Fiche de BRICQ Stéphanie

picture_member_thumbnail
BRICQ Stéphanie
MCF HDR
Directrice de l'unité
Adresse Institut Marey - Maison de la métallurgie - 64 rue Sully - Dijon - Bureau 103
Localisation Bâtiment I3M - Bureau 103
Tél. 03 80 39 91 46
E-mail stephanie.bricq@u-bourgogne.fr
  • Recherche
  • Enseignement et Responsabilités pédagogiques
  • Axes de recherche
  • Publications
  • CV
Recherche

Projet ANR ACCECIT

Projet ANR JCJC  ACCECIT (Automatic Classification of Cardiac Examinations after Contrast agent InjecTion)

ANR-19-CE45-0001-01

Porteur : Stéphanie Bricq

Abstract :

Late gadolinium enhancement (LGE) imaging has been widely used for detection and assessment of myocardial scar and presence of fibrosis in cardiac magnetic resonance imaging (MRI). LGE is a gold standard for the quantification of focal myocardial fibrosis, but in some cardiomyopathies the fibrotic process is often diffuse. To overcome this problem, T1 mapping techniques have been developed to quantify diffuse myocardial fibrosis and to characterize tissues.

The aim of this project is to combine automatically information from LGE and T1 mapping images by developing a Bayesian deep learning method to automatically detect area of fibrosis and to automatically classify the different pathologies and identify normal cases.

Consortium :

– Stéphanie Bricq (ImViA)

– Fabrice Meriaudeau (ImViA)

– Alain Lalande (ImViA)

– Alexandre Cochet (ImViA)

– Thibault Leclercq (CHU Dijon)

– Alexis Jacquier (AP-HM Marseille)

Début du projet : 01/01/2020

Fin du projet : 30/06/2024

Doctorant : Tewodros AREGA :

– 1er prix du challenge LAScarQS (Left Atrial and Scar Quantification & Segmentation Challenge) 2022, Best Performance, MICCAI 2022

Co-Encadrements de thèses

  • – Tewodros Arega : Apprentissage profond Bayésien pour la segmentation d’images cardiaques et la classification de pathologies (directeur de thèse : Fabrice Mériaudeau), thèse débutée en octobre 2020
  • – Anneke Siswadi : Apprentissage profond pour le diagnostic de la rétinopathie diabétique (directeur de thèse : Fabrice Mériaudeau), thèse débutée en octobre 2019
  • – Clément Acquitter : The use of cardiovascular magnetic resonance imaging for the development of computer-based clinical decision support tools (directeur de thèse : Alain Lalande), thèse soutenue en décembre 2018
  • – Jorge Zavala Bojorquez : Segmentation and classification of tissues using T1 and T2 relaxation times (directeur de thèse : Alain Lalande), thèse soutenue en décembre 2016
Enseignement et Responsabilités pédagogiques
  •  Responsable Master Health-AI depuis septembre 2022
  •  Responsable des modules suivants à l’UFR Sciences et Techniques

    •  Traitement d’images en L2 depuis septembre 2013

    • Sciences et Traitement de l’Information en L1 (2017-2021)

    •  Machine Learning en M2 IIA (Image et Intelligence Artificielle) depuis septembre 2019 et en M2 BDIA (Bases de Données et Intelligence Artificielle) depuis septembre 2020

    •  Machine Learning and Deep Learning en M2 Health-AI depuis septembre 2021

Axes de recherche
  •  Imagerie médicale
  •  Deep learning/Apprentissage profond
  •  Classification/Segmentation
  •  Mesure de l’incertitude

Projets :

  •  Classification automatique d’examens cardiaques après injection de produit de contraste
  •  Segmentation automatique d’images IRM cardiaques de différentes modalités
  •  Estimation de l’incertitude dans les résultats de segmentation et de classification
Publications

