Bolsa de PD em Análise de Imagem

Post-doctoral Fellowship in Image Analysis

• Resumo Summary

  Área de imagens médicas requer o desenvolvimento de métodos para melhorar a precisão nos resultados da análise de imagens. Os avanços na análise de imagens médicas fornecem essas ferramentas, mas ainda há uma lacuna importante em relação à imagem cerebral pediátrica, embora haja uma demanda médica crescente. Este projeto visa contribuir para o preenchimento dessa lacuna, enfocando a ressonância magnética (RM) cerebral de lactentes, recém-nascidos e bebês prematuros, que levantam questões específicas devido ao particular contraste entre substância cinzenta e branca relacionada ao processo de mielinização fisiológica, à veloz (embora não contínua) evolução observada das estruturas cerebrais e possíveis patologias, e à alta variabilidade intra e inter-sujeitos.

  Uma dessas questões é que os dados costumam ser ruidosos, ambíguos, escassos por natureza e esparsos no tempo. Por sua vez, o conhecimento médico especializado está disponível, mas é propenso a mudanças e evoluções. Desse ponto de vista, o projeto aborda uma das questões de vanguarda na análise de dados, ou seja, como extrair e compreender padrões significativos em que os dados são escassos, mas o conhecimento especializado, continuamente enriquecido, está disponível. Propomos desenvolver representações estruturais de informação de conhecimento e imagem na forma de grafos e hipergrafos, os quais serão explorados para guiar a compreensão da imagem espaço-temporal (segmentação, reconhecimento, quantificação, comparação ao longo do tempo, descrição do conteúdo da imagem e evolução).

  O objetivo é desenvolver métodos computacionais para apoiar o diagnóstico, a análise patológica e o acompanhamento dos pacientes. As aplicações incluirão a análise de hiperintensidades na matéria branca, a volumetria do corpo caloso e sua evolução, e a neuro-oncologia com o estudo da influência dos tumores nas estruturas circundantes ao longo do tempo.

  Sobre a instituição

  A Universidade de São Paulo é a melhor universidade da América Latina, sendo considerada uma das instituições de ensino mais prestigiadas do país. O Grupo de Ciência de Dados do IME-USP é um grupo de pesquisa que trabalha com aprendizado de máquina há mais de 20 anos com forte colaboração internacional.

  Sobre o projeto

  O candidato trabalhará em dois projetos conectados co-financiados pela FAPESP (Fundação de Amparo à Pesquisa do Estado de São Paulo) e ANR (Agência Nacional de Pesquisa - França). O projeto conjunto FAPESP-ANR é uma colaboração que inclui as seguintes instituições: USP (Instituto de Matemática e Estatística e Faculdade de Medicina), Hospital Albert Einstein - SP, ParisTech, Universite Dauphine e Faculté de Médicine Paris-Sud. O projeto se concentra no desenvolvimento de ferramentas computacionais para processamento de imagens de ressonância magnética e sua integração com dados biológicos. O projeto envolve especialistas em análise de imagens médicas, representação de conhecimento estrutural e neuroimagem pediátrica.

  O candidato selecionado será financiado por uma bolsa da FAPESP com uma das seguintes condições: financiamento inicial de 2 anos (possivelmente prorrogado até 4 anos com base no desempenho), bolsa de estudo de R$ 90.000 por ano (aprox. US$ 24.000 / ano) mais despesas gerais de viagem, como participar de conferências. Mais informações estão disponíveis em http://www.fapesp.br/270. O subsídio também pode cobrir as despesas de mudança para São Paulo / Brasil (incluindo passagens aéreas). O candidato também pode candidatar-se a um período extra (de 4 meses a 1 ano) para fazer parte da pesquisa na ParisTech, Université Dauphine ou Faculté de Médicine Paris-Sud (bolsa FAPESP BEPE) como parte da bolsa (não incluída nas citadas acima). 4 anos).

