Ninon BURGOS
Porteur de projet, PhD, CR2, CNRS
Equipe "ARAMIS – Algorithmes, modèles et méthodes pour les images et les signaux du cerveau humain"
https://ninonburgos.com
https://twitter.com/ninonburgos
https://twitter.com/NinonBurgos
Biographie
Ninon Burgos est chercheuse CNRS à l'Institut du Cerveau, dans le laboratoire ARAMIS et membre de PR[AI]RIE, l'Institut de recherche en intelligence artificielle de PaRis. Elle a obtenu son doctorat à l'University College de Londres, au Centre for Medical Image Computing, sous la direction de Sébastien Ourselin. Elle a obtenu un MSc en génie biomédical de l'Imperial College London et un diplôme d'ingénieur d'une école supérieure française en génie électrique et informatique (ENSEA). En 2019, elle a reçu le prix ERCIM Cor Baayen du jeune chercheur. Ses recherches portent sur le développement d'outils d'imagerie computationnelle pour améliorer la compréhension et le diagnostic de la démence.Travaux de recherche
La neuro-imagerie offre une description inégalée de la structure et de la physiologie du cerveau, ce qui explique son rôle crucial dans la compréhension, le diagnostic et le traitement des troubles neurologiques. Pour fournir une image complète des processus biologiques et de leurs altérations, il est nécessaire de combiner plusieurs modalités d'imagerie. L'utilisation de ces données multimodales est une tâche difficile pour les cliniciens en raison de la grande quantité d'informations disponibles et de la difficulté à évaluer les écarts par rapport à la variabilité normale. Bien que d'énormes progrès aient été réalisés dans l'analyse des données d'imagerie cérébrale au cours de la dernière décennie, il est absolument nécessaire de développer de nouveaux modèles de traitement des données et des outils d'analyse capables de traiter quantitativement les données multimodales et de construire des systèmes assistés par ordinateur flexibles pour soutenir les décisions cliniques. Ninon Burgos se concentre sur l'analyse individuelle des images médicales pour améliorer le diagnostic différentiel et renforcer la médecine personnalisée. Cela implique de développer des représentations informatiques avancées des données d'imagerie multimodale et de construire des systèmes flexibles d'aide à la décision qui peuvent être appliqués aux images du cerveau pour aider au diagnostic des maladies neurologiques.Publications
Burgos, N., Bottani, S., Faouzi, J., Thibeau-Sutre, E., and Colliot, O.: ‘Deep learning in brain disor- ders: from data processing to disease treatment’. Briefings in Bioinformatics, 22(2): 1560–1576, 2021. doi:10.1093/bib/bbaa310 – hal-03070554
Burgos, N., Cardoso, M.J., Samper-González, J., Habert, M.-O., Durrleman, S., Ourselin, S., and Colliot, O.: ‘Anomaly Detection for the Individual Analysis of Brain PET Images’. Journal of Medical Imaging, 8(2): 024003, 2021. doi:10.1117/1.JMI.8.2.024003 – hal-03193306
Wen, J., Thibeau-Sutre, E., Samper-González, J., Routier, A., Bottani, S., Durrleman, S., Burgos, N., and Colliot, O.: ‘Convolutional Neural Networks for Classification of Alzheimer’s Disease: Overview and Reproducible Evaluation’, Medical Image Analysis, 63: 101694, 2020. doi:10.1016/j.media.2020.101694 – hal-02562504
Thibeau-Sutre, E., Colliot, O., Dormont, D., and Burgos, N.: ‘Visualization Approach to Assess the Robustness of Neural Networks for Medical Image Classification’. In SPIE Medical Imaging 2020, 11313: 113131J, 2020. doi:10.1117/12.2548952 – hal-02370532
Burgos, N., Cardoso, M.J., Thielemans, K., Modat, M., Pedemonte, S., Dickson, J., Barnes, A., Ahmed, R., Mahoney, C.J., Schott, J.M., Duncan, J.S., Atkinson, D., Arridge, S.R., Hutton, B.F., and Ourselin, S.: ‘Attenuation Correction Synthesis for Hybrid PET-MR Scanners: Application to Brain Studies’. IEEE Transactions on Medical Imaging, 33(12): 2332–2341, 2014. doi:10.1109/TMI.2014.2340135