Pierrick COUPE
Pierrick Coupe Chargé de Recherches (CNRS)

Équipe LaBRI : Image et Son
Page personnelle : http://www.labri.fr/~pcoupe
Courrier électronique : pierrick.coupearobaselabri.fr
Bureau : 376
Tél : +33 (0)5 40 00 35 38


Recherche

Au cours de ma carrière, je me suis intéressé à des problèmes liés au traitement des images médicales associant
mathématiques appliquées, traitement du signal, informatique, neuro-imagerie, biologie et recherche clinique. Depuis mon
cursus d'ingénieur biomédical jusqu'à aujourd'hui, je me suis passionné pour le développement de nouveaux outils à des fins
d'assistance et d'aide aux cliniciens. J'ai toujours eu a cœur de proposer des méthodes robustes et précises afin qu'elles
puissent avoir un impact réel au sein de la société. Cela m'a demandé des efforts conséquents de développent, validation,
distribution, diffusion et valorisation pour chacun des problèmes considérées. Bien que tous reliés entre eux, les domaines
abordés au cours de mes recherches peuvent être regroupé en trois grands thèmes correspondant à leur position dans la
chaine de traitement.

Vers une observation plus fine du vivant
Naturellement, l'un des premiers domaines que j'ai abordé a été l'amélioration de la qualité des observations que nous avons
à disposition. En effet, il m'a semblé que cette étape était cruciale si l'on souhaitait obtenir des mesures fiables des
phénomènes étudiés. J'ai donc consacré une partie de mes recherches au débruitage, à la reconstruction et à la
superrésolution des images médicales et biologiques. Ces méthodes permettent d'améliorer la qualité des images en termes
de rapport signal sur bruit et de résolution spatiale sans coût, ni temps d'acquisition supplémentaires.

Vers une extraction automatique de l'information
Durant mes recherches, j'ai également travaillé au développement de méthodes de segmentation de structures cérébrales.
L'analyse quantitative des IRM est aujourd'hui un enjeu capital pour le monde clinique. La masse de données produite
augmente tous les jours alors que l'analyse manuelle des IRM 3D est longue et fastidieuse. A l'heure du Big Data, il est
important de proposer des méthodes robustes, rapides et précises permettant d'extraire automatiquement l'information utile
de ces images.

Vers une aide au diagnostic précoce
Le but final de toute cette chaine de traitement est d'utiliser l'information extraite afin d'aider et d'assister le clinicien dans
son diagnostic. Avec l'augmentation du nombre de patients atteint de maladies neurodégénératives, notamment de la maladie
d'Alzheimer, la détection précoce des pathologies cérébrales est devenue un véritable enjeu de société. Le développement
d'outils permettant l'aide au diagnostic, au pronostic et de suivre l'évolution des pathologies cérébrales est récemment
devenu un champs d'investigation majeur en imagerie médicale. Ces dernières années, j'ai proposé des nouvelles méthodes
permettant la détection précoce de la maladie d'Alzheimer que j'adapte actuellement à la sclérose en plaques.

Extrait de publications


Jose Manjon, Pierrick Coupé. MRI Denoising Using Deep Learning. Lecture Notes in Computer Science, Springer, 2018, pp.12 - 19

Kilian Hett, Vinh-Thong Ta, José Manjón, Pierrick Coupé. Graph of hippocampal subfields grading for Alzheimer's disease prediction. Machine Learning in Medical Imaging, Sep 2018, Granada, Spain

José Romero, Pierrick Coupé, Thomas Tourdias, Pierre Linck, Jose Romero, et al.. LesionBrain: An Online Tool for White Matter Lesion Segmentation. Lecture Notes in Computer Science, Springer, 2018, pp.95 - 103

Rémi Giraud, Vinh-Thong Ta, Aurélie Bugeau, Pierrick Coupé, Nicolas Papadakis. SuperPatchMatch : Un algorithme de correspondances robustes de patchs de superpixels. Congrès Reconnaissance des Formes, Image, Apprentissage et Perception (RFIAP), May 2018, Marne-la-Vallée, France. 2018

Pierrick Coupé. Patch-based MRI Analysis: From voxel to knowledge. Medical Imaging. Université de Bordeaux, 2018


Page mise à jour le 13/08/2010 à 10:56