L'objectif de ce stage sera de spécifier et de mettre en œuvre une infrastructure logicielle générique permettant de recenser et de tester les méthodes de référence de segmentation cellulaire par deep learning disponibles dans la
communauté. Les méthodes identifiées devront permettre de segmenter les différents types cellulaires d’intérêt en neurosciences (neurones, astrocytes, cellules gliales …) à partir de données de tissus cérébraux 2D acquises par microscopie optique en fond clair ou en fluorescence. L’étude automatisée et à grande échelle des populations de cellules et de leurs propriétés géométriques (taille, forme, distribution) fournit des biomarqueurs d’un grand intérêt pour caractériser avec précision les modèles de maladies neurodégénératives et également pour mieux évaluer et valider de nouvelles approches thérapeutiques.

Une étude approfondie des méthodes de l'état de l'art de segmentation sémantique et par instance des cellules sera réalisée dans un premier temps en se concentrant sur les dernières techniques de Deep Learning.
Par la suite, l’organisation d’une base de données 2D de référence sera spécifiée (ontologie des données). Il en découlera la création d’une base de référence (images de microscopie, segmentations de référence) constituée de données issues des projets de l’équipe et de données disponibles identifiées lors de la phase de recherche bibliographique.
En parallèle, une organisation logicielle sera décrite afin de pérenniser les logiciels identifiés et de les partager au sein de l’équipe et du laboratoire. Les solutions envisagées pourraient se baser sur un gestionnaire de paquets de type mamba, pixi, etc. et/ou des logiciels de containerisation (apptainer). Les logiciels seront déployés selon l’infrastructure décrite et utilisés pour évaluer de façon rigoureuse et quantitative leur capacité à réaliser les tâches : 1) de segmentation sémantique (segmentation des pixels en un nombre limité de classes –neurones, astrocytes,
fond, etc.-) et 2) de segmentation d’instances (individualisation des composantes cellulaires des tissus étudiés).

Le ou la candidat(e) aura accès à des ressources computationnelles (station de travail, moyens de calcul intensif CPU/GPU voire cluster de calcul) ainsi qu’à un encadrement expert adaptés au projet.

Le stage aboutira à la mise en place et à l’évaluation quantitative des principales méthodes identifiées au sein de l’infrastructure créée. Cette infrastructure logicielle aura pour vocation à être pérennisée au sein du laboratoire et à être étendue à d’autres technique d’IA ce qui permettra d’avoir une plateforme opérationnelle d’évaluation des méthodes de références ainsi que les toutes dernières de l’état de l’art qui seront intégrées au fur et à mesure. L’adjonction de bases de données ouvrira des perspectives pour faire des comparaisons de méthodes de façon rapide et
efficace.