Système d'imagerie microondes de l'épaule // Shoulder Microwave Imaging System

L'épaule est la partie du corps la plus mobile, dotée de capacités de rotation uniques grâce à un ensemble complexe de muscles et de tendons entourant les os, appelé coiffe des rotateurs. Avec l'âge ou lors d'activités sollicitant particulièrement l'épaule, telles que la natation de haut niveau ou les métiers de manutention, la coiffe des rotateurs peut être endommagée, voire déchirée. La rupture de la coiffe des rotateurs (RCT) est l'une des blessures à l'épaule les plus fréquentes, mais elle peut rester silencieuse jusqu'à ce qu'elle devienne grave et nécessite une intervention chirurgicale.
Les techniques de détection existantes telles que l'imagerie par résonance magnétique (IRM) et la tomodensitométrie (TDM) ne sont pas encore parfaitement opérationnels pour un diagnostic précoce. L'IRM est la modalité d'imagerie standard pour détecter les RCT, mais son utilisation est limitée aux centres d'imagerie et elle n'est pas toujours précise pour représenter la présence et l'étendue des déchirures. La TDM est quant à elle invasive.
Récemment, une nouvelle modalité d'imagerie a été proposée pour cette application : l'imagerie microondes (MWI). D'un point de vue physiologique, la présence de la déchirure se manifeste par une augmentation du liquide synovial et donc par une variation locale de la permittivité diélectrique, ce qui justifie l'utilisation de la MWI. L'étude a été menée numériquement par construction d'un jumeau numérique de l'épaule. Les principaux résultats sont les suivants :
- Le développement d'un système MWI en mode MIMO (Multiple-Input Multiple-Output),
qui tient compte de la difficulté de ne pas pouvoir placer des capteurs tout autour de l'épaule
en raison de la présence du torse.
- La démonstration du MWI pour la détection des ruptures de la coiffe des rotateurs en résolvant un problème inverse par l'évaluation des changements de propriétés diélectriques,
- La démonstration de la détection des déchirures à l'aide d'une classification SVM (Support Vector Machine), directement appliquée aux paramètres S du système MWI sans résoudre le problème inverse.
L'objectif du travail de doctorat est de passer du modèle numérique à la mise en œuvre pratique, comprend : le développement du système, les premiers tests sur un fantôme d'épaule et, si possible, la réalisation d'essais cliniques en collaboration avec l'hôpital de Nice.
Le doctorat sera mené en collaboration entre le LEAT (Laboratoire d'Electronique Antennes et Télécommunications) de l'Université Côte d'Azur et le groupe de recherche Wavision du Politecnico di Torino (PoliTO).
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

The shoulder is the most mobile part of the body with unique rotation capabilities. This is made possible thanks to a complex arrangement of muscles and tendons surrounding the bones called the rotator cuff. As we age, or during activities that place particular demands on the shoulder, such as high-level swimming or manual handling, the rotator cuff can be damaged or even torn. The Rotator cuff tears (RCTs) is one of the most frequent shoulder injuries, but it can remain silent until it becomes severe and requires surgery.
Existing techniques like Magnetic Resonance Imaging (MRI) and Computed Tomography scan (CT-scan) are yet not perfectly well-suited for this early detection. MRI is the standard imaging modality for detecting RCTs but it is limited to use in imaging centers, and it is not always accurate in depicting the presence and extent of the tears and CT is invasive.
Recently, a new imaging modality has been proposed for this application: microwave imaging
(MWI). From a physiological point of view, the presence of the tear is manifested by an increase in synovial fluid and therefore a local variation in dielectric permittivity, which justifies the use of MWI. The study had been conducted numerically while building a digital twin of the shoulder. The main outcomes are :
- The development of an MWI system in MIMO (Multiple-Input Multiple-Output) mode,
which overcomes the difficulty of not being able to place sensors all around the shoulder
due to the presence of the torso..
- The demonstration of MWI for rotator cuff tear detection by solving the inverse problem
and assessing the dielectric properties changes.
- The demonstration of the tear detection with machine learning classification applied
directly on S-parameters of the MWI system without solving the inverse problem.
The objective of the PhD is to move from numerical model to practical implementation, which
includes the system's development, the test first on a shoulder phantom and, if possible, performing clinical trials in collaboration with the hospital in Nice.
The PhD will be carried out in collaboration between the LEAT (Laboratoire d'Electronique Antennes et Télécommunications) at the Université Côte d'Azur and the Wavision ResearchGroup at the Politecnico di Torino (PoliTO).
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2025

Contrat doctoral EDSTIC-UCA

Université Côte d'Azur

84 STIC - Sciences et Technologies de l'Information et de la Communication

— Bonne Compréhension des systèmes MWI, allant des des outils de simulation aux problèmes inverses, — Connaissance en conception d'antennes, plus particulièrement pour l'imagerie biomédicale, — Mise en œuvre de systèmes de classification par apprentissage automatique ou IA, — Expérience dans la vérification pratique et la démonstration de systèmes d'imagerie.
— Thorough understanding of MWI systems from simulations tools to inverse problems, — Understanding antenna design for biomedical imaging, — Implementing machine learning or AI classification schemes, — Experience in practical verification and demonstration of imaging systems.