Search

Your search keyword '"Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL)"' showing total 527 results
Start Over Author "Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL)"
527 results on '"Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL)"'

1. Computed Tomography Image Restoration Using a Quantum-Based Deep Unrolled Denoiser and a Plug-and-Play Framework

Author

Dutta, Sayantan, Nwigbo, Kenule Tuador, MICHETTI, Jerome, Georgeot, Bertrand, Pham, Duong-Hung, Kouamé, Denis, Basarab, Adrian, Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT), CoMputational imagINg anD viSion (IRIT-MINDS), Institut de recherche en informatique de Toulouse (IRIT), Université Toulouse Capitole (UT Capitole), Université de Toulouse (UT)-Université de Toulouse (UT)-Université Toulouse - Jean Jaurès (UT2J), Université de Toulouse (UT)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université de Toulouse (UT)-Toulouse Mind & Brain Institut (TMBI), Université Toulouse - Jean Jaurès (UT2J), Université de Toulouse (UT)-Université de Toulouse (UT)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Université Toulouse Capitole (UT Capitole), Laboratoire de Physique Théorique (LPT), Université de Toulouse (UT)-Université de Toulouse (UT)-Centre National de la Recherche Scientifique (CNRS)-Fédération de recherche « Matière et interactions » (FeRMI), Institut National des Sciences Appliquées - Toulouse (INSA Toulouse), Institut National des Sciences Appliquées (INSA)-Université de Toulouse (UT)-Institut National des Sciences Appliquées (INSA)-Université de Toulouse (UT)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Centre National de la Recherche Scientifique (CNRS)-Institut National des Sciences Appliquées - Toulouse (INSA Toulouse), Institut National des Sciences Appliquées (INSA)-Université de Toulouse (UT)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS), Imagerie Ultrasonore, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), and Aalto University, Finland

Subjects
Plug-and-Play, Unrolling, Quantum image processing, Super-Resolution, [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, Quantum denoising, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, Deep learning, DIVA, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
Abstract

International audience; In this work, we address the problem of cone beam computed tomography (CBCT) image resolution enhancement by exploiting a newly introduced deep unrolled quantum denoiser, based on quantum interaction theory adapted to computational imaging. Following recent advances in image restoration using the Plug-and-Play (PnP) framework, we impose this external deep learning denoiser as a regularizer within the super-resolution (SR) problem. The quantum-based deep unrolled denoiser combined with a computationally efficient way to deal with the degradation operators, and the PnP scheme, result in an original way of approaching the image resolution enhancement problem. Experiments conducted on dental CBCT images are presented to illustrate the efficiency of the proposed model for image resolution enhancement tasks. The numerical results suggest that the proposed method allows better restoration performances compared to existing state-of-the-art approaches.

Published
2023

2. Localizing cardiac dyssynchrony in M-mode echocardiography with attention maps

Author

Saiz-Vivó, Marta, Capallera, Isaac, Duchateau, Nicolas, Bernardino, Gabriel, Piella, Gemma, Camara, Oscar, Universitat Pompeu Fabra [Barcelona] (UPF), Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Modeling & analysis for medical imaging and Diagnosis (MYRIAD), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Institut Universitaire de France (IUF), Ministère de l'Education nationale, de l’Enseignement supérieur et de la Recherche (M.E.N.E.S.R.), ANR-11-LABX-0063,PRIMES,Physique, Radiobiologie, Imagerie Médicale et Simulation(2011), ANR-19-CE45-0005,MIC-MAC,Modélisation de la hiérarchie entre descripteurs cardiaques par apprentissage automatique(2019), and European Project: 101016496,H2020-EU.3.1.5.3. - Using in-silico medicine for improving disease management and prediction,SimCardioTest(2021)

Subjects
M-mode echocardiography, Localization, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, heart failure, cardiac resynchronization therapy, attention maps
Abstract

International audience; Cardiac Resynchronization Therapy (CRT) is a treatment aimed at restoring the electrical synchronization in patients with heart failure and intraventricular conduction delay. However, over 30% of patients do not respond to CRT. Septal Flash (SF), an abnormality characterized by a rapid inward-outward abnormal motion at early systole, has been linked to an improved response to CRT in patients with Left Bundle Branch Block (LBBB). In clinical practice, the detection of SF is usually performed manually through echocardiographic acquisitions, which is subjective and dependent on the operator's experience. To address this issue, a deep classification model for automatic SF detection from 2D anatomical M-mode images has been proposed. Additionally, this work focuses on SF localization from gradient-based attention maps, which provide a visual explanation of the output prediction of the model. Two models based on convolutional neural networks (CNNs) were trained with original and cropped M-modes from 143 patients, and achieved an accuracy of 0.83 and 1.0 respectively, on 29 testing patients. The attention map visualization showed that in SF cases, the models effectively identified the discriminant regions, while in non-SF cases, the maps appeared more dispersed. Further research is necessary to quantitatively evaluate the attention map results.

Published
2023

3. Brain subtle anomaly detection based on auto-encoders latent space analysis : application to de novo parkinson patients

Author

Nicolas Pinon, Geoffroy Oudoumanessah, Robin Trombetta, Michel Dojat, Florence Forbes, Carole Lartizien, Modeling & analysis for medical imaging and Diagnosis (MYRIAD), Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), [GIN] Grenoble Institut des Neurosciences (GIN), Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Grenoble Alpes (UGA), Modèles statistiques bayésiens et des valeurs extrêmes pour données structurées et de grande dimension (STATIFY), Inria Grenoble - Rhône-Alpes, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire Jean Kuntzmann (LJK), Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP ), Université Grenoble Alpes (UGA)-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP ), Université Grenoble Alpes (UGA), G. Oudoumanessah was financially supported by the AURA region. This work was granted access to the HPC resources of IDRIS under the allocation 2022-AD011012813R1 made by GENCI.It was partially funded by French program 'Investissement d’Avenir' run by the Agence Nationale pour la Recherche (ANR-11-INBS-0006)., and ANR-11-INBS-0006,FLI,France Life Imaging(2011)

Subjects
FOS: Computer and information sciences, Computer Science - Artificial Intelligence, Image and Video Processing (eess.IV), Neuroimaging, Deep learning, Parkinson Disease, Anomaly detection, Electrical Engineering and Systems Science - Image and Video Processing, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], Artificial Intelligence (cs.AI), [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], FOS: Electrical engineering, electronic engineering, information engineering, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, Mixture models, One-Class SVM
Abstract

International audience; Neural network-based anomaly detection remains challenging in clinical applications with little or no supervised information and subtle anomalies such as hardly visible brain lesions. Among unsupervised methods, patch-based auto-encoders with their efficient representation power provided by their latent space, have shown good results for visible lesion detection. However, the commonly used reconstruction error criterion may limit their performance when facing less obvious lesions. In this work, we design two alternative detection criteria. They are derived from multivariate analysis and can more directly capture information from latent space representations. Their performance compares favorably with two additional supervised learning methods, on a difficult de novo Parkinson Disease (PD) classification task.

Published
2023

4. Monte Carlo simulations of nanodosimetry and radiolytic species production for monoenergetic proton and electron beams: Benchmarking of GEANT4‐DNA and LPCHEM codes

Author

Yasmine Ali, Lucas Auzel, Caterina Monini, Kateryna Kriachok, Jean Michel Létang, Etienne Testa, Lydia Maigne, Michael Beuve, Laboratoire de Physique de Clermont (LPC), Institut National de Physique Nucléaire et de Physique des Particules du CNRS (IN2P3)-Centre National de la Recherche Scientifique (CNRS)-Université Clermont Auvergne (UCA), Institut de Physique des 2 Infinis de Lyon (IP2I Lyon), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National de Physique Nucléaire et de Physique des Particules du CNRS (IN2P3)-Centre National de la Recherche Scientifique (CNRS), Imagerie Tomographique et Radiothérapie, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), and ANR-11-LABX-0063,PRIMES,Physique, Radiobiologie, Imagerie Médicale et Simulation(2011)

Subjects
Ions, Benchmarking, [PHYS.PHYS.PHYS-MED-PH]Physics [physics]/Physics [physics]/Medical Physics [physics.med-ph], Water, Computer Simulation, Electrons, DNA, General Medicine, Protons, Monte Carlo Method, [INFO.INFO-MO]Computer Science [cs]/Modeling and Simulation
Abstract

International audience; PurposeIn hadrontherapy, biophysical models can be used to predict the biological effect received by cancerous tissues and organs at risk. The input data of these models generally consist of information on nano/micro dosimetric quantities and, concerning some models, reactive species produced in water radiolysis. In order to fully account for the radiation stochastic effects, these input data have to be provided by Monte Carlo track structure (MCTS) codes allowing to estimate physical, physico-chemical and chemical effects of radiation at the molecular scale. The objective of this study is to benchmark two MCTS codes, Geant4-DNA and LPCHEM, that are useful codes for estimating the biological effects of ions during radiation therapy treatments.Material and methodsIn this study we considered the simulation of specific energy spectra for monoenergetic proton beams (10 MeV) as well as radiolysis species production for both electron (1 MeV) and proton (10 MeV) beams with Geant4-DNA and LPCHEM codes. Options 2, 4 and 6 of the Geant4-DNA physics lists have been benchmarked against LPCHEM. We compared probability distributions of energy transfer points in cylindrical nanometric targets (10 nm) positioned in a liquid water box. Then, radiochemical seconds after irradiation are compared.ResultsOverall, the specific energy spectra and the chemical yields obtained by the two codes are in good agreement considering the uncertainties on experimental data used to calibrate the parameters of the MCTS codes. For 10 MeV proton beams, ionization and excitation processes are the major contributors to the specific energy deposition (larger than 90 %) while attachment, solvation and vibration processes are minor contributors. LPCHEM simulates tracks with slightly more concentrated energy depositions than Geant4-DNA which translates into slightly faster recombination than Geant4-DNA. Relative deviations (CEV) in respect to the average of evolution rates of the radical yields between 10−12 and 10−6 s remain below 10%. When comparing execution times between the codes, we showed that LPCHEM is faster than Geant4-DNA by a factor of about 4 for 1000 primary particles in all simulation stages (physical, physico-chemical and chemical). In multi-thread mode (4 threads), Geant4-DNA computing times are reduced but remain slower than LPCHEM by ∼20% up to ∼50%.ConclusionsFor the first time, the entire physical, physicochemical and chemical models of two track structure Monte Carlo codes have been benchmarked along with an extensive analysis on the effects on the water radiolysis simulation. This study opens up new perspectives in using specific energy distributions and radiolytic species yields from monoenergetic ions in biophysical models integrated to Monte Carlo software.

Published
2022

5. From netrin‐1‐targeted <scp>SPECT</scp> / <scp>CT</scp> to internal radiotherapy for management of advanced solid tumors

Author

David Kryza, Jennifer Wischhusen, Mathieu Richaud, Maëva Hervieu, Jacqueline Sidi Boumedine, Jean‐Guy Delcros, Sophie Besse, Thomas Baudier, Pierre‐Alexandre Laval, Silvia Breusa, Erwan Boutault, Hugo Clermidy, Nicolas Rama, Benjamin Ducarouge, Mojgan Devouassoux‐Shisheboran, Jean‐Michel Chezal, Anne‐Laure Giraudet, Thomas Walter, Patrick Mehlen, David Sarrut, Benjamin Gibert, Laboratoire d'automatique, de génie des procédés et de génie pharmaceutique (LAGEPP), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-École Supérieure de Chimie Physique Électronique de Lyon (CPE)-Centre National de la Recherche Scientifique (CNRS), Centre de Recherche en Cancérologie de Lyon (UNICANCER/CRCL), Centre Léon Bérard [Lyon]-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Université Clermont Auvergne (UCA), Imagerie Tomographique et Radiothérapie, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Netris Pharma, Partenaires INRAE, and Hospices Civils de Lyon (HCL)

Subjects
netrin, cancer extracellular matrix netrin radioimmunotherapy targeted therapy Subject Categories Cancer Pharmacology & Drug Discovery, extracellular matrix, radioimmunotherapy, Molecular Medicine, cancer, [SDV.CAN]Life Sciences [q-bio]/Cancer, Pharmacology & Drug Discovery, targeted therapy
Abstract

International audience; Targeted radionuclide therapy is a revolutionary tool for the treatment of highly spread metastatic cancers. Most current approaches rely on the use of vectors to deliver radionuclides to tumor cells, targeting membrane-bound cancer-specific moieties. Here, we report the embryonic navigation cue netrin-1 as an unanticipated target for vectorized radiotherapy. While netrin-1, known to be reexpressed in tumoral cells to promote cancer progression, is usually characterized as a diffusible ligand, we demonstrate here that netrin-1 is actually poorly diffusible and bound to the extracellular matrix. A therapeutic anti-netrin-1 monoclonal antibody (NP137) has been preclinically developed and was tested in various clinical trials showing an excellent safety profile. In order to provide a companion test detecting netrin-1 in solid tumors and allowing the selection of therapy-eligible patients, we used the clinical-grade NP137 agent and developed an indium-111-NODAGA-NP137 single photon emission computed tomography (SPECT) contrast agent. NP137-111 In provided specific detection of netrin-1-positive tumors with an excellent signal-to-noise ratio using SPECT/CT imaging in different mouse models. The high specificity and strong affinity of NP137 paved the way for the generation of lutetium-177-DOTA-NP137, a novel vectorized radiotherapy, which specifically accumulated in netrin-1-positive tumors. We demonstrate here, using tumor cell-engrafted mouse models and a genetically engineered mouse model, that a single systemic injection of NP137-177 Lu provides important antitumor effects and prolonged mouse survival. Together, these data support the view that NP137-111 In and NP137-177 Lu may represent original and unexplored imaging and therapeutic tools against advanced solid cancers.

Published
2023

6. Neutron elastic scattering kernel for Monte Carlo next-event estimators in Tripoli-4®

Author

Henri Hutinet, Cindy Le Loirec, Davide Mancusi, Jean Michel Létang, Abdallah Lyoussi, Service de Physique des Réacteurs et du Cycle (SPRC), Département Etude des Réacteurs (DER), CEA-Direction des Energies (ex-Direction de l'Energie Nucléaire) (CEA-DES (ex-DEN)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-CEA-Direction des Energies (ex-Direction de l'Energie Nucléaire) (CEA-DES (ex-DEN)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Service d’Études des Réacteurs et de Mathématiques Appliquées (SERMA), Département de Modélisation des Systèmes et Structures (DM2S), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-CEA-Direction des Energies (ex-Direction de l'Energie Nucléaire) (CEA-DES (ex-DEN)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay, Imagerie Tomographique et Radiothérapie, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Centre Léon Bérard [Lyon], and Service Physique EXpérimentale, d'essais en Sûreté et d'Instrumentation (SPESI)

Subjects
[PHYS]Physics [physics], Fluid Flow and Transfer Processes, General Physics and Astronomy
Abstract

International audience

Published
2023

7. Nonlinear Beamforming Based on Amplitude Coherence Applied to Ultrasonic Imaging of Coarse-Grained Steels

Author

Carcreff, Ewen, Laroche, Nans, Varray, François, Nicolas, Barbara, The Phased Array Company, Laboratoire des Sciences du Numérique de Nantes (LS2N), Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-IMT Atlantique (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-École Centrale de Nantes (Nantes Univ - ECN), Nantes Université (Nantes Univ)-Nantes Université (Nantes Univ)-Nantes université - UFR des Sciences et des Techniques (Nantes univ - UFR ST), Nantes Université - pôle Sciences et technologie, Nantes Université (Nantes Univ)-Nantes Université (Nantes Univ)-Nantes Université - pôle Sciences et technologie, Nantes Université (Nantes Univ), Imagerie Ultrasonore, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), and Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)

Subjects
Mechanics of Materials, Safety, Risk, Reliability and Quality, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, Civil and Structural Engineering
Abstract

This paper deals with ultrasonic imaging in a nondestructive evaluation (NDE) context. In particular, we are focused on the inspection of coarse-grained steels having a heterogeneous composition that creates structural noise in the ultrasonic signals and images. The standard way to beamform the acquired ultrasonic data is by delay-and-sum (DAS). This method is fast but suffers from low signal-to-noise ratio (SNR) for coarse-grained steel inspection. In this paper, we propose to adapt a coherence-based beamformer called pDAS from the medical imaging community. pDAS beamforming is based on DAS structure but includes p-root and p-power before and after summations, respectively. It results in an enhancement of the coherent summation of signals that improves both resolution and contrast. Coherence-based beamformers are known to enhance information whose acoustic response correlates with geometrical information, that is why they decrease grating lobes and side lobes, specular echoes, reconstruction artifacts, and noise due to multiple scattering. In this paper, the pDAS beamformer is proposed for two common acquisition schemes employed in NDE that are plane wave imaging (PWI) and full matrix capture (FMC). The beamformers have been efficiently implemented for parallel computing on graphics processing unit (GPU) in a context of real-time imaging and fast part scanning in NDE. First, experimental results are presented from an austenitic-ferritic sample from the power generation industry that contains side drilled holes (SDH) with diameter 0.4 mm at several depths. pDAS (for p from two to three) shows improvements in terms of SNR and resolution compared to standard DAS, both in PWI and FMC modalities. We also show that the computation cost of pDAS is equivalent to DAS. A real application on a sample containing a fatigue crack connected to the backwall is exposed. We show that pDAS beamformer can enhance crack response compared to grains, but it also decreases unwanted information such as backwall specular echoes and reconstruction artifacts.