  Habilidades necessárias

  Doutorado com sólida formação em modelagem matemática e programação (por exemplo, Ciência da Computação, Engenharia, Física, Matemática). Experiência de pesquisa e publicações em uma ou mais das seguintes áreas: processamento de imagens, visão computacional, reconhecimento de padrões, aprendizado de máquina, Habilidades de comunicação oral e escrita (inglês).

  Detalhes da aplicação

  Por favor, envie os seguintes documentos para rmcesar@usp.br:

  - CV;
  - Resumo da tese de doutorado e outros trabalhos relevantes;
  - Duas cartas de recomendação de ex-supervisores ou professores de cursos que você fez.

  Medical imaging require the development of methods to improve accuracy in the image analysis results. Advances in medical image analysis provide such tools, but there is still an important gap regarding paediatric brain imaging, even though there is an increasing medical demand. This project aims at contributing to fill this gap, focusing on brain magnetic resonance imaging (MRI) of infants, newborns and premature babies, which raise specific issues due to the particular grey/white matter contrast related to the physiological myelination process, the very fast but not continuously observed evolution of the brain structures and possible pathologies, and the high intra-and intersubjects variability.

  One of these issues is that the data is typically noisy, ambiguous, scarce in nature and sparse in time. In turn, expert medical knowledge is available, but is prone to change and evolution. From this point of view the project tackles one of the very cutting edge questions in data analysis, i.e. how to extract and understand meaningful patterns where the data is scarce but expert knowledge, continuously enriched, is available. We propose to develop structural representations of knowledge and image information in the form of graphs and hypergraphs, which will be exploited to guide spatio-temporal image understanding (segmentation, recognition, quantification, comparison over time, description of image content and evolution).

  The aim is to develop computational methods to support diagnosis, pathology analysis and patients’ follow-up. Applications will include the analysis of hyperintensities on the white matter, the volumetry of corpus callosum and its evolution, and neuro-oncology with the study of the influence of tumors on surrounding structures over time.

  About the institution

  The University of São Paulo is the best ranked University in Latin America, being considered one of country's more prestigious educational institutions. The Data Science Group at IME-USP is a traditional machine learning research working on the field for more than 20 years with strong international collaboration.

  About the project

  The candidate will work on two connected projects co-funded by FAPESP (São Paulo Research Foundation) and ANR (Agence Nationale de Recherche - France). The FAPESP-ANR joint project is a collaboration that includes the following Institutions: USP (Institute of Mathematics and Statistics and School of Medicine), Albert Einstein Hospital - SP, ParisTech, Université Dauphine and Faculté de Médicine Paris-Sud. The project focuses in the development of computational tools for processing of MRI images and their integration with biological data. The project involves specialists in medical image analysis, structural knowledge representation and paediatric neuroimaging.

  The selected candidate will be funded by a FAPESP fellowship with the one of the following conditions: Initial funding of 2 years (being possibly extended up to 4 years based on performance), fellowship BRL 90K per year (approx. USD 24K / year) plus overhead for travel expenses such as attending to conferences. More information is available at http://www.fapesp.br/en/5427. The grant may also cover expenses for moving to São Paulo/Brazil (including flight tickets).

  The candidate may also apply for an extra period (4 months to 1 year) to do part of the research at the ParisTech, Université Dauphine or Faculté de Médicine Paris-Sud (FAPESP BEPE fellowship) as part of the grant (not included in the aforementioned 4 years).

  Required Skills

  PhD degree with strong background in mathematical modelling and programming (e.g. Computer Science, Engineering, Physics, Math). Research experience and publications in one or more of the following areas: image processing, computer vision, pattern recognition, machine learning, Oral and written communication skills (English).

  Application details

  Please send the following documents to rmcesar@usp.br:

  - CV;
  - Summary of doctoral thesis and other relevant works;
  - Two recommendation letters from former supervisors or professors of courses you took.