Objectif : L’holographie Doppler offre une approche précieuse pour la cardio-oculomique, améliorant potentiellement le suivi des maladies cardiovasculaires systémiques grâce à une angiographie rétinienne non invasive innovante. En combinant l’imagerie rétinienne avec des données cardiovasculaires et l’apprentissage automatique, cette méthode facilite le diagnostic précoce par l’identification de biomarqueurs et la prédiction de risques à partir des dynamiques oculaires. Cette technologie pourrait être essentielle pour la médecine personnalisée, offrant des aperçus détaillés sur le flux sanguin rétinien et choroïdien avec une spécificité et une résolution temporelle nettement supérieures aux méthodes traditionnelles telles que l’OCT et le SLO, et le fond d’oeil couleur. Elle a déjà démontré sa capacité à réaliser des dépistages fiables sur un grand nombre de patients et à générer de vastes ensembles de données. Pour les patients avec ou à risque de troubles cardiovasculaires, la surveillance du flux sanguin oculaire par cette technologie pourrait refléter la santé vasculaire globale et améliorer le suivi. L’objectif est de valider cette approche dans une étude clinique, utilisant une vidéo Doppler holographique en temps réel de moins de trois minutes pour anticiper les maladies cardiovasculaires systémiques, avec potentiel d’intégration en pratique clinique. Cette vidéo sera produite à partir de données d’une caméra streaming à 20 kHz (Ametek Phantom S711).
Missions : L’holographie Doppler, proposant une vidéo-angiographie révolutionnaire du fond d’œil, pourrait révolutionner l’assistance diagnostique pour les maladies cardio-vasculaires systémiques grâce à l’utilisation de modèles d’apprentissage profond et d’inférence statistique. L’exploitation avancée de la segmentation vasculaire et la prédiction de paramètres quantitatifs par régression offrent des perspectives considérables d’innovation et d’intégration dans la classification des pathologies. De plus, l’utilisation exclusive de vidéos d’holographie Doppler en temps réel pour l’entraînement de réseaux neuronaux et la réalisation d’inférences statistiques pour la classification et la gradation des pathologies oculaires et systémiques, représenterait une avancée majeure, évitant de recourir aux estimations de biomarqueurs par des procédures déterministes, rendant le processus diagnostique plus efficace et direct. Le candidat participera au développement de modèles d’intelligence artificielle spécialisés dans pour apprentissage profond et l’inférence statistique, la conception d’un jeu de données annotées, et la programmation du logiciel d’holographie à ultra haut débit en temps réel holovibes utilisé pour les acquisitions de données médicales.