Published
2023

8. Focal Photocoagulation as an Adjunctive Therapy to Reduce the Burden of Intravitreal Injections in Macula Edema Patients, the LyoMAC2 Study

Author

Lucas Séjournet, Laurent Kodjikian, Sandra Elbany, Benoit Allignet, Emilie Agard, Mayeul Chaperon, Jérémy Billant, Philippe Denis, Thibaud Mathis, Carole Burillon, Corinne Dot, Hôpital de la Croix-Rousse [CHU - HCL], Hospices Civils de Lyon (HCL), RMN et optique : De la mesure au biomarqueur, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Centre Léon Bérard [Lyon], Géoazur (GEOAZUR 7329), Institut national des sciences de l'Univers (INSU - CNRS)-Observatoire de la Côte d'Azur, COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-Université Côte d'Azur (UCA)-COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-Université Côte d'Azur (UCA)-Centre National de la Recherche Scientifique (CNRS)-Institut de Recherche pour le Développement (IRD [France-Sud]), Unité de Nutrition Humaine (UNH), Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE)-Université Clermont Auvergne (UCA), Hôpital Edouard Herriot [CHU - HCL], Université de Lyon, Hôpital d'Instruction des Armées Desgenettes, and Service de Santé des Armées

Subjects
macular edema, retinal vein occlusion, focal laser photocoagulation, Pharmaceutical Science, [SDV.MHEP.OS]Life Sciences [q-bio]/Human health and pathology/Sensory Organs, diabetic macular edema, capillary macroaneurysms, telangiectatic capillaries
Abstract

Aim: To assess the efficacy of focal photocoagulation of capillary macroaneurysms (CMA) to reduce the burden of intravitreal injections (IVI) in patients with macular edema (ME). Materials and Methods: Retrospective multicenter study in patients with diabetic ME or ME secondary to retinal vein occlusion (ME-RVO). CMA associated with ME were selectively photocoagulated. Patients were followed for one year after photocoagulation. Results: 93 eyes of 76 patients were included in this study. At 6 months after the laser (n = 93), there was a significant decrease in mean macular thickness (from 354 µm to 314 µm, p < 0.001) and in mean IVI number (from 2.52 to 1.52 at 6 months, p < 0.001). The mean BCVA remained stable (0.32 and 0.31 logMAR at baseline and 6 months, p = 0.95). At 12 months (n = 81/93), there was a significant decrease in mean macular thickness (from 354 µm to 314 µm, p < 0.001) and in mean IVI number (from 4.44 to 2.95 at 12 months, p < 0.001), while the mean BCVA remained stable (0.32 and 0.30 logMAR at baseline and 12 months, p = 0.16). Conclusion: Focal laser photocoagulation of CMA seems to be effective and safe for reducing the burden of IVI in patients with ME. Their screening during the follow-up should be considered closely.

Published
2023
Full Text
View/download PDF

9. Disentangled representations: towards interpretation of sex determination from hip bone

Author

Kaifeng Zou, Sylvain Faisan, Fabrice Heitz, Marie Epain, Pierre Croisille, Laurent Fanton, Sébastien Valette, Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (ICube), École Nationale du Génie de l'Eau et de l'Environnement de Strasbourg (ENGEES)-Université de Strasbourg (UNISTRA)-Institut National des Sciences Appliquées - Strasbourg (INSA Strasbourg), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Institut National de Recherche en Informatique et en Automatique (Inria)-Les Hôpitaux Universitaires de Strasbourg (HUS)-Centre National de la Recherche Scientifique (CNRS)-Matériaux et Nanosciences Grand-Est (MNGE), Université de Strasbourg (UNISTRA)-Université de Haute-Alsace (UHA) Mulhouse - Colmar (Université de Haute-Alsace (UHA))-Institut National de la Santé et de la Recherche Médicale (INSERM)-Institut de Chimie du CNRS (INC)-Centre National de la Recherche Scientifique (CNRS)-Université de Strasbourg (UNISTRA)-Université de Haute-Alsace (UHA) Mulhouse - Colmar (Université de Haute-Alsace (UHA))-Institut National de la Santé et de la Recherche Médicale (INSERM)-Institut de Chimie du CNRS (INC)-Centre National de la Recherche Scientifique (CNRS)-Réseau nanophotonique et optique, Université de Strasbourg (UNISTRA)-Université de Haute-Alsace (UHA) Mulhouse - Colmar (Université de Haute-Alsace (UHA))-Centre National de la Recherche Scientifique (CNRS)-Université de Strasbourg (UNISTRA)-Centre National de la Recherche Scientifique (CNRS), ANR-19-CE45-0015,TOPACS,Traitement Ouvert de données PACS(2019), Hospices Civils de Lyon (HCL), Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Centre Hospitalier Universitaire de Saint-Etienne [CHU Saint-Etienne] (CHU ST-E), Modeling & analysis for medical imaging and Diagnosis (MYRIAD), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), and Imagerie Tomographique et Radiothérapie

Subjects
FOS: Computer and information sciences, [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, Computer Vision and Pattern Recognition (cs.CV), [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], Computer Science - Computer Vision and Pattern Recognition, Neural Network, Pattern recognition and classification, Computer Vision and Pattern Recognition, Bone, Computer Graphics and Computer-Aided Design, Pattern recognition and classification Shape analysis Neural Network Bone, Software, Shape analysis
Abstract

By highlighting the regions of the input image that contribute the most to the decision, saliency maps have become a popular method to make neural networks interpretable. In medical imaging, they are particularly well-suited to explain neural networks in the context of abnormality localization. However, from our experiments, they are less suited to classification problems where the features that allow to distinguish between the different classes are spatially correlated, scattered and definitely non-trivial. In this paper we thus propose a new paradigm for better interpretability. To this end we provide the user with relevant and easily interpretable information so that he can form his own opinion. We use Disentangled Variational Auto-Encoders which latent representation is divided into two components: the non-interpretable part and the disentangled part. The latter accounts for the categorical variables explicitly representing the different classes of interest. In addition to providing the class of a given input sample, such a model offers the possibility to transform the sample from a given class to a sample of another class, by modifying the value of the categorical variables in the latent representation. This paves the way to easier interpretation of class differences. We illustrate the relevance of this approach in the context of automatic sex determination from hip bones in forensic medicine. The features encoded by the model, that distinguish the different classes were found to be consistent with expert knowledge.

Published
2023

10. Additional prognostic value of echocardiographic follow-up in pulmonary hypertension—role of 3D right ventricular area strain

Author

Pamela Moceri, Nicolas Duchateau, Delphine Baudouy, Fabien Squara, Sok Sithikun Bun, Emile Ferrari, Maxime Sermesant, Centre Hospitalier Universitaire de Nice (CHU Nice), E-Patient : Images, données & mOdèles pour la médeciNe numériquE (EPIONE), Inria Sophia Antipolis - Méditerranée (CRISAM), Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Modeling & analysis for medical imaging and Diagnosis (MYRIAD), Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), This study was partially funded by a grant from the University hospital of Nice, France (AO2I-2013 and AOI-2014) and Actelion Pharmaceuticals. The authors also acknowledge the partial support from the UCA JEDI IDEX Project 'Le Coeur Numérique'., ANR-11-LABX-0063,PRIMES,Physique, Radiobiologie, Imagerie Médicale et Simulation(2011), ANR-19-CE45-0005,MIC-MAC,Modélisation de la hiérarchie entre descripteurs cardiaques par apprentissage automatique(2019), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Duchateau, Nicolas, Physique, Radiobiologie, Imagerie Médicale et Simulation - - PRIMES2011 - ANR-11-LABX-0063 - LABX - VALID, and Modélisation de la hiérarchie entre descripteurs cardiaques par apprentissage automatique - - MIC-MAC2019 - ANR-19-CE45-0005 - AAPG2019 - VALID

Subjects
3D echocardiography, Hypertension, Pulmonary, Ventricular Dysfunction, Right, [INFO.INFO-IM] Computer Science [cs]/Medical Imaging, General Medicine, Prognosis, myocardial deformation imaging, Pulmonary hypertension, right ventricular function, Echocardiography, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, Humans, Radiology, Nuclear Medicine and imaging, Longitudinal Studies, Prospective Studies, Cardiology and Cardiovascular Medicine, Follow-Up Studies
Abstract

Aims Outcomes in pulmonary hypertension (PH) are related to right ventricular (RV) function and remodelling. We hypothesized that changes in RV function and especially area strain (AS) could provide incremental prognostic information compared to the use of baseline data only. We therefore aimed to assess RV function changes between baseline and 6-month follow-up and evaluate their prognostic value for PH patients using 3D echocardiography. Methods and results Ninety-five PH patients underwent a prospective longitudinal study including ESC/ERS guidelines prognostic assessment and 3D RV echocardiographic imaging at baseline and 6-month follow-up. Semi-automatic software tracked the RV along the cycle, and its output was post-processed to extract 3D deformation patterns. Over a median follow-up of 24.8 (22.1–25.7) months, 21 patients died from PH or were transplanted. Improvements in RV global AS were associated with stable or improving clinical condition as well as survival free from transplant (P < 0.001). The 3D deformation patterns confirmed that the most significant regional changes occurred within the septum. RV global AS change over 6-month by +3.5% identifies patients with a 3.7-fold increased risk of death or transplant. On multivariate COX analysis, changes in WHO class, BNP, and RV global AS were independent predictors of outcomes. Besides, the combination of these three parameters was of special interest to identify high-risk patients [HR 11.5 (1.55–86.06)]. Conclusion Changes in RV function and especially changes in 3D RV AS are of prognostic importance. Our study underlines that assessing such changes from baseline to follow-up is of additional prognostic value for PH patients. Clinical Trial Registration http://clinicaltrials.gov/ct2/show/NCT02799979

Published
2021

11. Deep learning‐based segmentation in prostate radiation therapy using Monte Carlo simulated cone‐beam CT

Author

Abbani, Nelly, Baudier, Thomas, Rit, Simon, Franco, Francesca Di, Okoli, Franklin, Jaouen, Vincent, Tilquin, Florian, Barateau, Anaïs, Simon, Antoine, de Crevoisier, Renaud, Bert, Julien, Sarrut, David, Imagerie Tomographique et Radiothérapie, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Laboratoire de Traitement de l'Information Medicale (LaTIM), Université de Brest (UBO)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre Hospitalier Régional Universitaire de Brest (CHRU Brest)-IMT Atlantique (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Institut Brestois Santé Agro Matière (IBSAM), Université de Brest (UBO), Département lmage et Traitement Information (IMT Atlantique - ITI), IMT Atlantique (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT), Laboratoire Traitement du Signal et de l'Image (LTSI), Université de Rennes (UR)-Institut National de la Santé et de la Recherche Médicale (INSERM), Grand Équipement National De Calcul Intensif, Agence Nationale de la Recherche, Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), and Rit, Simon

Subjects
prostate, segmentation, [INFO.INFO-IM] Computer Science [cs]/Medical Imaging, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, CBCT, cancer, deep learning, Monte Carlo simulation
Abstract

International audience

Published
2022

12. Deep Unfolding of Image Denoising by Quantum Interactive Patches

Author

Sayantan Dutta, Adrian Basarab, Bertrand Georgeot, Denis Kouame, CoMputational imagINg anD viSion (IRIT-MINDS), Institut de recherche en informatique de Toulouse (IRIT), Université Toulouse Capitole (UT Capitole), Université de Toulouse (UT)-Université de Toulouse (UT)-Université Toulouse - Jean Jaurès (UT2J), Université de Toulouse (UT)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université de Toulouse (UT)-Toulouse Mind & Brain Institut (TMBI), Université Toulouse - Jean Jaurès (UT2J), Université de Toulouse (UT)-Université de Toulouse (UT)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Université Toulouse Capitole (UT Capitole), Université de Toulouse (UT), Information et Chaos Quantiques (LPT), Laboratoire de Physique Théorique (LPT), Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Université de Toulouse (UT)-Centre National de la Recherche Scientifique (CNRS)-Fédération de recherche « Matière et interactions » (FeRMI), Institut National des Sciences Appliquées - Toulouse (INSA Toulouse), Institut National des Sciences Appliquées (INSA)-Université de Toulouse (UT)-Institut National des Sciences Appliquées (INSA)-Université de Toulouse (UT)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Centre National de la Recherche Scientifique (CNRS)-Institut National des Sciences Appliquées - Toulouse (INSA Toulouse), Institut National des Sciences Appliquées (INSA)-Université de Toulouse (UT)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Toulouse III - Paul Sabatier (UT3), Institut National des Sciences Appliquées (INSA)-Université de Toulouse (UT)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS), Imagerie Ultrasonore, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), and Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)

Subjects
quantum denoising, [SDV.MHEP.CSC]Life Sciences [q-bio]/Human health and pathology/Cardiology and cardiovascular system, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, deep learning, [PHYS.MECA.BIOM]Physics [physics]/Mechanics [physics]/Biomechanics [physics.med-ph], unfolding, quantum many-body interaction, quantum image processing
Abstract

International audience; In this paper, we propose a blueprint of a new deep network unfolding a baseline quantum mechanics-based adaptive denoising scheme (De-QuIP). Relying on the theory of quantum many-body physics, the De-QuIP architecture incorporates local patch similarity measures through a term akin to interaction in quantum physics. Our proposed deep network embeds both quantum interactions and other quantum concepts, mainly the Hamiltonian operator. The integration of these quantum tools brings a nonlocal structure to the proposed deep network that harnesses the power of the convolutional layers to enhance the adaptability of the model. Thus, recasting De-QuIP in the framework of a deep learning network while preserving the essence of the baseline structure is the main contribution of this work. Experiments conducted on the Gaussian denoising problem, chosen here for illustration purpose, over a large sample set demonstrate start-of-the-art performance of the proposed deep network, dubbed as Deep-De-QuIP hereafter. Based on the properties of De-QuIP, its intrinsic adaptive structure, Deep-De-QuIP network could be easily extended to other noise models.

Published
2022

13. JOINT DISENTANGLEMENT OF LABELS AND THEIR FEATURES WITH VAE

Author

Zou, Kaifeng, Faisan, Sylvain, Heitz, Fabrice, Valette, Sebastien, Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (ICube), École Nationale du Génie de l'Eau et de l'Environnement de Strasbourg (ENGEES)-Université de Strasbourg (UNISTRA)-Institut National des Sciences Appliquées - Strasbourg (INSA Strasbourg), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Institut National de Recherche en Informatique et en Automatique (Inria)-Les Hôpitaux Universitaires de Strasbourg (HUS)-Centre National de la Recherche Scientifique (CNRS)-Matériaux et Nanosciences Grand-Est (MNGE), Université de Strasbourg (UNISTRA)-Université de Haute-Alsace (UHA) Mulhouse - Colmar (Université de Haute-Alsace (UHA))-Institut National de la Santé et de la Recherche Médicale (INSERM)-Institut de Chimie du CNRS (INC)-Centre National de la Recherche Scientifique (CNRS)-Université de Strasbourg (UNISTRA)-Université de Haute-Alsace (UHA) Mulhouse - Colmar (Université de Haute-Alsace (UHA))-Institut National de la Santé et de la Recherche Médicale (INSERM)-Institut de Chimie du CNRS (INC)-Centre National de la Recherche Scientifique (CNRS)-Réseau nanophotonique et optique, Université de Strasbourg (UNISTRA)-Université de Haute-Alsace (UHA) Mulhouse - Colmar (Université de Haute-Alsace (UHA))-Centre National de la Recherche Scientifique (CNRS)-Université de Strasbourg (UNISTRA)-Centre National de la Recherche Scientifique (CNRS), Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Imagerie Tomographique et Radiothérapie, Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Valette, Sébastien, Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), and Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL)

Subjects
[INFO.INFO-TI] Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, [INFO.INFO-TS] Computer Science [cs]/Signal and Image Processing, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV]
Abstract

International audience; Most of previous semi-supervised methods that seek to obtain disentangled representations using variational autoencoders divide the latent representation into two components: the non-interpretable part and the disentangled part that explicitly models the factors of interest. With such models, features associated with high-level factors are not explicitly modeled, and they can either be lost, or at best entangled in the other latent variables, thus leading to bad disentanglement properties. To address this problem, we propose a novel conditional dependency structure where both the labels and their features belong to the latent space. We show using the CelebA dataset that the proposed model can learn meaningful representations, and we provide quantitative and qualitative comparisons with other approaches that show the effectiveness of the proposed method.

