Where PhDs and companies meet
Menu
Login

Jumeau numérique du pelvis pour la radiothérapie guidée par IRM

ABG-131880 Thesis topic
2025-05-13 Public funding alone (i.e. government, region, European, international organization research grant)
Logo de
LTSI – INSERM 1099, Université de Rennes
- Bretagne - France
Jumeau numérique du pelvis pour la radiothérapie guidée par IRM
  • Engineering sciences
  • Digital
  • Data science (storage, security, measurement, analysis)
Imagerie médicale, Modélisation, Traitement d'images, Radiothérapie

Topic description

La radiothérapie adaptative est une approche innovante en oncologie visant à optimiser le plan de traitement en fonction des variations anatomiques et physiologiques du patient au cours du traitement qui est délivré en une série de séances. Les cancers du pelvis (prostate, col de l'utérus) posent des défis spécifiques en raison des mouvements internes (causés notamment par le remplissage de la vessie ou du rectum). La prise en compte de ces variations est essentielle pour améliorer la précision du traitement, réduire la toxicité et améliorer les résultats cliniques.

L’objectif de cette thèse est de développer un modèle biomécanique, sous la forme d’un jumeau numérique, permettant de prédire les déformations anatomiques du pelvis pendant le traitement de radiothérapie. Ce modèle sera utilisé pour anticiper les déformations et les adaptations possibles du traitement, en optimisant la distribution de dose et en réduisant les marges de sécurité, afin de mieux protéger les tissus sains.

Le modèle développé reposera sur une modélisation par éléments finis, personnalisée à partir d’images scanner et IRM. La simulation des déformations sera réalisée de façon à générer des anatomies telles qu’observées rétrospectivement sur les images de suivi (CBCT et/ou IRM). L’accent sera porté sur le déploiement du jumeau numérique pour de nouveaux patients, avec la simulation des configurations les plus probables dans des temps de calcul compatibles avec la clinique.

Cette thèse se déroulera, dans le cadre d’un projet ANR, dans un contexte hautement pluridisciplinaire, entre le Laboratoire Traitement du Signal (INSERM U1099, Université de Rennes) et le Centre de Lutte Contre le Cancer Eugène Marquis, en collaboration avec la société Ansys. Il exploitera notamment le nouveau système IRM-linac installé au Centre Eugène Marquis. Le financement de ce projet de thèse est acquis.

Cette thèse représente une opportunité de travailler à l'interface entre la modélisation numérique, l’oncologie et la radiothérapie de précision, avec un fort potentiel de transfert clinique.

Starting date

2025-10-01

Funding category

Public funding alone (i.e. government, region, European, international organization research grant)

Funding further details

Obtenu

Presentation of host institution and host laboratory

LTSI – INSERM 1099, Université de Rennes

Equipe IMPACT : https://ltsi.univ-rennes.fr/IMPACT_home

Les recherches du LTSI sont à l’interface des disciplines relevant des domaines des sciences et technologies de l’information et de la santé. Leurs visées sont à la fois méthodologiques, technologiques et cliniques et leurs finalités sont l’interprétation et l’aide à la décision. Elles s’articulent autour du noyau ‘signal-modèle-image’, ces trois composantes apportant une plus value essentielle.

L’équipe IMPACT est axée sur l’aide à la décision par l’image et la modélisation pour la planification et l'assistance chirurgicale et thérapeutique specifique-patient sur tissus mous.

PhD title

Signal, Image, Vision

Country where you obtained your PhD

France

Institution awarding doctoral degree

Université de Rennes

Graduate school

Mathématiques et Sciences et Technologies de l'Information et de la communication (MATHSTIC)

Candidate's profile

Profil recherché :

  • Master 2 ou Ingénieur (5ième année)
  • Connaissances en modélisation par éléments finis (FEM) et simulation numérique
  • Programmation (Python, C++)
  • Connaissances en imagerie médicale (IRM, TDM) et traitement d’images
  • Intérêt pour la recherche en technologies pour la santé
2025-06-13
Partager via
Apply
Close

Vous avez déjà un compte ?

Nouvel utilisateur ?