Fiche de Dandana Nasser

Intelligence artificielle appliquée aux images médicales

Formation

• Doctorant en Informatique et Intelligence Artificielle (depuis juillet 2025)
  Sujet de thèse : Transformation, segmentation et visualisation tridimensionnelle d’images de biopsies rénales acquises par tomographie de cohérence optique

• Ingénieur informatique spécialité Ingénierie Logicielle et Intelligence Artificielle – Polytech Dijon (2019 – 2024)

Expériences professionnelles

• Ingénieur d’études – LEAD (août – octobre 2024)
  Utilisation d’algorithmes de classification de machine learning pour prédire la réussite ou l’échec des étudiants de L1 à l’Université de Bourgogne Europe
• Stage de fin d’études – ARMSL / LEAD (février – juillet 2024)
  Génération d’images histopathologies avec des réseaux de neurones à partir de données du rein issues de la D-FF-OCT
• Assistant de recherche – Université de Floride (mai – août 2023)

Transformation, segmentation et visualisation tridimensionnelle d’images de biopsies rénales acquises par tomographie de cohérence optique

Les maladies rénales chroniques sont habituellement considérées comme l’une des principales causes de mortalité à travers le monde. Leur diagnostic repose sur l’analyse microscopique des anomalies de la structure du rein après biopsie rénale, appelée analyse histopathologique, permettant alors la sélection du traitement le plus adapté à la pathologie identifiée. Cependant, dans sa version conventionnelle, cette analyse microscopique du tissu rénal nécessite plusieurs étapes de colorations et traitements susceptibles de retarder – jusqu’à quelques jours – le rendu diagnostique, et l’initiation du bon traitement.
Ainsi, l’ARMSL a récemment participé au lancement d’un projet de recherche clinique visant à l’utilisation d’une nouvelle technique d’imagerie appelée D-FF-OCT – conjointement déployée au Centre Hospitalier Universitaire (CHU) Dijon Bourgogne, au centre Hospitalier William Morey (Chalon-sur-Saône) et au Centre Hospitalier de Mâcon – pour l’analyse ultra-rapide des biopsies rénales, permettant ainsi l’enregistrement des premières images de biopsies en moins d’une heure, cela pour les patients transplantés et non transplantés du rein.
Poursuivant maintenant l’objectif de faciliter le travail d’interprétation et de lecture des images obtenues en D-FF-OCT,
Mon projet de thèse consiste à élaborer des algorithmes de machine learning pour transformer et segmenter ces images obtenues en D-FF-OCT afin d’accélérer l’acquisition d’images et d’assister les spécialistes pour le diagnostic. De plus, un outil de visualisation 3D de données issues de la D-FF-OCT sera aussi développé pour accentuer cette aide au diagnostic.