Published
2022

14. Learning 3D medical image keypoint descriptors with the triplet loss

Author

Sébastien Valette, Nicolas Loiseau–witon, Razmig Kéchichian, Adrien Bartoli, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM), Imagerie Tomographique et Radiothérapie, Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Modeling & analysis for medical imaging and Diagnosis (MYRIAD), Institut Pascal (IP), Centre National de la Recherche Scientifique (CNRS)-Université Clermont Auvergne (UCA)-Institut national polytechnique Clermont Auvergne (INP Clermont Auvergne), Université Clermont Auvergne (UCA)-Université Clermont Auvergne (UCA), Valette, Sébastien, Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), and ANR-19-CE45-0015,TOPACS,Traitement Ouvert de données PACS(2019)

Subjects
Databases, Factual, Matching (graph theory), Computer science, [INFO.INFO-IM] Computer Science [cs]/Medical Imaging, ComputingMethodologies_IMAGEPROCESSINGANDCOMPUTERVISION, Biomedical Engineering, Health Informatics, 02 engineering and technology, Convolutional neural network, Descriptors, Synthetic data, Image (mathematics), Imaging, Three-Dimensional, Triplet loss, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, 0202 electrical engineering, electronic engineering, information engineering, Medical imaging, Humans, Radiology, Nuclear Medicine and imaging, Convolution Neural Network, business.industry, Reproducibility of Results, 020207 software engineering, Pattern recognition, General Medicine, Keypoints, Computer Graphics and Computer-Aided Design, Computer Science Applications, High memory, ComputingMethodologies_PATTERNRECOGNITION, Benchmark (computing), 020201 artificial intelligence & image processing, Surgery, Computer Vision and Pattern Recognition, Affine transformation, Artificial intelligence, Tomography, X-Ray Computed, business, Algorithms
Abstract

International audience; Purpose: We propose to learn a 3D keypoint descriptor which we use to match keypoints extracted from full-body CT scans. Our methods are inspired by 2D keypoint descriptor learning, which was shown to outperform hand-crafted descriptors. Adapting these to 3D images is challenging because of the lack of labelled training data and high memory requirements.Method: We generate semi-synthetic training data. For that, we first estimate the distribution of local affine inter-subject transformations using labelled anatomical landmarks on a small subset of the database. We then sample a large number of transformations and warp unlabelled CT scans, for which we can subsequently establish reliable keypoint correspondences using guided matching. These correspondences serve as training data for our descriptor, which we represent by a CNN and train using the triplet loss with online triplet mining.Results: We carry out experiments on a synthetic data reliability benchmark and a registration task involving 20 CT volumes with anatomical landmarks used for evaluation purposes. Our learned descriptor outperforms the 3D-SURF descriptor on both benchmarks while having a similar runtime.Conclusion: We propose a new method to generate semi-synthetic data and a new learned 3D keypoint descriptor. Experiments show improvement compared to a hand-crafted descriptor. This is promising as literature has shown that jointly learning a detector and a descriptor gives further performance boost.

Published
2021

15. Coronary artery disease and revascularization associated with immune checkpoint blocker myocarditis: Report from an international registry

Author

Joseph Nowatzke, Paul Guedeney, Nicholas Palaskas, Lorenz Lehmann, Stephane Ederhy, Han Zhu, Jennifer Cautela, Sanjeev Francis, Pierre-Yves Courand, Anita Deswal, Steven M. Ewer, Mandar Aras, Dimitri Arangalage, Kambiz Ghafourian, Charlotte Fenioux, Daniel Finke, Giovanni Peretto, Vlad Zaha, Osnat Itzhaki Ben Zadok, Kazuko Tajiri, Nausheen Akhter, Joshua Levenson, Lauren Baldassarre, John Power, Shi Huang, Jean-Philippe Collet, Javid Moslehi, Joe-Elie Salem, Nazanin Aghel, Joachim Alexandre, Kazutaka Aonuma, Aarti H. Asnani, Juliane Behling, Mehmet Bilen, Wendy Bottinor, Eve Cariou, Johnny Chahine, Weiting Chan, Aman Chauhan, Max Cohen, Shanthini Crusz, Suran Fernando, Roberta Florido, Mauro Frigeri, Satoshi Fukushima, Elizabeth Gaughan, Benjamin P. Geisler, Lauren Gilstrap, Christian Grohe, Avirup Guha, Manhal Habib, Eva Haegler-Laube, Andrew Haydon, Salim Hayek, Andrew Hughes, Rysk Imai, Yumi Katsume, Hideki Kimura, Lily Koo Lin, Carrie Lenneman, Daryl Leong, Vicky Makker, Nicolas Martinez-Calle, Melissa Moey, Masahiro Mohri, Ryota Morimoto, Yoshinobu Moritoki, Anna Narezkina, Martin Nicol, Ajay Nooka, Olusola Orimoloye, Milan Patel, Michal Perl, Nicolas Piriou, Jayant K. Raikhelkar, Yasmin Raza, Anjali Rao, Sunil Reddy, Nobuhiko Seki, Karl Stangl, Andrew Stewart, Bryan Stringer, Balaji K. Tamarappoo, Yuichi Tamura, Frank Thuny, Sean Tierney, Romain Tresorier, Waqas Ullah, Jean-Jacques Von Hunolstein, Ellen Warner, Allison Weppler, Unité de Recherche sur les Maladies Cardiovasculaires, du Métabolisme et de la Nutrition = Research Unit on Cardiovascular and Metabolic Diseases (ICAN), Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Sorbonne Université (SU)-Institut de Cardiométabolisme et Nutrition = Institute of Cardiometabolism and Nutrition [CHU Pitié Salpêtrière] (IHU ICAN), CHU Pitié-Salpêtrière [AP-HP], Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Sorbonne Université (SU)-Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Sorbonne Université (SU)-CHU Pitié-Salpêtrière [AP-HP], Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Sorbonne Université (SU), Institut de cardiologie [CHU Pitié-Salpêtrière], Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Sorbonne Université (SU)-Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Sorbonne Université (SU), Universität Heidelberg [Heidelberg] = Heidelberg University, German Center for Cardiovascular Research (DZHK), Berlin Institute of Health (BIH), CHU Saint-Antoine [AP-HP], Groupe de REcherche en Cardio Oncologie (GRC 27 - GRECO), Sorbonne Université (SU), Centre recherche en CardioVasculaire et Nutrition = Center for CardioVascular and Nutrition research (C2VN), Aix Marseille Université (AMU)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon, Imagerie Ultrasonore, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), The University of Texas Medical School at Houston, University of Wisconsin-Madison, University of California [San Francisco] (UC San Francisco), University of California (UC), AP-HP - Hôpital Bichat - Claude Bernard [Paris], Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP), University of Heidelberg, Medical Faculty, Division of Endocrinology, Metabolism, and Diabetes, University of Utah, Unité de Recherche sur les Maladies Cardiovasculaires, du Métabolisme et de la Nutrition = Research Unit on Cardiovascular and Metabolic Diseases [IHU ICAN], Universität Heidelberg [Heidelberg], Service de Cardiologie [CHU Saint-Antoine], Groupe de REcherche en Cardio Oncologie [CHU Saint-Antoine] (GRC 27 GRECO), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), and Service de Pharmacologie médicale [CHU Pitié-Salpêtrière]

Subjects
Cancer Research, Coronary Artery Disease, Prognosis, Coronary revascularization, Myocarditis, Oncology, [SDV.MHEP.CSC]Life Sciences [q-bio]/Human health and pathology/Cardiology and cardiovascular system, Risk Factors, Immune-related adverse events, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, Humans, Registries, Immune checkpoint blockers, Acute coronary syndrome, [PHYS.MECA.BIOM]Physics [physics]/Mechanics [physics]/Biomechanics [physics.med-ph], Immune Checkpoint Inhibitors, Retrospective Studies
Abstract

International audience; Purpose: Immune checkpoint blocker (ICB) associated myocarditis (ICB-myocar-ditis) may present similarly and/or overlap with other cardiac pathology including acute cor-onary syndrome presenting a challenge for prompt clinical diagnosis.Methods: An international registry was used to retrospectively identify cases of ICB-myocarditis. Presence of coronary artery disease (CAD) was defined as coronary artery steno-sis >70% in patients undergoing coronary angiogram.Results: Among 261 patients with clinically suspected ICB-myocarditis who underwent a coro-nary angiography, CAD was present in 59/261 patients (22.6%). Coronary revascularization was performed during the index hospitalisation in 19/59 (32.2%) patients. Patients undergoing coro-nary revascularization less frequently received steroids administration within 24 h of admission compared to the other groups (p = 0.029). Myocarditis-related 90-day mortality was 9/17 (52.7%) in the revascularised cohort, compared to 5/31 (16.1%) in those not revascularized and 25/156 (16.0%) in those without CAD (p = 0.001). Immune-related adverse event-related 90-day mortality was 9/17 (52.7%) in the revascularized cohort, compared to 6/31 (19.4%) in those not revascularized and 31/156 (19.9%) in no CAD groups (p = 0.007). All-cause 90-day mortality was 11/17 (64.7%) in the revascularized cohort, compared to 13/31 (41.9%) in no revas-cularization and 60/158 (38.0%) in no CAD groups (p = 0.10). After adjustment of age and sex, coronary revascularization remained associated with ICB-myocarditis-related death at 90 days (hazard ratio [HR] = 4.03, 95% confidence interval [CI] 1.84-8.84, p < 0.001) and was margin-ally associated with all-cause death (HR = 1.88, 95% CI, 0.98-3.61, p = 0.057).Conclusion: CAD may exist concomitantly with ICB-myocarditis and may portend a poorer outcome when revascularization is performed. This is potentially mediated through delayed diag-nosis and treatment or more severe presentation of ICB-myocarditis.

Published
2022

16. Semi-automatic data annotation based on feature-space projection and local quality metrics: An application to cerebral emboli characterization

Author

Yamil Vindas, Blaise Kévin Guépié, Marilys Almar, Emmanuel Roux, Philippe Delachartre, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Université de Technologie de Troyes (UTT), Atys Medical, Imagerie Ultrasonore, and Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL)

Subjects
Radiological and Ultrasound Technology, [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, Noisy labels, Emboli characterization, Health Informatics, Data annotation, Computer Graphics and Computer-Aided Design, Stroke, Benchmarking, ComputingMethodologies_PATTERNRECOGNITION, [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, Intracranial Embolism, [SDV.MHEP.CSC]Life Sciences [q-bio]/Human health and pathology/Cardiology and cardiovascular system, Semi-supervised learning, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, Humans, Radiology, Nuclear Medicine and imaging, Computer Vision and Pattern Recognition, Supervised Machine Learning, [PHYS.MECA.BIOM]Physics [physics]/Mechanics [physics]/Biomechanics [physics.med-ph], [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, Algorithms, Data Curation
Abstract

International audience; We propose a semi-supervised learning approach to annotate a dataset with reduced requirements for manual annotation and with controlled annotation error. The method is based on feature-space projection and label propagation using local quality metrics. First, an auto-encoder extracts the features of the samples in an unsupervised manner. Then, the extracted features are projected by a t-distributed stochastic neighbor embedding algorithm into a two-dimensional (2D) space. A selection of the best 2D projection is introduced based on the silhouette score. The expert annotator uses the obtained 2D representation to manually label samples. Finally, the labels of the labeled samples are propagated to the unlabeled samples using a K-nearest neighbor strategy and local quality metrics. We compare our method against semi-supervised optimum-path forest and K-nearest neighbor label propagation (without considering local quality metrics). Our method achieves state-of-the-art results on three different datasets by labeling more than 96% of the samples with an annotation error from 7% to 17%. Additionally, our method allows to control the trade-off between annotation error and number of labeled samples. Moreover, we combine our method with robust loss functions to compensate for the label noise introduced by automatic label propagation. Our method allows to achieve similar, and even better, classification performances compared to those obtained using a fully manually labeled dataset, with up to 6% in terms of classification accuracy.

Published
2022

17. Practical and technical key challenges in head and neck adaptive radiotherapy: The GORTEC point of view

Author

Delaby, Nolwenn, Barateau, Anaïs, Chiavassa, Sophie, Biston, Marie-Claude, Chartier, Philippe, Graulières, Eliane, Guinement, Lucie, Huger, Sandrine, Lacornerie, Thomas, Millardet-Martin, Corinne, Sottiaux, Alain, Caron, Jérôme, Gensanne, David, Pointreau, Yoann, Coutte, Alexandre, Biau, Julian, Serre, Anne-Agathe, Castelli, Joel, Tomsej, Milan, Garcia, Robin, Khamphan, Catherine, Badey, Aurélien, Laboratoire Traitement du Signal et de l'Image (LTSI), Université de Rennes (UR)-Institut National de la Santé et de la Recherche Médicale (INSERM), CRLCC Eugène Marquis (CRLCC), Institut de Cancérologie de l'Ouest [Angers/Nantes] (UNICANCER/ICO), UNICANCER, Imagerie Tomographique et Radiothérapie, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Centre Léon Bérard [Lyon], Institut de Cancérologie de Lorraine - Alexis Vautrin [Nancy] (UNICANCER/ICL), Centre Hospitalier Régional Universitaire [Lille] (CHRU Lille), Physiopathogénèse et Traitement des Maladies du Foie, Hôpital Paul Brousse-Université Paris-Saclay, Equipe Quantification en Imagerie Fonctionnelle (QuantIF-LITIS), Laboratoire d'Informatique, du Traitement de l'Information et des Systèmes (LITIS), Université Le Havre Normandie (ULH), Normandie Université (NU)-Normandie Université (NU)-Université de Rouen Normandie (UNIROUEN), Normandie Université (NU)-Institut national des sciences appliquées Rouen Normandie (INSA Rouen Normandie), Institut National des Sciences Appliquées (INSA)-Normandie Université (NU)-Institut National des Sciences Appliquées (INSA)-Université Le Havre Normandie (ULH), Institut National des Sciences Appliquées (INSA)-Normandie Université (NU)-Institut National des Sciences Appliquées (INSA), Centre de Lutte Contre le Cancer Henri Becquerel Normandie Rouen (CLCC Henri Becquerel), Centre Jean Bernard [Institut Inter-régional de Cancérologie - Le Mans], CHU Amiens-Picardie, CHirurgie, IMagerie et REgénération tissulaire de l’extrémité céphalique - Caractérisation morphologique et fonctionnelle - UR UPJV 7516 (CHIMERE), Université de Picardie Jules Verne (UPJV), Imagerie Moléculaire et Stratégies Théranostiques (IMoST), Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Clermont Auvergne (UCA), CHU de Charleroi, and Institut Sainte Catherine [Avignon]

Subjects
Dose accumulation, Adaptive radiotherapy, Biophysics, General Physics and Astronomy, Radiology, Nuclear Medicine and imaging, Automatic segmentation, General Medicine, Head and neck cancer, Image registration, Quality assurance, [SDV.MHEP]Life Sciences [q-bio]/Human health and pathology, Workflow
Abstract

International audience; Anatomical variations occur during head and neck (H&N) radiotherapy (RT) treatment. These variations may result in underdosage to the target volume or overdosage to the organ at risk. Replanning during the treatment course can be triggered to overcome this issue. Due to technological, methodological and clinical evolutions, tools for adaptive RT (ART) are becoming increasingly sophisticated. The aim of this paper is to give an overview of the key steps of an H&N ART workflow and tools from the point of view of a group of French-speaking medical physicists and physicians (from GORTEC). Focuses are made on image registration, segmentation, estimation of the delivered dose of the day, workflow and quality assurance for an implementation of H&N offline and online ART. Practical recommendations are given to assist physicians and medical physicists in a clinical workflow.

Published
2023

18. Hyperspectral compressive microscopy based on structured light sheet and deep convolutionnal neural network

Author

Crombez, Sébastien, Exbrayat-Heritier, Chloé, Ruggiero, Florence, Ray, Cédric, Ducros, Nicolas, Optique non linéaire et interfaces (ONLI), Institut Lumière Matière [Villeurbanne] (ILM), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Centre National de la Recherche Scientifique (CNRS), Imagerie Tomographique et Radiothérapie, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Institut de Génomique Fonctionnelle de Lyon (IGFL), École normale supérieure de Lyon (ENS de Lyon)-Université Claude Bernard Lyon 1 (UCBL), and Université de Lyon-Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE)

Subjects
[PHYS]Physics [physics], Computational, Florescence microscopy, Image reconstruction, Beam sapping, Light sheet, Hyper-spectral, Neural networks
Abstract

International audience; We describe a compressive hyperspectral microscope based on a structured light sheet and a deep convolutional neural network. The setup extends the concept of the computational hyperspectral microscope introduced in Ref. 1. First, we significantly improve the quality of the structured light sheet using a digital micro-mirror device to generate the light patterns directly. Second, to reduce the acquisition time, only fewer light patterns are acquired. The resulting inverse problem is solved using a deep neural network that includes traditional Tikhonov regularization.

