la stratification des patients (TAPAS) » (see English version above)

Sofia VARGAS IBARRA soutient sa thèse de doctorat le vendredi 19 septembre 2025.

TitreImagerie du thrombus avec l’IA pour la stratification des patients (TAPAS)

Résumé

L’AVC est responsable d’environ 6 millions de décès chaque année. Sa prise en charge médicale est coûteuse et prend du temps, car elle repose sur l’interprétation des scanners cérébraux par des experts. Le thrombus, étant un caillot sanguin, provoque une interruption du flux sanguin lors des AVC ischémiques, provoquant des lésions cérébrales. Nous proposons un pipeline complet pour la prise en charge des patients victimes d’AVC. Tout d’abord, nous définissons une normalisation IRM afin d’améliorer la robustesse des segmentations du modèle, notamment pour les nouveaux données prises avec des différents appareils d’imagerie. Grâce à cette technique, nous segmentons la lésion à l’aide de nnUnet et le thrombus grâce à notre architecture proposée (UpAttLLSTM), qui fusionne les modalités informatives du thrombus et de la lésion. Afin de généraliser cette approche à plusieurs appareils, où certaines modalités pourraient être manquantes, nous proposons une suppression progressive des modalités, permettant une segmentation dans plusieurs scénarios, même en l’absence d’une modalité d’image. Enfin, en utilisant l’architecture de segmentation des lésions, qui aboutit à un score Dice d’environ 0,78, et celle du thrombus, qui obtient un score Dice de 0,65 lorsque toutes les modalités sont présentes, nous extrayons des caractéristiques de texture, d’intensité et de forme afin de prédire le succès du traitement. En utilisant toutes les modalités et les masques de segmentation, le succès de la thrombolyse est prédit avec une précision de 76%. Ce pipeline complet fournit des informations utiles aux neurologues et aux médecins non experts pour la prise en charge des patients victimes d’un AVC ischémique et le choix du traitement.

Composition du jury de thèse/Doctoral thesis jury composition

Membre du jury Titre Lieu d’exercice Fonction dans le jury
Jenny BENOIS-PINEAU Professeure des Universités Université de Bordeaux Rapporteure

Jordi SOLE-CASALS

Professeur Université de Vic – Université Centrale de Catalunya Rapporteur
Ana Maria TOME Professeure Université d’Aveiro Examinatrice
Kurosh MADANI Maître de Conférences Université Paris-Est Créteil Examinateur
Hichem MAAREF Professeur des Universités Université Évry Paris-Saclay Invité
Vincent VIGNERON Professeur des Universités Université Évry Paris-Saclay Directeur de thèse
Sonia GARCIA SALICETTI Professeure Télécom SudParis Co-encadrante
Nicolas CHAUSSON Maître de conférences des Universités-Praticien Hospitalier Centre Hospitalier Sud Francilien Co-encadrant

Sofia VARGAS IBARRA will defend her doctoral dissertation on Friday, September 19, 2025.

Title: Thrombus imaging with AI for patients stratification (TAPAS)

Abstract:

Stroke causes around 6 millions of deaths yearly. Its medical care is expensive and time-consuming, as it relies on the brain scan interpretation done by experts. The thrombus, being a blood clot, causes the blood flow interruption in the ischemic strokes, provoking brain damage (lesion). We propose a full pipeline for the patient care suffering from strokes. First, we define an MRI normalisation to improve the robustness of the model segmentations, specially for new datasets with different imaging machines. Using it, we segment the lesion using nnUnet and the thrombus using our proposed architecture (UpAttLLSTM), which merges the thrombus and lesion informative modalities. To be generalizable over several machines, where some modalities might be missing, we propose gradual modality dropout, which is able to segment in several scenarios, even when one image modality is missing. Finally, using the lesion segmentation architecture, which results in a Dice score around 0.78 and the thrombus one, which gets a Dice of 0.65 when all modalities are present, we extract texture, intensity and shape-based features to predict the success of the treatment. Using all modalities and the segmentation masks, the thrombolysis success is predicted with an accuracy of 76%. This full pipeline provides useful information for neurologists or non-expert doctors for patient care and choice of treatment for ischemic stroke patients.
  • Date: vendredi 19/09/2025
  • Doctorante: Sofia VARGAS IBARRA, IBISC, équipe SIAM
  • Direction de thèse: Vincent VIGNERON (PR Univ. Évry, IBISC équipe SIAM), directeur de thèse; Sonia Garcia Salicetti (Professeure à Télécom SudParis), co-encadrante de thèse, Nicolas CHAUSSON (MCPH Centre Hospitalier Sud Francilien), co-encadrant de thèse.
WP to LinkedIn Auto Publish Powered By : XYZScripts.com