Revues internationales

Anneke Annassia Putri Siswadi, Stéphanie Bricq, Fabrice Meriaudeau. Multi-label ocular abnormalities detection with semantic dictionary learning. Computer-Aided Diagnosis, Feb 2023, San Diego, France. pp.36, ⟨10.1117/12.2653834⟩. ⟨hal-04429704⟩
Tewodros Weldebirhan Arega, Stéphanie Bricq, François Legrand, Alexis Jacquier, Alain Lalande, et al.. Automatic uncertainty-based quality controlled T1 mapping and ECV analysis from native and post-contrast cardiac T1 mapping images using Bayesian vision transformer. Medical Image Analysis, 2023, 86, pp.102773. ⟨10.1016/j.media.2023.102773⟩. ⟨hal-04429686⟩
Carlos Martín-Isla, Víctor Campello, Cristian Izquierdo, Kaisar Kushibar, Carla Sendra-Balcells, et al.. Deep Learning Segmentation of the Right Ventricle in Cardiac MRI: The M&Ms Challenge. IEEE Journal of Biomedical and Health Informatics, 2023, 27 (7), pp.3302-3313. ⟨10.1109/JBHI.2023.3267857⟩. ⟨hal-04429615⟩
Lei Li, Fuping Wu, Sihan Wang, Xinzhe Luo, Carlos Martín-Isla, et al.. MyoPS: A benchmark of myocardial pathology segmentation combining three-sequence cardiac magnetic resonance images. Medical Image Analysis, 2023, 87, pp.102808. ⟨10.1016/j.media.2023.102808⟩. ⟨hal-04429573⟩
Isaac Wilfried Sanou, Julien Barderot, Yannick Benezeth, Stéphanie Bricq, Franck Marzani, et al.. Semi-automatic tools for nanoscale metrology and annotations for Deep Learning automation on Electron Microscopy images. Quality Control by Artificial Vision, Jun 2023, Albi, France. ⟨hal-04296206⟩
Tewodros Weldebirhan Arega, Stéphanie Bricq, Fabrice Meriaudeau. Using Polynomial Loss and Uncertainty Information for Robust Left Atrial and Scar Quantification and Segmentation. Medical Image Computing and Computer Assisted Intervention (MICCAI 2022) STACOM workshop, Sep 2022, Singapore, Singapore. ⟨hal-03880553⟩
Tewodros Weldebirhan Arega, Stéphanie Bricq, Fabrice Meriaudeau. Leveraging Uncertainty Estimates to Improve Segmentation Performance in Cardiac MR. Uncertainty for Safe Utilization of Machine Learning in Medical Imaging, and Perinatal Imaging, Placental and Preterm Image Analysis, 12959, Springer International Publishing, pp.24-33, 2021, Lecture Notes in Computer Science, ⟨10.1007/978-3-030-87735-4_3⟩. ⟨hal-03611481⟩
Khawla Brahim, Tewodros Weldebirhan Arega, Arnaud Boucher, Stéphanie Bricq, Anis Sakly, et al.. An Improved 3D Deep Learning-Based Segmentation of Left Ventricular Myocardial Diseases from Delayed-Enhancement MRI with Inclusion and Classification Prior Information U-Net (ICPIU-Net). Sensors, 2022, 22 (6), pp.2084. ⟨10.3390/s22062084⟩. ⟨hal-03610482⟩
Tewodros Weldebirhan Arega, François Legrand, Stéphanie Bricq, Fabrice Meriaudeau. Using MRI-specific Data Augmentation to Enhance the Segmentation of Right Ventricle in Multi-disease, Multi-center and Multi-view Cardiac MRI. Statistical Atlases and Computational Models of the Heart. Multi-Disease, Multi-View, and Multi-Center Right Ventricular Segmentation in Cardiac MRI Challenge, 13131, Springer International Publishing, pp.250-258, 2022, Lecture Notes in Computer Science, ⟨10.1007/978-3-030-93722-5_27⟩. ⟨hal-03540912⟩
Anneke Annassia Putri Siswadi, Stéphanie Bricq, Fabrice Meriaudeau. A Survey on Microaneurysms Detection in Color Fundus Images. 2020 2nd International Conference on Cybernetics and Intelligent System (ICORIS), Oct 2020, Manado, Indonesia. pp.1-5, ⟨10.1109/ICORIS50180.2020.9320818⟩. ⟨hal-03527455⟩

Conférences internationales

Tewodros Weldebirhan Arega, Stéphanie Bricq, Fabrice Meriaudeau. Using Polynomial Loss and Uncertainty Information for Robust Left Atrial and Scar Quantification and Segmentation. STACOM 2022, 13th Workshop on Statistical Atlases and Computational Modelling of the Heart, September 2022, Singapour.

1er prix du challenge LAScarQS (Left Atrial and Scar Quantification & Segmentation Challenge) 2022, « Best Performance », MICCAI 2022

 

Tewodros Weldebirhan Arega, Stéphanie Bricq, Fabrice Meriaudeau. Automatic Quality Assessment of Cardiac MR Images with Motion Artefacts using Multi–task Learning and K-Space Motion Artefact Augmentation. STACOM 2022, 13th Workshop on Statistical Atlases and Computational Modelling of the Heart, September 2022, Singapour.