Published
2022

19. Prognostic significance of vascular and valvular calcifications in low- and high-gradient aortic stenosis

Author

Eric Durand, Nina Ghigo, Herve Liebgott, Géraud Souteyrand, Loic Boussel, Thierry Lefèvre, Pierre Lantelme, Hélène Eltchaninoff, Brahim Harbaoui, Pierre-Yves Courand, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Hospices Civils de Lyon (HCL), Modeling & analysis for medical imaging and Diagnosis (MYRIAD), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Image Science for Interventional Techniques (ISIT), Université d'Auvergne - Clermont-Ferrand I (UdA)-Clermont Université-Centre National de la Recherche Scientifique (CNRS), Pharmacologie des Dysfonctionnements Endotheliaux et Myocardiques, Université de Rouen Normandie (UNIROUEN), Normandie Université (NU)-Normandie Université (NU)-Institut National de la Santé et de la Recherche Médicale (INSERM), Hôpital Charles Nicolle [Rouen], CHU Rouen, Normandie Université (NU)-Normandie Université (NU), Ramsay Santé, Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), and Liebgott, Hervé

Subjects
medicine.medical_specialty, aortic stiffness, [SDV]Life Sciences [q-bio], Renal function, TAVR, 030204 cardiovascular system & hematology, Severity of Illness Index, Ventricular Function, Left, Transcatheter Aortic Valve Replacement, TAVI, Coronary artery disease, 03 medical and health sciences, 0302 clinical medicine, Risk Factors, Internal medicine, Atrial Fibrillation, medicine, Humans, Radiology, Nuclear Medicine and imaging, 030212 general & internal medicine, Retrospective Studies, Ejection fraction, business.industry, Hazard ratio, vascular stiffness, Stroke Volume, Atrial fibrillation, Aortic Valve Stenosis, General Medicine, Prognosis, medicine.disease, outcome, Confidence interval, [SDV] Life Sciences [q-bio], Stenosis, Treatment Outcome, Aortic Valve, cardiovascular system, Cardiology, Aortic stiffness, Cardiology and Cardiovascular Medicine, business
Abstract

Aims In low-gradient aortic stenosis (LGAS), the high valvulo-arterial impedance observed despite low valvular gradient suggests a high vascular load. Thoracic aortic calcifications (TACs) and valvular aortic calcifications (VACs) are, respectively, surrogates of aortic load and aortic valvular gradient. The aim of this study was to compare the respective contributions of TAC and VAC on 3-year cardiovascular (CV) mortality following TAVI in LGAS vs. high-gradient aortic stenosis (HGAS) patients. Methods and results A total of 1396 consecutive patients were included. TAC and VAC were measured on the pre-TAVI CT-scan. About 435 (31.2%) patients had LGAS and 961 (68.8%) HGAS. LGAS patients were more prone to have diabetes, coronary artery disease (CAD), atrial fibrillation (AF), and lower left ventricular ejection fraction (LVEF), P Conclusion TAC plays a major prognostic role in LGAS while VAC remains the key in HGAS patients. This confirms that LGAS is a complex vascular and valvular disease.

Published
2021

20. MRI characteristics of MOG-Ab associated disease in adults: An update

Author

F. Durand-Dubief, Mikael Cohen, François Cotton, Elisabeth Maillart, Natalia Shor, Romain Marignier, Bertrand Bourre, Xavier Ayrignac, A Cobo Calvo, David-Axel Laplaud, C. Papeix, Kumaran Deiva, Jonathan Ciron, Nicolas Collongues, Bertrand Audoin, Hélène Zéphir, Romain Deschamps, Sandra Vukusic, Aurélie Ruet, Sorbonne Université - Faculté de Médecine (SU FM), Sorbonne Université (SU), Hôpital de la Fondation Ophtalmologique Adolphe de Rothschild [AP-HP], Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP), Centre de Référence des Maladies Inflammatoires Rares du Cerveau et de la Moelle (MIRCEM), CHU Pitié-Salpêtrière [AP-HP], Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Sorbonne Université (SU), Centre de résonance magnétique biologique et médicale (CRMBM), Aix Marseille Université (AMU)-Assistance Publique - Hôpitaux de Marseille (APHM)-Centre National de la Recherche Scientifique (CNRS), Centre Hospitalier Universitaire de Toulouse (CHU Toulouse), i-SEP (i-SEP), Hôpital neurologique et neurochirurgical Pierre Wertheimer [CHU - HCL], Hospices Civils de Lyon (HCL), RMN et optique : De la mesure au biomarqueur, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Neurocentre Magendie : Physiopathologie de la Plasticité Neuronale (U1215 Inserm - UB), Université de Bordeaux (UB)-Institut François Magendie-Institut National de la Santé et de la Recherche Médicale (INSERM), CHU Bordeaux [Bordeaux], Département de neurologie [Montpellier], Université Montpellier 1 (UM1)-Centre Hospitalier Régional Universitaire [Montpellier] (CHRU Montpellier)-Hôpital Gui de Chauliac [CHU Montpellier], Centre Hospitalier Régional Universitaire [Montpellier] (CHRU Montpellier)-Université de Montpellier (UM), Harvard Medical School [Boston] (HMS), Rutgers New Jersey Medical School (NJMS), Rutgers University System (Rutgers), Centre hospitalier universitaire de Nantes (CHU Nantes), Infectious Diseases Models for Innovative Therapies (IDMIT), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay, CHU Rouen, Normandie Université (NU), Assistance Publique - Hôpitaux de Marseille (APHM), CHU Strasbourg, Centre de recherche en neurosciences de Lyon - Lyon Neuroscience Research Center (CRNL), Université de Lyon-Université de Lyon-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Université de Lyon, the NOMADMUS study group, and Université Montpellier 1 (UM1)-Centre Hospitalier Régional Universitaire [Montpellier] (CHRU Montpellier)-Hôpital Gui de Chauliac [Montpellier]-Université de Montpellier (UM)

Subjects
Adult, Pathology, medicine.medical_specialty, [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, Myelitis, Optic neuritis, Disease, Imaging, Myelin oligodendrocyte glycoprotein, 03 medical and health sciences, 0302 clinical medicine, medicine, Humans, Myelin Oligodendrocyte Glycoprotein, 030212 general & internal medicine, Autoantibodies, Aquaporin 4, Neuromyelitis optica, medicine.diagnostic_test, biology, business.industry, Multiple sclerosis, Neuromyelitis Optica, Magnetic resonance imaging, medicine.disease, Magnetic Resonance Imaging, Neurology, biology.protein, Myelin-Oligodendrocyte Glycoprotein, Neurology (clinical), Differential diagnosis, business, Aquaporin-4, 030217 neurology & neurosurgery
Abstract

International audience; Our knowledge of the radiological spectrum of myelin oligodendrocyte glycoprotein antibody associated disease (MOGAD) is growing rapidly. An update on the radiological features of the disease, and its evolution is thus necessary. Magnetic resonance imaging (MRI) has an increasingly important role in the differential diagnosis of MOGAD particularly from aquaporin-4 antibody-positive neuromyelitis optica spectrum disorder (AQP4-NMOSD), and multiple sclerosis (MS). Differentiating these conditions is of prime importance because the management is different between the three inflammatory diseases, and thus could prevent further attack-related disability. Therefore, identifying the MRI features suggestive of MOGAD has diagnostic and prognostic implications. We herein review optic nerve, spinal cord and the brain MRI findings from MOGAD adult patients, and compare them to AQP4-NMOSD and MS.

Published
2021

21. Evaluation of GATE‐RTion (GATE/Geant4) Monte Carlo simulation settings for proton pencil beam scanning quality assurance

Author

Susanna Guatelli, Michael Taylor, David Boersma, A. Aitkenhead, Carla Winterhalter, L. Grevillot, Peter Sitch, A. Resch, Marie Vidal, David Sarrut, Karen J. Kirkby, Vladimir Ivanchenko, Ranald I Mackay, Lydia Maigne, A. Elia, Division of Cancer Sciences, University of Manchester [Manchester], The Christie NHS Foundation Trust, Austrian Center for Mediacl Innovation and Technology [Wiener Neustadt] (ACMIT), Austrian Center for Mediacl Innovation and Technology, EBG MedAustron GmbH, Centre for Medical Radiation Physics, University of Wollongong [Australia], Laboratoire de Physique de Clermont (LPC), Institut National de Physique Nucléaire et de Physique des Particules du CNRS (IN2P3)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), European Organization for Nuclear Research (CERN), Tomsk State University [Tomsk], Medizinische Universität Wien = Medical University of Vienna, Imagerie Tomographique et Radiothérapie, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Centre de Lutte contre le Cancer Antoine Lacassagne [Nice] (UNICANCER/CAL), UNICANCER-Université Côte d'Azur (UCA), Centre National de la Recherche Scientifique (CNRS)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Institut National de Physique Nucléaire et de Physique des Particules du CNRS (IN2P3), Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), and Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)

Subjects
Monte Carlo method, Geant4, dose calculation, Imaging phantom, 030218 nuclear medicine & medical imaging, 03 medical and health sciences, 0302 clinical medicine, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, Proton Therapy, Range (statistics), proton pencil beam scanning therapy, Humans, Computer Simulation, Radiometry, Pencil-beam scanning, Monte Carlo, Proton therapy, Physics, business.industry, Radiotherapy Planning, Computer-Assisted, Radiotherapy Dosage, General Medicine, GATE-RTion, [INFO.INFO-MO]Computer Science [cs]/Modeling and Simulation, Computational physics, 030220 oncology & carcinogenesis, Tomography, Protons, business, Monte Carlo Method, Quality assurance, Beam (structure)
Abstract

International audience; Purpose: Geant4 is a multi-purpose Monte Carlo simulation tool for modeling particle transport in matter. It provides a wide range of settings, which the user may optimize for their specific application. This study investigates GATE/Geant4 parameter settings for proton pencil beam scanning therapy.Methods: GATE8.1/Geant4.10.3.p03 (matching the versions used in GATE-RTion1.0) simulations were performed with a set of prebuilt Geant4 physics lists (QGSP_BIC, QGSP_BIC_EMY, QGSP_BIC_EMZ, QGSP_BIC_HP_EMZ), using 0.1mm-10mm as production cuts on secondary particles (electrons, photons, positrons) and varying the maximum step size of protons (0.1mm, 1mm, none). The results of the simulations were compared to measurement data taken during clinical patient specific quality assurance at The Christie NHS Foundation Trust pencil beam scanning proton therapy facility. Additionally, the influence of simulation settings was quantified in a realistic patient anatomy based on computer tomography (CT) scans.Results: When comparing the different physics lists, only the results (ranges in water) obtained with QGSP_BIC (G4EMStandardPhysics_Option0) depend on the maximum step size. There is clinically negligible difference in the target region when using High Precision neutron models (HP) for dose calculations. The EMZ electromagnetic constructor provides a closer agreement (within 0.35 mm) to measured beam sizes in air, but yields up to 20% longer execution times compared to the EMY electromagnetic constructor (maximum beam size difference 0.79 mm). The impact of this on patient-specific quality assurance simulations is clinically negligible, with a 97% average 2%/2 mm gamma pass rate for both physics lists. However, when considering the CT-based patient model, dose deviations up to 2.4% are observed. Production cuts do not substantially influence dosimetric results in solid water, but lead to dose differences of up to 4.1% in the patient CT. Small (compared to voxel size) production cuts increase execution times by factors of 5 (solid water) and 2 (patient CT).Conclusions: Taking both efficiency and dose accuracy into account and considering voxel sizes with 2 mm linear size, the authors recommend the following Geant4 settings to simulate patient specific quality assurance measurements: No step limiter on proton tracks; production cuts of 1 mm for electrons, photons and positrons (in the phantom and range-shifter) and 10 mm (world); best agreement to measurement data was found for QGSP_BIC_EMZ reference physics list at the cost of 20% increased execution times compared to QGSP_BIC_EMY. For simulations considering the patient CT model, the following settings are recommended: No step limiter on proton tracks; production cuts of 1 mm for electrons, photons and positrons (phantom/range-shifter) and 10 mm (world) if the goal is to achieve sufficient dosimetric accuracy to ensure that a plan is clinically safe; or 0.1 mm (phantom/range-shifter) and 1 mm (world) if higher dosimetric accuracy is needed (increasing execution times by a factor of 2); most accurate results expected for QGSP_BIC_EMZ reference physics list, at the cost of 10-20% increased execution times compared to QGSP_BIC_EMY.

Published
2020

22. Editorial for 'Impact of Temporal Resolution and Methods for Correction on Cardiovascular Magnetic Resonance Perfusion Quantification'

Author

Stanislas Rapacchi, Magalie Viallon, Pierre Croisille, Centre de résonance magnétique biologique et médicale (CRMBM), Aix Marseille Université (AMU)-Assistance Publique - Hôpitaux de Marseille (APHM)-Centre National de la Recherche Scientifique (CNRS), Centre Hospitalier Universitaire de Saint-Etienne [CHU Saint-Etienne] (CHU ST-E), RMN et optique : De la mesure au biomarqueur, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Hôpital Louis Pradel, and Hospices Civils de Lyon (HCL)

Subjects
[SDV.MHEP.CSC]Life Sciences [q-bio]/Human health and pathology/Cardiology and cardiovascular system, [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, [PHYS.PHYS.PHYS-MED-PH]Physics [physics]/Physics [physics]/Medical Physics [physics.med-ph], Radiology, Nuclear Medicine and imaging
Abstract

International audience; Cardiac perfusion MRI is proving to be a valuable noninvasive assessment tool in the armamentarium for patients with suspected coronary artery disease or microvascular disease, both for initial diagnosis and for follow-up to therapeutic decision. In particular, it has recently been shown to be comparable and more cost-effective than invasive fractional flow reserve for therapeutic guidance of patients with suspected CAD 1. This is especially true since the long-awaited results of the ISCHEMIA study challenge invasive management of coronary artery disease and demonstrate the value of optimal medical treatment 2. The Orbita study also masterfully demonstrated that an invasive approach is not the ultimate solution to propose to symptomatic coronary patients 3. In this context of decreasing radicality and slowing down of the therapeutic approach with an increasing role of an optimized medical approach, it is clear that dynamic cardiac perfusion MRI with contrast imaging therefore promises to become the cornerstone of regular follow-up that will be proposed in future guidelines.

Published
2022

23. Clinical Imaging of the Penumbra in Ischemic Stroke: From the Concept to the Era of Mechanical Thrombectomy

Author

Lucie Chalet, Timothé Boutelier, Thomas Christen, Dorian Raguenes, Justine Debatisse, Omer Faruk Eker, Guillaume Becker, Norbert Nighoghossian, Tae-Hee Cho, Emmanuelle Canet-Soulas, Laura Mechtouff, Cardiovasculaire, métabolisme, diabétologie et nutrition (CarMeN), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Hospices Civils de Lyon (HCL)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE), Olea Medical [La Ciotat], Groupe d'imagerie neurofonctionnelle (GIN), Institut des Maladies Neurodégénératives [Bordeaux] (IMN), Université de Bordeaux (UB)-Centre National de la Recherche Scientifique (CNRS)-Université de Bordeaux (UB)-Centre National de la Recherche Scientifique (CNRS)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Service de neuroradiologie [Lyon], Hôpital neurologique et neurochirurgical Pierre Wertheimer [CHU - HCL], Hospices Civils de Lyon (HCL)-Hospices Civils de Lyon (HCL), Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Modeling & analysis for medical imaging and Diagnosis (MYRIAD), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Hospices Civils de Lyon (HCL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), and CarMeN, laboratoire

Subjects
[SDV] Life Sciences [q-bio], ischemic thresholds, PET, thrombolysis, thrombectomy, [SDV]Life Sciences [q-bio], cerebral metabolic rate of oxygen, penumbra, Cardiology and Cardiovascular Medicine, MRI
Abstract

The ischemic penumbra is defined as the severely hypoperfused, functionally impaired, at-risk but not yet infarcted tissue that will be progressively recruited into the infarct core. Early reperfusion aims to save the ischemic penumbra by preventing infarct core expansion and is the mainstay of acute ischemic stroke therapy. Intravenous thrombolysis and mechanical thrombectomy for selected patients with large vessel occlusion has been shown to improve functional outcome. Given the varying speed of infarct core progression among individuals, a therapeutic window tailored to each patient has recently been proposed. Recent studies have demonstrated that reperfusion therapies are beneficial in patients with a persistent ischemic penumbra, beyond conventional time windows. As a result, mapping the penumbra has become crucial in emergency settings for guiding personalized therapy. The penumbra was first characterized as an area with a reduced cerebral blood flow, increased oxygen extraction fraction and preserved cerebral metabolic rate of oxygen using positron emission tomography (PET) with radiolabeled O2. Because this imaging method is not feasible in an acute clinical setting, the magnetic resonance imaging (MRI) mismatch between perfusion-weighted imaging and diffusion-weighted imaging, as well as computed tomography perfusion have been proposed as surrogate markers to identify the penumbra in acute ischemic stroke patients. Transversal studies comparing PET and MRI or using longitudinal assessment of a limited sample of patients have been used to define perfusion thresholds. However, in the era of mechanical thrombectomy, these thresholds are debatable. Using various MRI methods, the original penumbra definition has recently gained a significant interest. The aim of this review is to provide an overview of the evolution of the ischemic penumbra imaging methods, including their respective strengths and limitations, as well as to map the current intellectual structure of the field using bibliometric analysis and explore future directions.

