Apport des réseaux de neurones et de la simulation pour cartographier les protéines cérébrales en
Imagerie par Résonance Magnétique (IRM

Année universitaire 2025-26 : 2ème semestre – Durée 6 mois

CONTEXTE DU STAGE

Pour l’optimisation de l’acquisition et du traitement des images par Imagerie par Résonance Magnétique (IRM),
les outils de simulation et d’intelligence artificielle (IA) sont très utilisés pour générer des
catalogues/dictionnaires exhaustifs de signaux et d’images. Cette étape préalable à l’acquisition sur sujets
sains ou patients est nécessaire pour réduire la quantité de données réelles enregistrées (gain en temps sur
la plateforme d’imagerie, confort du patient, gain en temps d’analyse).
Les maladies neurologiques représentent aujourd'hui la principale cause d'invalidité et la deuxième cause de
décès dans le monde. Parmi elles, la maladie de Parkinson (MP) montre une très forte augmentation des cas
ces dernières années. La MP altère certaines zones du cortex et certaines régions plus profondes, et entraîne
des symptômes moteurs, mais aussi des symptômes non moteurs (sensoriels, émotionnels et cognitifs).
Le processus neurodégénératif de la maladie de Parkinson (MP) débute au moins vingt ans avant l'apparition
des premiers signes moteurs [1,2]. Au cours de cette phase plusieurs mécanismes physiopathologiques ont
été mis en évidence comme la formation d’agrégats de protéines dans les tissus cérébraux, ce qui affecte la
connectivité cérébrale [3]. La progression du processus neurodégénératif de la MP reste aujourd’hui difficile à
prévoir et le clinicien a besoin de marqueurs d’imagerie pour prédire l’évolution de la maladie, mais aussi
pour améliorer son diagnostic précoce.
Les méthodes d’IRM-CEST pour Chemical Exchange Saturation Transfer permettent de caractériser de
façon quantitative les proportions de différentes protéines présentes en faibles quantités dans un milieu. Elles
sont basées sur le principe général du transfert d’aimantation en IRM et exploitent les échanges chimiques
existants entre les différentes populations de protons [4]. Cependant, les principales métriques extraites des
images CEST classiques ne permettent pas directement de différencier les effets de paramètres importants
comme i) la quantité des protéines ou ii) la conformation/agrégation de la protéine.

OBJECTIFS DU STAGE

Les méthodes de Magnetic Resonance Fingerprint (MRF) [5] permettent de mieux caractériser les tissus
biologiques, en générant des cartographies indépendantes pour les différentes propriétés tissulaires.
Appliqués à l’IRM-CEST, les principes de la MRF peuvent donner accès à des cartographies indépendantes
pour les paramètres importants comme la quantité de protéine ou sa conformation. Ces cartographies
pourraient constituer des marqueurs quantitatifs de la MP, utiles pour le diagnostic et pour le traitement.
Les méthodes de CEST-MRF consistent à identifier ces paramètres en suivant plusieurs étapes :
• Génération d’un dictionnaire d’images IRM-CEST en faisant varier finement les paramètres du tissu et les
paramètres d’acquisition (de façon pseudo-aléatoire ou optimisée), et en utilisant un simulateur basé sur
les équations de Bloch-McConnell [6]
• Acquisition des images CEST à analyser (in vitro, préclinique, clinique) : faite en lien avec un autre stagiaire
M2 qui fera les acquisitions d’images.
• Comparaison des images acquises avec les images du dictionnaire grâce à l’utilisation d’un ensemble de
réseaux de neurones interconnectés entre eux [7]. La phase d’apprentissage des réseaux de neurones
sera faite grâce aux images du dictionnaire pour lesquelles l’ensemble des paramètres est connu.
• Application : génération des cartographies quantitatives des paramètres d’intérêt dans le cadre de l’étude
de la protéine alpha-synucléine (concentration, taux d’échanges, forme).
Dans le cadre du stage, ces différentes étapes seront mises en œuvre sur des fantômes physiques (tubes
contenant des quantités variables de protéine), dans l’IRM en suivant le protocole détaillé proposé dans [8].
Les acquisitions d’images seront réalisées par un autre stagiaire en lien avec les encadrantes.

OUTILS

• Génération du dictionnaire (Bloch-McConnell-based signal simulator) à partir du CEST-MRF package
(open-py-cest-mrf) [6].
• Protocole d’acquisition complet défini dans [8]

COMPETENCES

• Un master en physique, simulation/modélisation, informatique ou intelligence artificielle.
• Fortes compétences en programmation (Python, C++, ..)
• Une expérience en machine learning (Pytorch), en IRM et/ou en traitement d’images/signaux sera un plus.

REFERENCES

[1] L.V. Kalia et al. (2015) Lancet. 386:896-912
[2] P. Mahlknecht et al. (2015) J Park Dis. 5:681-97
[3] D.M Wilson et al. (2023) Cell. 186:693-714
[4] J. Zhou et al. (2019) J Magn Reson Imaging. 50:347-64
[5] D. Ma et al. (2013) Magnetic resonance fingerprinting. Nature 495, 187–192
[6] GitHub - momentum-laboratory/molecular-mrf
[7] H. Shmuely et al. (2025), Quantitative multi-metabolite imaging of Parkinson’s disease using AI
boosted molecular MRI, preprint. DOI : 10.48550/arXiv.2507.11329
[8] N. Vladimirov et al. (2025) Nature Protocols. 20:3024-3054

LABORATOIRE / ÉQUIPE D’ACCUEIL

Laboratoire Traitement du Signal et de l’Image (LTSI)
UMR INSERM 1099 - Université de Rennes
Équipe CINETYKS

RESPONSABLE DU LABORATOIRE

Mireille GARREAU (PR Univ. Rennes)

RESPONSABLES DE L’ÉQUIPE D’ACCUEIL

Laurent ALBERA (PR Univ. Rennes) / Fabrice WENDLING (DR Inserm)

LIEU DU STAGE

Université de Rennes – LTSI
Campus Villejean - Bât. 5 / Campus Beaulieu - Bât. 22

ENCADRANTES DU STAGE

Fanny NOURY (MC Univ. Rennes)
Johanne BEZY-WENDLING (MC Univ. Rennes)

CONTACTS

Fanny NOURY Johanne BEZY-WENDLING
Tél : 02 23 23 48 83 Tél : 02 23 23 62 20
Courriel : fanny.noury@univ-rennes.fr Courriel : johanne.bezy@univ-rennes.fr