Simulation of cardiac ultrasound images
Simulation d’images d’échographies cardiaques
** English below**
Les procédures en cardiologie interventionnelle permettent de traiter une variété de pathologies mettant en danger la vie du patient, telles que celles touchant les valves cardiaques. Ces procédures sont généralement réalisées avec une combinaison de rayons X en temps réel (fluoroscopie) et d'échographie transoesophagienne (ETO). L'ETO offre des images échographiques de haute qualité du cœur grâce à une sonde insérée dans l'œsophage du patient. Afin d’entraîner des modèles d’apprentissage profond permettant de guider la sonde d’échographie, la première étape est de générer des images simulées d’échographie transoeosophagienne qui représentent de façon réalistes les structures cardiaques tout en fournissant des informations de référence sur l’anatomie représentée (segmentation) et la position de la sonde simulée. Cette simulation exploitera typiquement des images 3D scanner. Cette offre de stage porte sur cette tâche, à travers l’utilisation d’un outil développé au LTSI [1,2] et sa comparaison aux méthodes de la littérature.
Tâches :
- état de l’art sur la simulation d’images échographiques
- prise en main de l’approche développée par le LTSI [1, 2]
- comparaison à des méthodes d’apprentissage profond
Profil recherché :
- Master 2 ou Ingénieur (5ième année) en cours
- Programmation (Python, C++)
- Connaissances en traitement d’images
- Une expérience avec un framework d’apprentissage profond sera valorisée (Torch, Tensorflow, …)
- Intérêt pour la recherche en technologies pour la santé
Commencement prévu : début 2026
Contact : Antoine SIMON (antoine.simon@univ-rennes.fr), Jean-Louis DILLENSEGER (jean-louis.dillenseger@univ-rennes.fr)
Laboratoire : Laboratoire Traitement du Signal et de l'Image (LTSI), Université de Rennes, Campus de Beaulieu. Bât 22, 35042 Cedex - Rennes - FRANCE.
[1] J.-L. Dillenseger et al. “Fast simulation of ultrasound images from a CT volume”. In: Computers in biology and medicine, 39.2 (2009), pp. 180–186.
[2] B. Dahman et al. “Ultrasound to CT rigid image registration using CNN for the HIFU treatment of heart arrhythmias”. In: Medical Imaging 2022: Image-Guided Procedures, Robotic Interventions, and Modeling. Vol. 12034. SPIE. 2022, pp. 246–252.
M2 / Engineering Internship Offer
Simulation of Cardiac Ultrasound Images
Interventional cardiology procedures enable the treatment of a wide range of life-threatening conditions, including heart valve diseases. These procedures are generally performed using a combination of real-time X-ray imaging (fluoroscopy) and transesophageal echocardiography (TEE). TEE provides high-quality ultrasound images of the heart using a probe inserted into the patient’s esophagus. To train deep learning models for ultrasound probe guidance, the first step is to generate simulated transesophageal echocardiography images that realistically represent cardiac structures while providing ground-truth information about the anatomy depicted (segmentation) and the position of the simulated probe. This simulation will typically rely on 3D CT images. This internship focuses on this task, using a tool developed at LTSI [1,2] and comparing it with methods from the literature.Tasks
- Literature review on cardiac ultrasound image simulation
- Implementation and evaluation of the approach developed at LTSI [1, 2]
- Comparison with deep learning-based methods
Candidate profile
- Ongoing master's degree (M2) or 5th-year engineering student
- Programming skills (Python, C++)
- Knowledge in image processing
- Experience with a deep learning framework (e.g., PyTorch, TensorFlow) would be an asset
- Strong interest in research in healthcare technologies
Expected start: early 2026
Contact: Antoine SIMON (antoine.simon@univ-rennes.fr)
[1] J.-L. Dillenseger et al. “Fast simulation of ultrasound images from a CT volume”. In: Computers in biology and medicine, 39.2 (2009), pp. 180–186.
[2] B. Dahman et al. “Ultrasound to CT rigid image registration using CNN for the HIFU treatment of heart arrhythmias”. In: Medical Imaging 2022: Image-Guided Procedures, Robotic Interventions, and Modeling. Vol. 12034. SPIE. 2022, pp. 246–252.