Published
2022

24. Microscopie compressive hyperspectrale par feuillet de lumière structurée

Author

Crombez, Sébastien, Exbrayat-Heritier, Chloé, Ruggiero, Florence, Ray, Cédric, Ducros, Nicolas, crombez, sebastien, Optique non linéaire et interfaces (ONLI), Institut Lumière Matière [Villeurbanne] (ILM), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Centre National de la Recherche Scientifique (CNRS), Imagerie Tomographique et Radiothérapie, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Institut de Génomique Fonctionnelle de Lyon (IGFL), École normale supérieure - Lyon (ENS Lyon)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), and École normale supérieure de Lyon (ENS de Lyon)-Université Claude Bernard Lyon 1 (UCBL)

Subjects
[PHYS]Physics [physics], ComputingMilieux_MISCELLANEOUS, [PHYS] Physics [physics]
Abstract

International audience

Published
2022

25. Safety and efficacy of prophylactic levetiracetam for prevention of epileptic seizures in the acute phase of intracerebral haemorrhage (PEACH): a randomised, double-blind, placebo-controlled, phase 3 trial

Author

Laure Peter-Derex, Frédéric Philippeau, Pierre Garnier, Nathalie André-Obadia, Sébastien Boulogne, Hélène Catenoix, Philippe Convers, Laure Mazzola, Michel Gouttard, Maud Esteban, Julia Fontaine, Laura Mechtouff, Elodie Ong, Tae-Hee Cho, Norbert Nighoghossian, Nathalie Perreton, Anne Termoz, Julie Haesebaert, Anne-Marie Schott, Muriel Rabilloud, Christine Pivot, Carole Dhelens, Andrea Filip, Yves Berthezène, Sylvain Rheims, Florent Boutitie, Laurent Derex, CarMeN, laboratoire, Centre de recherche en neurosciences de Lyon - Lyon Neuroscience Research Center (CRNL), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Hôpital de la Croix-Rousse [CHU - HCL], Hospices Civils de Lyon (HCL), Centre Hospitalier Fleyriat [Bourg en Bresse], CHU Saint-Etienne, Service de neurologie fonctionnelle et d'épileptologie [Hôpital Pierre Wertheimer-HCL], Hôpital neurologique et neurochirurgical Pierre Wertheimer [CHU - HCL], Hospices Civils de Lyon (HCL)-Hospices Civils de Lyon (HCL), Cardiovasculaire, métabolisme, diabétologie et nutrition (CarMeN), Université de Lyon-Université de Lyon-Hospices Civils de Lyon (HCL)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE), Research on Healthcare Performance (RESHAPE - Inserm U1290 - UCBL1), Université de Lyon-Université de Lyon-Institut National de la Santé et de la Recherche Médicale (INSERM), Pôle de Santé Publique [Lyon], Laboratoire de Biométrie et Biologie Evolutive - UMR 5558 (LBBE), Université de Lyon-Université de Lyon-Institut National de Recherche en Informatique et en Automatique (Inria)-VetAgro Sup - Institut national d'enseignement supérieur et de recherche en alimentation, santé animale, sciences agronomiques et de l'environnement (VAS)-Centre National de la Recherche Scientifique (CNRS), Hôpital Edouard Herriot [CHU - HCL], Modeling & analysis for medical imaging and Diagnosis (MYRIAD), Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Centre Hospitalier Universitaire de Saint-Etienne [CHU Saint-Etienne] (CHU ST-E), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), and Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)

Subjects
Stroke, [SDV] Life Sciences [q-bio], Epilepsy, Levetiracetam, Treatment Outcome, Seizures, [SDV]Life Sciences [q-bio], Humans, Neurology (clinical), United States, Cerebral Hemorrhage
Abstract

International audience; BACKGROUND: The incidence of early seizures (occurring within 7 days of stroke onset) after intracerebral haemorrhage reaches 30% when subclinical seizures are diagnosed by continuous EEG. Early seizures might be associated with haematoma expansion and worse neurological outcomes. Current guidelines do not recommend prophylactic antiseizure treatment in this setting. We aimed to assess whether prophylactic levetiracetam would reduce the risk of acute seizures in patients with intracerebral haemorrhage. METHODS: The double-blind, randomised, placebo-controlled, phase 3 PEACH trial was conducted at three stroke units in France. Patients (aged 18 years or older) who presented with a non-traumatic intracerebral haemorrhage within 24 h after onset were randomly assigned (1:1) to levetiracetam (intravenous 500 mg every 12 h) or matching placebo. Randomisation was done with a web-based system and stratified by centre and National Institutes of Health Stroke Scale (NIHSS) score at baseline. Treatment was continued for 6 weeks. Continuous EEG was started within 24 h after inclusion and recorded over 48 h. The primary endpoint was the occurrence of at least one clinical seizure within 72 h of inclusion or at least one electrographic seizure recorded on continuous EEG, analysed in the modified intention-to-treat population, which comprised all patients who were randomly assigned to treatment and who had a continuous EEG performed. This trial was registered at ClinicalTrials.gov, NCT02631759, and is now closed. Recruitment was prematurely stopped after 48% of the recruitment target was reached due to a low recruitment rate and cessation of funding. FINDINGS: Between June 1, 2017, and April 14, 2020, 50 patients with mild-to-moderate severity intracerebral haemorrhage were included: 24 were assigned to levetiracetam and 26 to placebo. During the first 72 h, a clinical or electrographic seizure was observed in three (16%) of 19 patients in the levetiracetam group versus ten (43%) of 23 patients in the placebo group (odds ratio 0·16, 95% CI 0·03-0·94, p=0·043). All seizures in the first 72 h were electrographic seizures only. No difference in depression or anxiety reporting was observed between the groups at 1 month or 3 months. Depression was recorded in three (13%) patients who received levetiracetam versus four (15%) patients who received placebo, and anxiety was reported for two (8%) patients versus one (4%) patient. The most common treatment-emergent adverse events in the levetiracetam group versus the placebo group were headache (nine [39%] vs six [24%]), pain (three [13%] vs ten [40%]), and falls (seven [30%] vs four [16%]). The most frequent serious adverse events were neurological deterioration due to the intracerebral haemorrhage (one [4%] vs four [16%]) and severe pneumonia (two [9%] vs two [8%]). No treatment-related death was reported in either group. INTERPRETATION: Levetiracetam might be effective in preventing acute seizures in intracerebral haemorrhage. Larger studies are needed to determine whether seizure prophylaxis improves functional outcome in patients with intracerebral haemorrhage. FUNDING: French Ministry of Health.

Published
2022

26. Integrating EGI Check-in the Virtual Imaging Platform

Author

Cornier, Alexandre, Pop, Sorina, Bonnet, Axel, Fernández, Enol, Ardizzone, Valeria, POP, Sorina, Service Informatique et développements, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Images et Modèles (I&M), Laboratoire d'Informatique et Systèmes (LIS), Aix Marseille Université (AMU)-Université de Toulon (UTLN)-Centre National de la Recherche Scientifique (CNRS)-Aix Marseille Université (AMU)-Université de Toulon (UTLN)-Centre National de la Recherche Scientifique (CNRS), EGI Foundation, Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), and Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)

Subjects
[INFO]Computer Science [cs], [INFO] Computer Science [cs], ComputingMilieux_MISCELLANEOUS
Abstract

International audience

Published
2022

27. Spectral photon-counting CT imaging of colorectal peritoneal metastases: initial experience in rats

Author

Vahan Kepenekian, Philippe Douek, Pascal Rousset, Pierre-Emmanuel Bonnot, Loic Boussel, Salim Si-Mohamed, Arnaud Thivolet, Christophe Blanchet, Bodescot, Myriam, In Vivo Spectral Photon Counting CT Molecular Imaging in Cardio- and Neuro-Vascular Diseases - SPCCT - - H20202016-01-01 - 2019-12-31 - 668142 - VALID, Radiology Department [Lyon], Hospices Civils de Lyon (HCL), Ciblage thérapeutique en Oncologie (EA3738), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon, Université de Lyon, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Surgical Department [Lyon], Pathology Department [Lyon], Modeling & analysis for medical imaging and Diagnosis (MYRIAD), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), This work was supported by European Union Horizon 2020 grant No 668142, France Life Imaging (FLI)., European Project: 668142,H2020,H2020-PHC-2015-two-stage,SPCCT(2016), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), and Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL)

Subjects
0301 basic medicine, Male, [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, Gadolinium, chemistry.chemical_element, Contrast Media, lcsh:Medicine, [SDV.CAN]Life Sciences [q-bio]/Cancer, Sensitivity and Specificity, Article, 03 medical and health sciences, 0302 clinical medicine, [SDV.CAN] Life Sciences [q-bio]/Cancer, Cell Line, Tumor, Distribution (pharmacology), Medicine, Animals, Cancer models, lcsh:Science, Peritoneal Neoplasms, Photons, Multidisciplinary, business.industry, Significant difference, Contrast resolution, lcsh:R, Rats, Inbred Strains, [SDV.MHEP.HEG]Life Sciences [q-bio]/Human health and pathology/Hépatology and Gastroenterology, Colorectal cancer, Photon counting, [SDV.MHEP.HEG] Life Sciences [q-bio]/Human health and pathology/Hépatology and Gastroenterology, Disease Models, Animal, 030104 developmental biology, [SDV.IB.IMA] Life Sciences [q-bio]/Bioengineering/Imaging, chemistry, Preclinical research, Surgical oncology, Immunohistochemistry, Cancer imaging, lcsh:Q, Tomography, Ct imaging, business, Nuclear medicine, Colorectal Neoplasms, Tomography, X-Ray Computed, 030217 neurology & neurosurgery, Neoplasm Transplantation
Abstract

Computed tomography imaging plays a major role in the preoperative assessment of tumor burden by providing an accurate mapping of the distribution of peritoneal metastases (PM). Spectral Photon Counting Computed Tomography (SPCCT) is an innovative imaging modality that could overcome the current limitations of conventional CT, offering not only better spatial resolution but also better contrast resolution by allowing the discrimination of multiple contrast agents. Based on this capability, we tested the feasibility of SPCCT in the detection of PM at different time of tumor growth in 16 rats inoculated with CC531 cells using dual-contrast injection protocols in two compartments (i.e. intravenous iodine and intraperitoneal gadolinium or the reverse protocol), compared to surgery. For all peritoneal regions and for both protocols, sensitivity was 69%, specificity was 100% and accuracy was 80%, and the correlation with surgical exploration was strong (p = 0.97; p = 0.0001). No significant difference was found in terms of diagnostic performance, quality of peritoneal opacification or diagnostic quality between the 2 injection protocols. We also showed poor vascularization of peritoneal metastases by measuring low concentrations of contrast agent in the largest lesions using SPCCT, which was confirmed by immunohistochemical analyses. In conclusion, SPCCT using dual-contrast agent injection protocols in 2 compartments is a promising imaging modality to assess the extent of PM in a rat model.

Published
2020

28. Scatter Correction for Spectral CT Using a Primary Modulator Mask

Author

Joachim Tabary, Jean Michel Létang, Clarisse Fournier, Odran Pivot, Simon Rit, Commissariat à l'énergie atomique et aux énergies alternatives - Laboratoire d'Electronique et de Technologie de l'Information (CEA-LETI), Direction de Recherche Technologique (CEA) (DRT (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Imagerie Tomographique et Radiothérapie, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Rit, Simon, Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), and Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)

Subjects
Statistical noise, media_common.quotation_subject, [INFO.INFO-IM] Computer Science [cs]/Medical Imaging, Scatter correction, Radiation, 030218 nuclear medicine & medical imaging, Spectral CT, 03 medical and health sciences, Matrix (mathematics), 0302 clinical medicine, Optics, Approximation error, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, Scattering, Radiation, Contrast (vision), Electrical and Electronic Engineering, media_common, Physics, Photons, Radiological and Ultrasound Technology, Phantoms, Imaging, business.industry, Primary modulator mask, Detector, Function (mathematics), Photon counting, Computer Science Applications, Photon counting detectors, Artifacts, Tomography, X-Ray Computed, business, Algorithms, Software
Abstract

International audience; The problem of scattered radiation correction in computed tomography (CT) is well known because scatter induces a bias, a loss of contrast and artifacts. Numerous strategies have been proposed in conventional CT (using energy-integrating detectors) but the problem is still open in the field of spectral CT, a new imaging technique based on energy-selective photon counting detectors. The aim of the present study is to introduce a scatter correction method adapted to multi-energy imaging and based on the use of a primary modulator mask. The main contributions are a correction matrix, which compensates for the effect of the mask, a scatter model based on B-splines and a cost function based on the mask structures and robust to the object structures. The performances of the method have been evaluated on both simulated and experimental data. The mean relative error was reduced from 20% in the lower energy-bins without correction to 4% with the proposed technique, which is close to the error caused by statistical noise.

Published
2020

29. Neuropsychological and neuroanatomical phenotype in 17 patients with cystinosis

Author

Curie, A., Touil, N., Gaillard, S., Galanaud, D., Leboucq, N., Deschênes, G., Morin, D., Abad, F., Luauté, J., Bodenan, E., Roche, L., Acquaviva, C., Vianey-Saban, C., Cochat, P., Cotton, F., Bertholet-Thomas, A., Laboratoire sur le langage, le cerveau et la cognition (L2C2), École normale supérieure - Lyon (ENS Lyon)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon, Institut de Recherche en Horticulture et Semences (IRHS), Université d'Angers (UA)-AGROCAMPUS OUEST, Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE), Neuroradiologie [Hôpital Gui de Chauliac], Hôpital Gui de Chauliac [Montpellier], Centre Hospitalier Régional Universitaire [Montpellier] (CHRU Montpellier), Hôpital Robert Debré Paris, Hôpital Robert Debré, Structural Impact Laboratory (SIMLab), Centre for Research-based Innovation (CRI), Norwegian University of Science and Technology [Trondheim] (NTNU), Norwegian University of Science and Technology (NTNU)-Norwegian University of Science and Technology (NTNU), Hôpital Henry Gabrielle [CHU - HCL], Hospices Civils de Lyon (HCL), Laboratoire de Biométrie et Biologie Evolutive - UMR 5558 (LBBE), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National de Recherche en Informatique et en Automatique (Inria)-VetAgro Sup - Institut national d'enseignement supérieur et de recherche en alimentation, santé animale, sciences agronomiques et de l'environnement (VAS)-Centre National de la Recherche Scientifique (CNRS), Maladies Héréditaires du Métabolisme, Centre de Biologie et pathologie Est, Institut de biologie et chimie des protéines [Lyon] (IBCP), Université de Lyon-Université de Lyon-Centre National de la Recherche Scientifique (CNRS), Service de néphrologie, rhumatologie et dermatologie pédiatriques [Hôpital Femme Mère Enfant, HCL], Hospices Civils de Lyon (HCL)-Hôpital Mère Enfant, RMN et optique : De la mesure au biomarqueur, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Hospital Clinical Research Program, École normale supérieure de Lyon (ENS de Lyon)-Université Claude Bernard Lyon 1 (UCBL), Université d'Angers (UA)-Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE)-INSTITUT AGRO Agrocampus Ouest, Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro), Hôpital Gui de Chauliac [CHU Montpellier], Centre Hospitalier Régional Universitaire [Montpellier] (CHRU Montpellier)-Centre Hospitalier Régional Universitaire [Montpellier] (CHRU Montpellier), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), and Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)

Subjects
Intelligence Tests, [SDV.MHEP.ME]Life Sciences [q-bio]/Human health and pathology/Emerging diseases, Adolescent, Research, [SDV]Life Sciences [q-bio], Intelligence, Cystinosis, lcsh:R, Neuropsychological profile, lcsh:Medicine, Neuroimaging, Neuropsychological Tests, Phenotype, [SDV.MHEP.AHA]Life Sciences [q-bio]/Human health and pathology/Tissues and Organs [q-bio.TO], Humans, Child, [SDV.MHEP]Life Sciences [q-bio]/Human health and pathology
Abstract

Background Cystinosis is a rare autosomal recessive disorder caused by intracellular cystine accumulation. Proximal tubulopathy (Fanconi syndrome) is one of the first signs, leading to end-stage renal disease between the age of 12 and 16. Other symptoms occur later and encompass endocrinopathies, distal myopathy and deterioration of the central nervous system. Treatment with cysteamine if started early can delay the progression of the disease. Little is known about the neurological impairment which occurs later. The goal of the present study was to find a possible neuroanatomical dysmorphic pattern that could help to explain the cognitive profile of cystinosis patients. We also performed a detailed review of the literature on neurocognitive complications associated with cystinosis. Methods 17 patients (mean age = 17.6 years, [5.4–33.3]) with cystinosis were included in the study. Neuropsychological assessment was performed including intelligence (Intelligence Quotient (IQ) with Wechsler’s scale), memory (Children Memory Scale and Wechsler Memory Scale), visuo-spatial (Rey’s figure test) and visuo-perceptual skills assessments. Structural brain MRI (3 T) was also performed in 16 out of 17 patients, with high resolution 3D T1-weighted, 3D FLAIR and spectroscopy sequences. Results Intellectual efficiency was normal in patients with cystinosis (mean Total IQ = 93). However the Perceptual Reasoning Index (mean = 87, [63–109]) was significantly lower than the Verbal Comprehension Index (mean = 100, [59–138], p = 0.003). Memory assessment showed no difference between visual and verbal memory. But the working memory was significantly impaired in comparison with the general memory skills (p = 0.003). Visuospatial skills assessment revealed copy and reproduction scores below the 50th percentile rank in more than 70% of the patients. Brain MRI showed cortical and sub-cortical cerebral atrophy, especially in the parieto-occipital region and FLAIR hypersignals in parietal, occipital and brain stem/cerebellum. Patients with atrophic brain had lower Total IQ scores compared to non-atrophic cystinosis patients. Conclusions Patients with cystinosis have a specific neuropsychological and neuroanatomical profile. We suggest performing a systematic neuropsychological assessment in such children aiming at considering adequate management.