2nd prix du challenge CMRxMotion (Extreme Cardiac MRI Analysis Challenge under Respiratory Motion) « Segmentation task », MICCAI 2022

A. Siswadi, S. Bricq, F. Meriaudeau. Microaneurysms Detection in Color Fundus Image with Feature–based Background Suppression. 26th International Conference on Pattern Recognition (ICPR 2022), August 21-25, 2022, Montréal Québec.

 

Tewodros Weldebirhan Arega, François Legrand, Stéphanie Bricq, Fabrice Meriaudeau. Using MRI-specific Data Augmentation to Enhance the Segmentation of Right Ventricle in Multi-disease, Multi-center and Multi-view Cardiac MRI. Statistical Atlases and Computational Models of the Heart. Multi-Disease, Multi-View, and Multi-Center Right Ventricular Segmentation in Cardiac MRI Challenge, 13131, Springer International Publishing, pp.250-258, 2022, Lecture Notes in Computer Science, ⟨10.1007/978-3-030-93722-5_27⟩.

 

Tewodros Weldebirhan Arega, Stéphanie Bricq, Fabrice Meriaudeau. Leveraging Uncertainty Estimates to Improve Segmentation Performance in Cardiac MR. Uncertainty for Safe Utilization of Machine Learning in Medical Imaging, and Perinatal Imaging, Placental and Preterm Image Analysis, 12959, Springer International Publishing, pp.24-33, 2021, Lecture Notes in Computer Science, ⟨10.1007/978-3-030-87735-4_3⟩

 

Anneke Annassia Putri Siswadi, Stephanie Bricq, Fabrice Meriaudeau. A Survey on Microaneurysms Detection in Color Fundus Images. 2020 2nd International Conference on Cybernetics and Intelligent System (ICORIS), Oct 2020, Manado, Indonesia. pp.1-5, ⟨10.1109/ICORIS50180.2020.9320818⟩

 

Tewodros Weldebirhan Arega, Stéphanie Bricq. Automatic Myocardial Scar Segmentation from Multi-sequence Cardiac MRI Using Fully Convolutional Densenet with Inception and Squeeze-Excitation Module. Myocardial Pathology Segmentation Combining Multi-Sequence Cardiac Magnetic Resonance Images, First Challenge, MyoPS 2020, Held in Conjunction with MICCAI 2020, Oct 2020, Lima, Peru. pp.102-117, ⟨10.1007/978-3-030-65651-5_10⟩

 

Stéphanie Bricq, Julien Frandon, Basile Puech, Monique Bernard, Maxime Guye, et al.. NCprocessing: a software to determine non-compacted and compacted masses from MRI. European Society for Magnetic Resonance in Medicine and Biology (ESMRMB 2015), Oct 2015, Edinburgh, United Kingdom

 

Jorge Zavala Bojorquez, Stéphanie Bricq, Paul Michael Walker, Alain Lalande. Automatic classification of tissues using T1 and T2 relaxation times from prostate MRI: a step toward generation of PET/MR attenuation map. IEEE International Conference on Image Processing (ICIP), Sep 2015, Québec city, Canada.

 

Stéphanie Bricq, Julien Frandon, Daniel Fagret, Alexandre Cochet, Alexis Jacquier, et al.. Segmentation of compacted and non compacted left ventricular mass with a semi-automatic method. SCMR 18th annual scientific sessions, Feb 2015, Nice, France. ⟨10.1186/1532-429X-17-S1-P55⟩

 

Stéphanie Bricq, Julien Frandon, Alexis Jacquier, G. Habib, Alexandre Cochet, et al.. Automatic determination of the compacted and non-compacted areas in left ventricular MRI. European society of cardiac radiology (ESCR 2014), Oct 2014, Paris, France.

CV

– depuis sept 2012 : MCF UFR Sciences et Techniques

– sept 2009 – août 2012 : Enseignante-Chercheuse à l’ESAIP, chercheuse associée au LISA de l’Université d’Angers

– 2008 -2009 : ATER à l’Université de Strasbourg, Enseignements à l’IUT d’Haguenau, dept SRC et GEII

– 2005 – 2008 : Doctorat de l’Université Louis Pasteur, LSIIT (Laboratoire des Sciences de l’Image, de l’Informatique et de la Télédétection), Strasbourg, soutenu le 6 novembre 2008

Sujet : Segmentation d’images IRM anatomiques multimodales couplant inférence bayésienne et modèles a priori de haut niveau, sous la direction de Pr. Ch. Collet (LSIIT) et J.-P. Armspach (LINC)

– 2005 : Diplôme d’ingénieur en Electronique et Traitement du signal de l’INP-ENSEEIHT

– 2005 : Master Recherche SIAO (Signal, Image, Acoustique et Optimisation) de l’INPT (Institut National Polytechnique de Toulouse)