Published
2020

30. MSSEG-2: Un challenge d'imagerie médicale sur VIP

Author

Camarasu-Pop, Sorina, Bonnet, Axel, Masson, Arthur, Kain, Michael, Dojat, Michel, Commowick, Olivier, Cervenansky, Frédéric, Service Informatique et développements, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Images et Modèles, Université de Rennes (UR), Vision, Action et Gestion d'informations en Santé (VisAGeS), Institut National de la Santé et de la Recherche Médicale (INSERM)-Inria Rennes – Bretagne Atlantique, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-SIGNAUX ET IMAGES NUMÉRIQUES, ROBOTIQUE (IRISA-D5), Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-Institut National de Recherche en Informatique et en Automatique (Inria)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-IMT Atlantique (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-IMT Atlantique (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT), France Life Imaging - Information Analysis and Management [IRISA, Rennes] (FLI-IAM), [GIN] Grenoble Institut des Neurosciences (GIN), Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Grenoble Alpes (UGA), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-Institut National de Recherche en Informatique et en Automatique (Inria)-Télécom Bretagne-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-Institut National de Recherche en Informatique et en Automatique (Inria)-Télécom Bretagne-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-Télécom Bretagne-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), and POP, Sorina

Subjects
[SDV] Life Sciences [q-bio], [SDV]Life Sciences [q-bio], [INFO]Computer Science [cs], [INFO] Computer Science [cs], ComputingMilieux_MISCELLANEOUS
Abstract

International audience

Published
2021

31. Estimates of epidemiology, mortality and disease burden associated with progressive fibrosing interstitial lung disease in France (the PROGRESS study)

Author

Sophie Larrieu, Jacques Massol, Loic Boussel, Françoise Thivolet-Béjui, Katell Le Lay, Mouhamad Nasser, Lara Chalabreysse, Fabienne Bazin, Salim Si-Mohamed, Vincent Cottin, Delphine Maucort-Boulch, Sébastien Marque, Eric Hachulla, Stéphane Jouneau, Infections Virales et Pathologie Comparée - UMR 754 (IVPC), École pratique des hautes études (EPHE), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE), Hospices Civils de Lyon (HCL), IQVIA, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM), Laboratoire de Biométrie et Biologie Evolutive - UMR 5558 (LBBE), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National de Recherche en Informatique et en Automatique (Inria)-VetAgro Sup - Institut national d'enseignement supérieur et de recherche en alimentation, santé animale, sciences agronomiques et de l'environnement (VAS)-Centre National de la Recherche Scientifique (CNRS), CHU Lille, École des Hautes Études en Santé Publique [EHESP] (EHESP), Institut de recherche en santé, environnement et travail (Irset), Université d'Angers (UA)-Université de Rennes 1 (UR1), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-École des Hautes Études en Santé Publique [EHESP] (EHESP)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Structure Fédérative de Recherche en Biologie et Santé de Rennes ( Biosit : Biologie - Santé - Innovation Technologique ), Boehringer Ingelheim, École Pratique des Hautes Études (EPHE), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Modeling & analysis for medical imaging and Diagnosis (MYRIAD), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université d'Angers (UA)-Université de Rennes (UR)-École des Hautes Études en Santé Publique [EHESP] (EHESP)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Structure Fédérative de Recherche en Biologie et Santé de Rennes ( Biosit : Biologie - Santé - Innovation Technologique ), Service de Biostatistiques [Lyon], Chard-Hutchinson, Xavier, Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Structure Fédérative de Recherche en Biologie et Santé de Rennes ( Biosit : Biologie - Santé - Innovation Technologique )-Institut National de la Santé et de la Recherche Médicale (INSERM)-École des Hautes Études en Santé Publique [EHESP] (EHESP)-Université de Rennes 1 (UR1), and Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-Université d'Angers (UA)

Subjects
Male, Time Factors, Databases, Factual, Epidemiology, Pulmonary Fibrosis, [SDV.MHEP.PSR]Life Sciences [q-bio]/Human health and pathology/Pulmonology and respiratory tract, Pulmonary function testing, Idiopathic pulmonary fibrosis, 0302 clinical medicine, Cost of Illness, Interquartile range, Cause of Death, Prevalence, Medicine, Longitudinal Studies, 030212 general & internal medicine, Healthcare resource utilisation, Hospital Costs, [SHS.ECO] Humanities and Social Sciences/Economics and Finance, Aged, 80 and over, education.field_of_study, Incidence, Incidence (epidemiology), Middle Aged, Prognosis, [SHS.ECO]Humanities and Social Sciences/Economics and Finance, 3. Good health, Disease Progression, Female, France, Algorithms, medicine.medical_specialty, Population, Interstitial lung disease, JEL: I - Health, Education, and Welfare/I.I1 - Health/I.I1.I18 - Government Policy • Regulation • Public Health, Diseases of the respiratory system, 03 medical and health sciences, Ambulatory care, Humans, education, Disease burden, Aged, Retrospective Studies, RC705-779, business.industry, Research, Progressive fibrosis, medicine.disease, 030228 respiratory system, [SDV.SPEE] Life Sciences [q-bio]/Santé publique et épidémiologie, Emergency medicine, [SDV.MHEP.PSR] Life Sciences [q-bio]/Human health and pathology/Pulmonology and respiratory tract, [SDV.SPEE]Life Sciences [q-bio]/Santé publique et épidémiologie, Lung Diseases, Interstitial, business, Administrative Claims, Healthcare
Abstract

Background There is a paucity of data on the epidemiology, survival estimates and healthcare resource utilisation and associated costs of patients with progressive fibrosing interstitial lung disease (PF-ILD) in France. An algorithm for extracting claims data was developed to indirectly identify and describe patients with PF-ILD in the French national administrative healthcare database. Methods The French healthcare database, the Système National des Données de Santé (SNDS), includes data related to ambulatory care, hospitalisations and death for 98.8% of the population. In this study, algorithms based on age, diagnosis and healthcare consumption were created to identify adult patients with PF-ILD other than idiopathic pulmonary fibrosis between 2010 and 2017. Incidence, prevalence, survival estimates, clinical features and healthcare resource usage and costs were described among patients with PF-ILD. Results We identified a total of 14,413 patients with PF-ILD. Almost half of them (48.1%) were female and the mean (± standard deviation) age was 68.4 (± 15.0) years. Between 2010 and 2017, the estimated incidence of PF-ILD ranged from 4.0 to 4.7/100,000 person-years and the estimated prevalence from 6.6 to 19.4/100,000 persons. The main diagnostic categories represented were exposure-related ILD other than hypersensitivity pneumonitis (n = 3486; 24.2%), idiopathic interstitial pneumonia (n = 3113; 21.6%) and rheumatoid arthritis-associated ILD (n = 2521; 17.5%). Median overall survival using Kaplan–Meier estimation was 3.7 years from the start of progression. During the study, 95.2% of patients had ≥ 1 hospitalisation for respiratory care and 34.3% were hospitalised in an intensive care unit. The median (interquartile range) total specific cost per patient during the follow-up period was €25,613 (10,622–54,287) and the median annual cost per patient was €18,362 (6856–52,026), of which €11,784 (3003–42,097) was related to hospitalisations. Limitations included the retrospective design and identification of cases through an algorithm in the absence of chest high-resolution computed tomography scans and pulmonary function tests. Conclusions This large, real-world, longitudinal study provides important insights into the characteristics, epidemiology and healthcare resource utilisation and costs associated with PF-ILD in France using a comprehensive and exhaustive database, and provides vital evidence that PF-ILD represents a high burden on both patients and healthcare services. Trial registration ClinicalTrials.gov, NCT03858842. ISRCTN, ISRCTN12345678. Registered 3 January 2019—Retrospectively registered, https://clinicaltrials.gov/ct2/show/NCT03858842

Published
2021

32. Multiple sclerosis lesions segmentation from multiple experts: The MICCAI 2016 challenge dataset

Author

Commowick, Olivier, Kain, Michaël, Casey, Romain, Ameli, Roxana, Ferré, Jean-Christophe, Kerbrat, Anne, Tourdias, Thomas, Cervenansky, Frédéric, Camarasu-Pop, Sorina, Glatard, Tristan, Vukusic, Sandra, Edan, Gilles, Barillot, Christian, Dojat, Michel, Cotton, Francois, Empenn, Institut National de la Santé et de la Recherche Médicale (INSERM)-Inria Rennes – Bretagne Atlantique, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-SIGNAUX ET IMAGES NUMÉRIQUES, ROBOTIQUE (IRISA-D5), Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), Université de Rennes 1 (UR1), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-Institut National de Recherche en Informatique et en Automatique (Inria)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Université de Rennes 1 (UR1), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT), Département de Neuroradiologie [Centre Hospitalier Lyon Sud - HCL], Centre Hospitalier Lyon Sud [CHU - HCL] (CHLS), Hospices Civils de Lyon (HCL)-Hospices Civils de Lyon (HCL), Service de Neuroradiologie [Rennes], CHU Pontchaillou [Rennes], Service de Neurologie [CHU Rennes], CHU Bordeaux [Bordeaux], Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM), Concordia University [Montreal], [GIN] Grenoble Institut des Neurosciences (GIN), Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Grenoble Alpes (UGA), ANR-11-INBS-0006, Fondation pour l'Aide à la Recherche sur la Sclérose en Plaques, ANR-11-INBS-0006, Agence Nationale de la Recherche, ANR-10-COHO-0002,OFSEP,Observatoire Français de la Sclérose en Plaques(2010), ANR-11-INBS-0006,FLI,France Life Imaging(2011), Neuroimagerie: méthodes et applications (Empenn), Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-Institut National de Recherche en Informatique et en Automatique (Inria)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-IMT Atlantique (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-IMT Atlantique (IMT Atlantique), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Service Informatique et développements, Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Commowick, Olivier, Cohortes - Observatoire Français de la Sclérose en Plaques - - OFSEP2010 - ANR-10-COHO-0002 - COHO - VALID, Infrastructures - France Life Imaging - - FLI2011 - ANR-11-INBS-0006 - INBS - VALID, and Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)

Subjects
Adult, Male, Multiple Sclerosis, [INFO.INFO-IM] Computer Science [cs]/Medical Imaging, ComputingMethodologies_IMAGEPROCESSINGANDCOMPUTERVISION, Datasets as Topic, Neurosciences. Biological psychiatry. Neuropsychiatry, Middle Aged, Magnetic Resonance Imaging, Young Adult, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, Humans, Female, RC321-571
Abstract

International audience; MRI plays a crucial role in multiple sclerosis diagnostic and patient follow-up. In particular, the delineation of T2-FLAIR hyperintense lesions is crucial although mostly performed manually-a tedious task. Many methods have thus been proposed to automate this task. However, sufficiently large datasets with a thorough expert manual segmentation are still lacking to evaluate these methods. We present a unique dataset for MS lesions segmentation evaluation. It consists of 53 patients acquired on 4 different scanners with a harmonized protocol. Hyperintense lesions on FLAIR were manually delineated on each patient by 7 experts with control on T2 sequence, and gathered in a consensus segmentation for evaluation. We provide raw and preprocessed data and a split of the dataset into training and testing data, the latter including data from a scanner not present in the training dataset. We strongly believe that this dataset will become a reference in MS lesions segmentation evaluation, allowing to evaluate many aspects: evaluation of performance on unseen scanner, comparison to individual experts performance, comparison to other challengers who already used this dataset, etc.

Published
2021

33. Continuous positive airway pressure for respiratory support during COVID-19 pandemic: a frugal approach from bench to bedside

Author

Bilal Badat, Nicolas Mongardon, Keyvan Razazi, C. Deguillard, Frédéric Schlemmer, Mehdi Khellaf, Raphaëlle Huguet, Pascal Lim, Nicolas de Prost, François Templier, Karim Jaffal, Dominique Savary, Francois Morin, Elena Fois, Yvon Deplante, François Beloncle, François Perier, Constance Guillaud, Laurent Brochard, Philippe Grimbert, Armand Mekontso Dessap, Anne-Fleur Haudebourg, Jean-Christophe Richard, Samuel Tuffet, Manuella Pons, Vincent Audard, Arnaud Lesimple, Alain Mercat, Guillaume Carteaux, Institut Mondor de Recherche Biomédicale (IMRB), Institut National de la Santé et de la Recherche Médicale (INSERM)-IFR10-Université Paris-Est Créteil Val-de-Marne - Paris 12 (UPEC UP12), CHU Henri Mondor [Créteil], Université Paris-Est Créteil Val-de-Marne - Paris 12 (UPEC UP12), Centre Hospitalier Universitaire [Grenoble] (CHU), Centre Hospitalier Universitaire d'Angers (CHU Angers), PRES Université Nantes Angers Le Mans (UNAM), MitoVasc - Physiopathologie Cardiovasculaire et Mitochondriale (MITOVASC), Université d'Angers (UA)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Département de neurosciences (CHU Henri Mondor), Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Hôpital Henri Mondor, University of Toronto, Keenan Research Centre of the Li Ka Shing Knowledge Institute [Toronto], Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Modeling & analysis for medical imaging and Diagnosis (MYRIAD), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Institut de recherche en santé, environnement et travail (Irset), Université d'Angers (UA)-Université de Rennes (UR)-École des Hautes Études en Santé Publique [EHESP] (EHESP)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Structure Fédérative de Recherche en Biologie et Santé de Rennes ( Biosit : Biologie - Santé - Innovation Technologique ), CHU Henri Mondor, Physiopathologie Cardiovasculaire et Mitochondriale (MITOVASC), Université d'Angers (UA)-Université de Rennes 1 (UR1), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-École des Hautes Études en Santé Publique [EHESP] (EHESP)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Structure Fédérative de Recherche en Biologie et Santé de Rennes ( Biosit : Biologie - Santé - Innovation Technologique ), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Chard-Hutchinson, Xavier, Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), and Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL)

Subjects
medicine.medical_specialty, medicine.medical_treatment, Continuous positive airway pressure, Context (language use), Respiratory physiology, Critical Care and Intensive Care Medicine, [SDV.MHEP.PSR]Life Sciences [q-bio]/Human health and pathology/Pulmonology and respiratory tract, 03 medical and health sciences, Work of breathing, 0302 clinical medicine, [SDV.MHEP.MI]Life Sciences [q-bio]/Human health and pathology/Infectious diseases, Anesthesiology, medicine, Intubation, Tidal volume, Acute hypoxemic respiratory failure, Frugal innovation, [SDV.MHEP.ME] Life Sciences [q-bio]/Human health and pathology/Emerging diseases, [SDV.MHEP.ME]Life Sciences [q-bio]/Human health and pathology/Emerging diseases, business.industry, Research, lcsh:Medical emergencies. Critical care. Intensive care. First aid, COVID-19, 030208 emergency & critical care medicine, lcsh:RC86-88.9, Oxygenation, 3. Good health, respiratory tract diseases, 030228 respiratory system, Emergency medicine, [SDV.MHEP.MI] Life Sciences [q-bio]/Human health and pathology/Infectious diseases, [SDV.MHEP.PSR] Life Sciences [q-bio]/Human health and pathology/Pulmonology and respiratory tract, business
Abstract

Background We describe a frugal approach (focusing on needs, performance, and costs) to manage a massive influx of COVID-19 patients with acute hypoxemic respiratory failure (AHRF) using the Boussignac valve protected by a filter (“Filter Frugal CPAP”, FF-CPAP) in and out the ICU. Methods (1) A bench study measured the impact of two filters with different mechanical properties on CPAP performances, and pressures were also measured in patients. (2) Non-ICU healthcare staff working in COVID-19 intermediate care units were trained with a video tutorial posted on a massive open online course. (3) A clinical study assessed the feasibility and safety of using FF-CPAP to maintain oxygenation and manage patients out of the ICU during a massive outbreak. Results Bench assessments showed that adding a filter did not affect the effective pressure delivered to the patient. The resistive load induced by the filter variably increased the simulated patient’s work of breathing (6–34%) needed to sustain the tidal volume, depending on the filter’s resistance, respiratory mechanics and basal inspiratory effort. In patients, FF-CPAP achieved pressures similar to those obtained on the bench. The massive training tool provided precious information on the use of Boussignac FF-CPAP on COVID-19 patients. Then 85 COVID-19 patients with ICU admission criteria over a 1-month period were studied upon FF-CPAP initiation for AHRF. FF-CPAP significantly decreased respiratory rate and increased SpO2. Thirty-six (43%) patients presented with respiratory indications for intubation prior to FF-CPAP initiation, and 13 (36%) of them improved without intubation. Overall, 31 patients (36%) improved with FF-CPAP alone and 17 patients (20%) did not require ICU admission. Patients with a respiratory rate > 32 breaths/min upon FF-CPAP initiation had a higher cumulative probability of intubation (p Conclusion Adding a filter to the Boussignac valve does not affect the delivered pressure but may variably increase the resistive load depending on the filter used. Clinical assessment suggests that FF-CPAP is a frugal solution to provide a ventilatory support and improve oxygenation to numerous patients suffering from AHRF in the context of a massive outbreak.

Published
2021

34. Brain virtual histology with X-ray phase-contrast tomography Part II: 3D morphologies of amyloid-β plaques in Alzheimer’s disease models

Author

Coralie Gislard, Marlène Wiart, David Meyronet, Ignacio Arganda-Carreras, Hugo Rositi, Matthieu Chourrout, David Legland, Nicolas Rama, Cécile Olivier, Françoise Peyrin, Margaux Roux, Hervé Boutin, Carlie Boisvert, Emmanuel Brun, Fabien Chauveau, Thierry Baron, Centre de recherche en neurosciences de Lyon (CRNL), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), BioInformatique et BioStatistiques (BIBS), Centre International de Recherche en Infectiologie - UMR (CIRI), École normale supérieure - Lyon (ENS Lyon)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-École normale supérieure - Lyon (ENS Lyon)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Universidad del Pais Vasco / Euskal Herriko Unibertsitatea [Espagne] (UPV/EHU), Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM), University of Manchester [Manchester], Centre de Recherche en Cancérologie de Lyon (UNICANCER/CRCL), Centre Léon Bérard [Lyon]-Université Claude Bernard Lyon 1 (UCBL), Agence nationale de sécurité sanitaire de l'alimentation, de l'environnement et du travail (ANSES), Hospices Civils de Lyon (HCL), Synchrotron Radiation for Biomedicine (STROBE), Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Grenoble Alpes [2016-2019] (UGA [2016-2019]), Institut Pascal (IP), Centre National de la Recherche Scientifique (CNRS)-Université Clermont Auvergne (UCA)-Institut national polytechnique Clermont Auvergne (INP Clermont Auvergne), Université Clermont Auvergne (UCA)-Université Clermont Auvergne (UCA), Cardiovasculaire, métabolisme, diabétologie et nutrition (CarMeN), Université de Lyon-Université de Lyon-Hospices Civils de Lyon (HCL)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université Claude Bernard Lyon 1 (UCBL), Chauveau, Fabien, Imagerie de l'inflammation cérébrale dans l'AVC ischémique : développement d'une sonde nanoparticulaire multimodale & méthodes d'imagerie cérébrale - - NanoBrain2015 - ANR-15-CE18-0026 - AAPG2015 - VALID, European Synchrotron Research Facility - ESRF - LS2292 - INCOMING, European Synchotron Research Facility - ESRF - MD1018 - INCOMING, European Synchrotron Research Facility - ESRF - IN1041 - INCOMING, ANR-11-LABX-0063 - INCOMING, ANR-11-IDEX-0007 - INCOMING, Centre de recherche en neurosciences de Lyon - Lyon Neuroscience Research Center (CRNL), Université de Lyon-Université de Lyon-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Unité de recherche sur les Biopolymères, Interactions Assemblages (BIA), Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE), Imagerie Tomographique et Radiothérapie, Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Centre Léon Bérard [Lyon], Université de Lyon, Laboratoire de Lyon [ANSES], Université de Lyon-Agence nationale de sécurité sanitaire de l'alimentation, de l'environnement et du travail (ANSES), Synchrotron Radiation for Biomedicine = Rayonnement SynchroTROn pour la Recherche BiomédicalE (STROBE), Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Grenoble Alpes (UGA), ANR-15-CE18-0026,NanoBrain,Imagerie de l'inflammation cérébrale dans l'AVC ischémique : développement d'une sonde nanoparticulaire multimodale & méthodes d'imagerie cérébrale(2015), European Project: LS2292,ESRF, European Project: MD1018,ESRF, European Project: IN1041,ESRF, European Project, Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Unité Maladies Neuro-Dégénératives (MND), and Université de Lyon-Agence nationale de sécurité sanitaire de l'alimentation, de l'environnement et du travail (ANSES)-Université de Lyon-Agence nationale de sécurité sanitaire de l'alimentation, de l'environnement et du travail (ANSES)

Subjects
Genetically modified mouse, Pathology, medicine.medical_specialty, Amyloid β, [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, 3d analysis, PROPAGATION, 03 medical and health sciences, Myelin, 0302 clinical medicine, medicine, COMPUTED-TOMOGRAPHY, [SDV.NEU] Life Sciences [q-bio]/Neurons and Cognition [q-bio.NC], FLUORESCENCE, IMAGE-ANALYSIS, A-BETA, IN-VIVO, TANGLES, 030304 developmental biology, 0303 health sciences, Phase contrast tomography, Chemistry, INDUCTION, Histology, MOUSE MODEL, 3. Good health, MICE, [SDV.IB.IMA] Life Sciences [q-bio]/Bioengineering/Imaging, medicine.anatomical_structure, Immunohistochemistry, [SDV.NEU]Life Sciences [q-bio]/Neurons and Cognition [q-bio.NC], Signal intensity, 030217 neurology & neurosurgery
Abstract

While numerous transgenic mouse strains have been produced to model the formation of amyloid-β (Aβ) plaques in the brain, efficient methods for whole-brain 3D analysis of Aβ deposits are lacking. Moreover, standard immunohistochemistry performed on brain slices precludes any shape analysis of Aβ plaques. The present study shows how in-line (propagation-based) X-ray phase-contrast tomography (XPCT) combined with ethanol-induced brain sample dehydration enables hippocampus-wide detection and morphometric analysis of Aβ plaques. Performed in three distinct Alzheimer mouse strains, the proposed workflow identified differences in signal intensity and 3D shape parameters: 3xTg displayed a different type of Aβ plaques, with a larger volume and area, greater elongation, flatness and mean breadth, and more intense average signal than J20 and APP/PS1. As a label-free non-destructive technique, XPCT can be combined with standard immunohistochemistry. XPCT virtual histology could thus become instrumental in quantifying the 3D spreading and the morphological impact of seeding when studying prion-like properties of Aβ aggregates in animal models of Alzheimer’s disease. This is Part II of a series of two articles reporting the value of in-line XPCT for virtual histology of the brain; Part I shows how in-line XPCT enables 3D myelin mapping in the whole rodent brain and in human autopsy brain tissue.HighlightsX-ray phase-contrast tomography (XPCT) enables whole brain detection of Aβ plaquesMorphometric parameters of Aβ plaques may be readily retrieved from XPCT dataNew shape parameters were successfully extracted from three Alzheimer’s disease modelsA Fiji-based “biologist-friendly” analysis workflow is proposed and sharedXPCT is a powerful virtual histology tool that requires minimal sample preparationGraphical abstract

Published
2021

35. Spurious phase correction in rapid metabolic imaging

Author

Carine Chassain, Hélène Ratiney, Nour El Sabbagh, Guilhem Pages, Jean-Marie Bonny, Qualité des Produits Animaux (QuaPA), Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE), AgroResonance, Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE)-Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE), Université Clermont Auvergne (UCA), RMN et optique : De la mesure au biomarqueur, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), CHAZEIX, Corinne, Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), and Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)

Subjects
Nuclear and High Energy Physics, Scanner, [SDV]Life Sciences [q-bio], Physics::Medical Physics, Biophysics, Phase (waves), Biochemistry, Signal, Imaging phantom, Phase correction, 030218 nuclear medicine & medical imaging, Phase-coherent, 03 medical and health sciences, 0302 clinical medicine, Sampling (signal processing), Frequency commutation, Commutation, Time domain, Phase-continuous, Physics, Magnetic resonance spectroscopic imaging, Condensed Matter Physics, [SDV] Life Sciences [q-bio], Multi-shot imaging, MRSI, Algorithm, 030217 neurology & neurosurgery
Abstract

International audience; IDEAL-type magnetic resonance spectroscopic imaging (MRSI) sequences require the acquisition of several datasets using optimized sampling in the time domain to reconstruct metabolite maps. Each unitary scan consists of a selective slice (2D) or slab (3D) excitation followed by an evolution time and then the acquisition of the spatially encoded signal. It is critical that the phase variation during the evolution time for each scan is only dependent on chemical shifts. In this paper, we described the apparition of spurious phase due to either the transmit or the receive frequency. The presence of this unwanted phase depends on (i) where the commutation between these two frequencies is performed and (ii) how it is done, as there are two phase commutation modes: continuous and coherent. We present the correction needed in function of the different cases. It appears that some solutions are universal. However, it is critical to know which case is implemented on the MRI scanner, which is not always easy information to have. We illustrated several cases with our preclinical MRI by using the IDEAL spiral method on a 13C phantom. © 2021 Elsevier Inc.

Published
2021

36. Anonymizing motion sensor data through time-frequency domain

Author

Alain Dieterlen, Pierre Rouge, Carole Frindel, Ali Moukadem, Antoine Boutet, Modeling & analysis for medical imaging and Diagnosis (MYRIAD), Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Institut de Recherche en Informatique Mathématiques Automatique Signal - IRIMAS - UR 7499 (IRIMAS), Université de Haute-Alsace (UHA) Mulhouse - Colmar (Université de Haute-Alsace (UHA)), Privacy Models, Architectures and Tools for the Information Society (PRIVATICS), Inria Grenoble - Rhône-Alpes, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-CITI Centre of Innovation in Telecommunications and Integration of services (CITI), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Inria Lyon, Institut National de Recherche en Informatique et en Automatique (Inria), CITI Centre of Innovation in Telecommunications and Integration of services (CITI), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National de Recherche en Informatique et en Automatique (Inria), Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM), and University ofHaute Alsace

Subjects
Random Forest, Computer science, Feature extraction, Convolutional Neural Networks, Time-Frequency, Motion detection, computer.software_genre, Convolutional neural network, Time–frequency analysis, Activity, Activity recognition, Information sensitivity, [INFO.INFO-CR]Computer Science [cs]/Cryptography and Security [cs.CR], [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, Privacy, Identity (object-oriented programming), Data mining, Representation (mathematics), computer
Abstract

International audience; The recent development of Internet of Things (IoT) has democratized activity monitoring. Even if the data collected can be useful for healthcare, sharing this sensitive information exposes users to privacy threats and re-identification. This paper presents two approaches to anonymize the motion sensor data. The first is an extension of an earlier work based on filtering in the time-frequency plane and convolutional neural network; and the second is based on handcrafted features extracted from the zeros distribution of the time-frequency representation. The two approaches are evaluated on a public dataset to assess the accuracy of activity recognition and user re-identification. With the first approach we obtained an accuracy rate in activity recognition of 73% while limiting the identity recognition to an accuracy rate of 30% which corresponds to an activity identity ratio of 2.4. With the second approach we succeeded in improving the activity and identity ratio to 2.67 by attaining an accuracy rate in activity recognition of 80% while maintaining the re-identification rate at 30%.

Published
2021

37. MSSEG-2: A medical imaging challenge on VIP

Author

Camarasu-Pop, Sorina, Bonnet, Axel, Masson, Arthur, Kain, Michael, Dojat, Michel, Commowick, Olivier, Cervenansky, Frédéric, Service Informatique et développements, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Images et Modèles, Université de Rennes (UR), Vision, Action et Gestion d'informations en Santé (VisAGeS), Institut National de la Santé et de la Recherche Médicale (INSERM)-Inria Rennes – Bretagne Atlantique, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-SIGNAUX ET IMAGES NUMÉRIQUES, ROBOTIQUE (IRISA-D5), Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-Institut National de Recherche en Informatique et en Automatique (Inria)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-IMT Atlantique (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-IMT Atlantique (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT), France Life Imaging - Information Analysis and Management [IRISA, Rennes] (FLI-IAM), [GIN] Grenoble Institut des Neurosciences (GIN), Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Grenoble Alpes (UGA), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-Institut National de Recherche en Informatique et en Automatique (Inria)-Télécom Bretagne-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-Institut National de Recherche en Informatique et en Automatique (Inria)-Télécom Bretagne-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-Télécom Bretagne-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), POP, Sorina, Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), and Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)

Subjects
[SDV] Life Sciences [q-bio], [SDV]Life Sciences [q-bio], [INFO]Computer Science [cs], [INFO] Computer Science [cs], ComputingMilieux_MISCELLANEOUS
Abstract

International audience

Published
2021

38. Early nasal type I IFN immunity against SARS-CoV-2 is compromised in patients with autoantibodies against type I IFNs

Author

Andrés Pizzorno, Thomas Julien, Alexandre Belot, Jean-Baptiste Fassier, Stéphane Paul, Jean-Laurent Casanova, Manuel Rosa-Calatrava, Blandine Padey, Thierry Walzer, Antonin Bal, Karen Brengel-Pesce, Marine Villard, Sophie Trouillet-Assant, Florence Morfin, Bruno Lina, Valérie Cheynet, Victoria Duliere, Mehdi Mezidi, Marine Mommert, Jean-Christophe Richard, Paul Bastard, William Mouton, Jonathan Lopez, Centre Hospitalier Lyon Sud [CHU - HCL] (CHLS), Hospices Civils de Lyon (HCL), Bio-Mérieux [Marcy l'Etoile], BIOMERIEUX, Centre International de Recherche en Infectiologie (CIRI), École normale supérieure de Lyon (ENS de Lyon)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Service d'Anesthésie et de Soins Intensifs [Hôpital de la Croix-Rousse - HCL], Hôpital de la Croix-Rousse [CHU - HCL], Hospices Civils de Lyon (HCL)-Hospices Civils de Lyon (HCL), Institut des Agents Infectieux [Lyon] (IAI), Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Modeling & analysis for medical imaging and Diagnosis (MYRIAD), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Unité Mixte de Recherche Epidémiologique et de Surveillance Transport Travail Environnement (UMRESTTE UMR_T9405), Université de Lyon-Université de Lyon-Université Gustave Eiffel, Université de Lyon, Human genetics of infectious diseases : Mendelian predisposition (Equipe Inserm U1163), Imagine - Institut des maladies génétiques (IHU) (Imagine - U1163), Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Paris Cité (UPCité)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Paris Cité (UPCité), Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Paris Cité (UPCité), St. Giles Laboratory of Human Genetics of Infectious Diseases, Rockefeller University [New York], Howard Hughes Medical Institute (HHMI), ANR-20-COVI-0003,GENCOVID,Identification des défauts monogéniques de l'immunité responsables des formes sévères de COVID-19 chez les patients précédemment en bonne santé(2020), ANR-10-IAHU-0001,Imagine,Institut Hospitalo-Universitaire Imagine(2010), Centre International de Recherche en Infectiologie - UMR (CIRI), École normale supérieure - Lyon (ENS Lyon)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université Paris Cité, Equipe HAL, Identification des défauts monogéniques de l'immunité responsables des formes sévères de COVID-19 chez les patients précédemment en bonne santé - - GENCOVID2020 - ANR-20-COVI-0003 - COVID-19 - VALID, and Instituts Hospitalo-Universitaires - Institut Hospitalo-Universitaire Imagine - - Imagine2010 - ANR-10-IAHU-0001 - IAHU - VALID

Subjects
Nasal cavity, antivirus agent, Immunology, Mucous membrane of nose, 03 medical and health sciences, 0302 clinical medicine, Immunity, medicine, Immunology and Allergy, Nose, 030304 developmental biology, 0303 health sciences, [SDV.MHEP] Life Sciences [q-bio]/Human health and pathology, business.industry, Autoantibody, interferon, respiratory system, 3. Good health, medicine.anatomical_structure, Viral replication, 030220 oncology & carcinogenesis, business, Viral load, Interferon type I, autoantibody, [SDV.MHEP]Life Sciences [q-bio]/Human health and pathology, medicine.drug
Abstract

International audience; IFN-I and IFN-III immunity in the nasal mucosa is poorly characterized during SARS-CoV-2 infection. We analyze the nasal IFN-I/III signature, namely the expression of ISGF-3–dependent IFN-stimulated genes, in mildly symptomatic COVID-19 patients and show its correlation with serum IFN-α2 levels, which peak at symptom onset and return to baseline from day 10 onward. Moreover, the nasal IFN-I/III signature correlates with the nasopharyngeal viral load and is associated with the presence of infectious viruses. By contrast, we observe low nasal IFN-I/III scores despite high nasal viral loads in a subset of critically ill COVID-19 patients, which correlates with the presence of autoantibodies (auto-Abs) against IFN-I in both blood and nasopharyngeal mucosa. In addition, functional assays in a reconstituted human airway epithelium model of SARS-CoV-2 infection confirm the role of such auto-Abs in abrogating the antiviral effects of IFN-I, but not those of IFN-III. Thus, IFN-I auto-Abs may compromise not only systemic but also local antiviral IFN-I immunity at the early stages of SARS-CoV-2 infection.

Published
2021

39. Population Pharmacokinetics and Dosing Simulation of Vancomycin Administered by Continuous Injection in Critically Ill Patient

Author

Romain Garreau, Lisa Mioux, Tristan Ferry, Jean-Christophe Richard, Arnaud Friggeri, Florent Wallet, Benoit Falquet, Laurent Bourguignon, Sylvain Goutelle, Michel Tod, Hospices Civils de Lyon (HCL), Laboratoire de Biométrie et Biologie Evolutive - UMR 5558 (LBBE), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National de Recherche en Informatique et en Automatique (Inria)-VetAgro Sup - Institut national d'enseignement supérieur et de recherche en alimentation, santé animale, sciences agronomiques et de l'environnement (VAS)-Centre National de la Recherche Scientifique (CNRS), Université de Lyon, Centre Hospitalier Lyon Sud [CHU - HCL] (CHLS), Centre International de Recherche en Infectiologie (CIRI), École normale supérieure de Lyon (ENS de Lyon)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Modeling & analysis for medical imaging and Diagnosis (MYRIAD), Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Centre International de Recherche en Infectiologie - UMR (CIRI), École normale supérieure - Lyon (ENS Lyon)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), and Retiveau, Nolwenn

Subjects
Microbiology (medical), medicine.medical_treatment, Population, vancomycin, Renal function, RM1-950, Biochemistry, Microbiology, Loading dose, Article, Pharmacokinetics, [SDV.MHEP.MI]Life Sciences [q-bio]/Human health and pathology/Infectious diseases, Medicine, Pharmacology (medical), Renal replacement therapy, Dosing, General Pharmacology, Toxicology and Pharmaceutics, education, Volume of distribution, education.field_of_study, business.industry, Maintenance dose, continuous infusion, Infectious Diseases, [SDV.SP.PHARMA] Life Sciences [q-bio]/Pharmaceutical sciences/Pharmacology, Anesthesia, ICU, [SDV.MHEP.MI] Life Sciences [q-bio]/Human health and pathology/Infectious diseases, [SDV.SP.PHARMA]Life Sciences [q-bio]/Pharmaceutical sciences/Pharmacology, Therapeutics. Pharmacology, business, pharmacokinetics
Abstract

Background: Vancomycin is widely used for empirical antimicrobial therapy in critically ill patients with sepsis. Continuous infusion (CI) may provide more stable exposure than intermittent infusion, but optimal dosing remains challenging. The aims of this study were to perform population pharmacokinetic (PK) analysis of vancomycin administered by CI in intensive care unit (ICU) patients to identify optimal dosages. Methods: Patients who received vancomycin by CI with at least one measured concentration in our center over 16 months were included, including those under continuous renal replacement therapy (CRRT). Population PK was conducted and external validation of the final model was performed in a dataset from another center. Simulations were conducted with the final model to identify the optimal loading and maintenance doses for various stages of estimated creatinine clearance (CRCL) and in patients on CRRT. Target exposure was defined as daily AUC of 400–600 mg·h/L on the second day of therapy (AUC24–48 h). Results: A two-compartment model best described the data. Central volume of distribution was allometrically scaled to ideal body weight (IBW), whereas vancomycin clearance was influenced by CRRT and CRCL. Simulations performed with the final model suggested a loading dose of 27.5 mg/kg of IBW. The maintenance dose ranged from 17.5 to 30 mg/kg of IBW, depending on renal function. Overall, simulation showed that 55.8% (95% CI, 47–64%) of patients would achieve the target AUC with suggested dosages. Discussion: A PK model has been validated for vancomycin administered by CI in ICU patients, including patients under CRRT. Our model-informed precision dosing approach may help for early optimization of vancomycin exposure in such patients.

Published
2021

40. Patch vs. Global Image-Based Unsupervised Anomaly Detection in MR Brain Scans of Early Parkinsonian Patients

Author

Michel Dojat, Verónica Muñoz-Ramírez, Florence Forbes, Nicolas Pinon, Carole Lartizen, [GIN] Grenoble Institut des Neurosciences (GIN), Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Grenoble Alpes (UGA), Modèles statistiques bayésiens et des valeurs extrêmes pour données structurées et de grande dimension (STATIFY), Inria Grenoble - Rhône-Alpes, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire Jean Kuntzmann (LJK), Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP ), Université Grenoble Alpes (UGA)-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP ), Université Grenoble Alpes (UGA), Modeling & analysis for medical imaging and Diagnosis (MYRIAD), Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), and Pinon, Nicolas

Subjects
[INFO.INFO-AI] Computer Science [cs]/Artificial Intelligence [cs.AI], Computer science, Parkinson's disease, [INFO.INFO-IM] Computer Science [cs]/Medical Imaging, Anomaly detection, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], 03 medical and health sciences, 0302 clinical medicine, Neuroimaging, FOS: Electrical engineering, electronic engineering, information engineering, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, 030304 developmental biology, Auto-encoders, 0303 health sciences, Artificial neural network, business.industry, Anomaly (natural sciences), [SCCO.NEUR]Cognitive science/Neuroscience, [SCCO.NEUR] Cognitive science/Neuroscience, Image and Video Processing (eess.IV), Pattern recognition, Electrical Engineering and Systems Science - Image and Video Processing, Siamese networks, Identification (information), Patches, Brain lesions, Artificial intelligence, business, 030217 neurology & neurosurgery, Image based
Abstract

International audience; Although neural networks have proven very successful in a number of medical image analysis applications, their use remains difficult when targeting subtle tasks such as the identification of barely visible brain lesions, especially given the lack of annotated datasets. Good candidate approaches are patch-based unsupervised pipelines which have both the advantage to increase the number of input data and to capture local and fine anomaly patterns distributed in the image, while potential inconveniences are the loss of global structural information. We illustrate this trade-off on Parkinson's disease (PD) anomaly detection comparing the performance of two anomaly detection models based on a spatial auto-encoder (AE) and an adaptation of a patch-fed siamese auto-encoder (SAE). On average, the SAE model performs better, showing that patches may indeed be advantageous.

Published
2021

41. Description de points clés par apprentissage dans des images médicales 3D

Author

Loiseau--Witon, Nicolas, Kechichian, Razmig, Valette, Sébastien, Bartoli, Adrien, Université Claude Bernard Lyon 1 (UCBL), Université de Lyon, Institut Pascal (IP), Centre National de la Recherche Scientifique (CNRS)-Université Clermont Auvergne (UCA)-Institut national polytechnique Clermont Auvergne (INP Clermont Auvergne), Université Clermont Auvergne (UCA)-Université Clermont Auvergne (UCA), Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM), Modeling & analysis for medical imaging and Diagnosis (MYRIAD), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Imagerie Tomographique et Radiothérapie, Centre National de la Recherche Scientifique [CNRS], Sciencesconf.org, CCSD, Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), and Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL)

Subjects
[INFO.INFO-CV] Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], Réseaude neurones convolutionnel, Perte par triplet, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], [INFO]Computer Science [cs], [INFO] Computer Science [cs], Points clés, Imagerie médicale
Abstract

International audience; Nous présentons une nouvelle approche pour apprendre des descripteurs de points clés en 3D, que nous appliquons aux images médicales scanners médicaux corps entier. Il a été démontré que les descripteurs de points clés basés sur les Réseaux de Neurones Convolutifs ( RNC) donnent de meilleurs résultats que les descripteurs faits à la main, pour les images 2D. L’adaptation aux images 3D telles que les images tomodensitométriques n’est cependant pas simple, essentiellement en raison du manque de données d’entraînement labellisées.Nous proposons de générer des données d’entraînement semi-synthétiques. L’idée principale est d’estimer d’abord la densité des transformations locales entre les patients à partir d’un petit nombre d’images tomodensitométriques dont les correspondances entre des points de repère anatomique, définis par des experts, sont connues. Nous échantillonnons ensuite un grand nombre de transformations à partir de cette densité et transformons des volumes labellisés, pour lesquels nous pouvons ensuite former des correspondances de points clés exactes en utilisant une correspondance guidée par la transformation. Notre fonction de description est un RNC à deux étages, que nous formons en utilisant la perte par triplets inspirée par l’apprentissage de descripteurs 2D, avec une extraction de triplets en ligne.Nos résultats expérimentaux montrent que notre descripteur appris surpasse le descripteur 3D-SURF créé à la main dans une évaluation sur les données semi- synthétiques ainsi qu’en recalage d’images 3D réelles, avec un temps d’exécution similaire

Published
2021

42. Semi-supervised annotation of Transcranial Doppler ultrasound micro-embolic data

Author

Philippe Delachartre, Yamil Vindas, Marilys Almar, Blaise Kevin Guepie, Emmanuel Roux, Imagerie Ultrasonore, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Laboratoire Modélisation et Sûreté des Systèmes (LM2S), Laboratoire Informatique et Société Numérique (LIST3N), and Université de Technologie de Troyes (UTT)-Université de Technologie de Troyes (UTT)

Subjects
Computer science, business.industry, [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, Pattern recognition, Semi-supervised learning, Time saving, Transcranial Doppler, Projection (relational algebra), Annotation, Data information, ComputingMethodologies_PATTERNRECOGNITION, Manual annotation, [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, Spectrogram, Artificial intelligence, business, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, ComputingMilieux_MISCELLANEOUS
Abstract

Transcranial Doppler (TCD) is a non-invasive ultrasound monitoring technique allowing real time measurements of the blood flow velocity mainly in the Middle Cerebral Artery. It is commonly used to monitor patients with stroke risk by detecting micro-emboli. This technique generates a considerable amount of data whose annotation is expensive and time-consuming. We propose a semi-supervised learning method to annotate a dataset of micro-embolic data with reduced requirements of manual annotation. First, we start by extracting features from TCD spectrograms in an unsupervised manner using an Auto-encoder. Then, we project those features in a 2D space using the t-SNE algorithm. Afterwards, the dataset is partially annotated by an expert based on the 2D projection and the overall data information. Finally, the labels of the annotated samples are propagated to a part of the unlabeled samples using a K-nearest-neighbors (KNN) strategy. We evaluate our annotation method through the annotation error and the percentage of labeled samples with respect to the unlabeled samples. Our results show that we are able to annotate all the unlabeled samples with an annotation error of 12 % in less than 1 second against around 2 hours for a human expert. This represents a time saving of a factor of 105, showing the interest of our method.

Published
2021

43. Correction de phase pour l'Imagerie Spectroscopique Rapide

Author

El Sabbagh, Nour, Chassain, Carine, Ratiney, Helene, Pagès, Guilhem, Bonny, J.-M., Qualité des Produits Animaux (QuaPA), Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE), Université Clermont Auvergne (UCA), RMN et optique : De la mesure au biomarqueur, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), and CHAZEIX, Corinne

Subjects
[SDV] Life Sciences [q-bio], [SDV]Life Sciences [q-bio]
Abstract

International audience

Published
2021

44. Multimodal Imaging with NanoGd Reveals Spatiotemporal Features of Neuroinflammation after Experimental Stroke

Author

Hubert, Violaine, Hristovska, Ines, Karpati, Szilvia, Benkeder, Sarah, Dey, Arindam, Dumot, Chloé, Amaz, Camille, Chounlamountri, Naura, Watrin, Chantal, Comte, Jean‐Christophe, Chauveau, Fabien, Brun, Emmanuel, Marche, Patrice, Lerouge, Fréderic, Parola, Stéphane, Berthezène, Yves, Vorup‐Jensen, Thomas, Pascual, Olivier, Wiart, Marlène, Cardiovasculaire, métabolisme, diabétologie et nutrition (CarMeN), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Hospices Civils de Lyon (HCL)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE), Institut NeuroMyoGène (INMG), Université de Lyon-Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM), Laboratoire de Chimie - UMR5182 (LC), Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-École normale supérieure - Lyon (ENS Lyon)-Institut de Chimie du CNRS (INC), Institute for Advanced Biosciences / Institut pour l'Avancée des Biosciences (Grenoble) (IAB), Centre Hospitalier Universitaire [Grenoble] (CHU)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Etablissement français du sang - Auvergne-Rhône-Alpes (EFS)-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA), Hospices Civils de Lyon (HCL), Hôpital Louis Pradel [CHU - HCL], Centre de recherche en neurosciences de Lyon (CRNL), Université de Lyon-Université de Lyon-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Centre Hospitalier le Vinatier [Bron], Synchrotron Radiation for Biomedicine = Rayonnement SynchroTROn pour la Recherche BiomédicalE (STROBE), Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Grenoble Alpes [2016-2019] (UGA [2016-2019]), Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM), Aarhus University [Aarhus], Université de Lyon-Université de Lyon-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), École normale supérieure de Lyon (ENS de Lyon)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut de Chimie du CNRS (INC)-Centre National de la Recherche Scientifique (CNRS), Centre de recherche en neurosciences de Lyon - Lyon Neuroscience Research Center (CRNL), Université de Lyon-Université de Lyon-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Grenoble Alpes (UGA), European Synchroton Radiation Facility [Grenoble] (ESRF), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Modeling & analysis for medical imaging and Diagnosis (MYRIAD), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), ANR-15-CE18-0026,NanoBrain,Imagerie de l'inflammation cérébrale dans l'AVC ischémique : développement d'une sonde nanoparticulaire multimodale & méthodes d'imagerie cérébrale(2015), ANR-16-RHUS-0009,MARVELOUS,MARVELOUS(2016), École normale supérieure - Lyon (ENS Lyon)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Wiart, Marlene, Imagerie de l'inflammation cérébrale dans l'AVC ischémique : développement d'une sonde nanoparticulaire multimodale & méthodes d'imagerie cérébrale - - NanoBrain2015 - ANR-15-CE18-0026 - AAPG2015 - VALID, and MARVELOUS - - MARVELOUS2016 - ANR-16-RHUS-0009 - RHUS - VALID

Subjects
[SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, Science, Gadolinium, Multimodal Imaging, neuroinflammation, intravital two‐photon microscopy, MICROGLIA, intravital two-photon microscopy, Mice, multimodal nanoprobe, Animals, Nanotechnology, magnetic resonance imaging, Research Articles, neurology, Brain, nanoscience, stroke, Disease Models, Animal, Microscopy, Electron, [SDV.IB.IMA] Life Sciences [q-bio]/Bioengineering/Imaging, inflammation, Neuroinflammatory Diseases, microglia/macrophage, Research Article
Abstract

The purpose of this study is to propose and validate a preclinical in vivo magnetic resonance imaging (MRI) tool to monitor neuroinflammation following ischemic stroke, based on injection of a novel multimodal nanoprobe, NanoGd, specifically designed for internalization by phagocytic cells. First, it is verified that NanoGd is efficiently internalized by microglia in vitro. In vivo MRI coupled with intravenous injection of NanoGd in a permanent middle cerebral artery occlusion mouse model results in hypointense signals in the ischemic lesion. In these mice, longitudinal two‐photon intravital microscopy shows NanoGd internalization by activated CX3CR1‐GFP/+ cells. Ex vivo analysis, including phase contrast imaging with synchrotron X‐ray, histochemistry, and transmission electron microscopy corroborate NanoGd accumulation within the ischemic lesion and uptake by immune phagocytic cells. Taken together, these results confirm the potential of NanoGd‐enhanced MRI as an imaging biomarker of neuroinflammation at the subacute stage of ischemic stroke. As far as it is known, this work is the first to decipher the working mechanism of MR signals induced by a nanoparticle passively targeted at phagocytic cells by performing intravital microscopy back‐to‐back with MRI. Furthermore, using a gadolinium‐based rather than an iron‐based contrast agent raises future perspectives for the development of molecular imaging with emerging computed tomography technologies., Neuroinflammation at the subacute stage of stroke is challenging to monitor in vivo. Here, a novel gadolinium‐based fluorophore‐grafted nanoprobe named NanoGd, specifically designed for internalization by phagocytic cells, is worked with. An in vivo magnetic resonance imaging (MRI) tool is proposed to monitor neuroinflammation following ischemic stroke in mice, which is validated using two‐photon intravital imaging back‐to‐back with MRI for the first time.

Published
2021

45. Remdesivir plus standard of care versus standard of care alone for the treatment of patients admitted to hospital with COVID-19 (DisCoVeRy): a phase 3, randomised, controlled, open-label trial

Author

Florence Ader, Maude Bouscambert-Duchamp, Maya Hites, Nathan Peiffer-Smadja, Julien Poissy, Drifa Belhadi, Alpha Diallo, Minh-Patrick Lê, Gilles Peytavin, Thérèse Staub, Richard Greil, Jérémie Guedj, Jose-Artur Paiva, Dominique Costagliola, Yazdan Yazdanpanah, Charles Burdet, France Mentré, Alexander Egle, Michael Joannidis, Bernd Lamprecht, Antoine Altdorfer, Leila Belkhir, Vincent Fraipont, Gil Verschelden, Jérôme Aboab, Hafid Ait-Oufella, Claire Andrejak, Pascal Andreu, Laurent Argaud, Firouzé Bani-Sadr, François Benezit, Mathieu Blot, Elisabeth Botelho-Nevers, Lila Bouadma, Olivier Bouchaud, David Bougon, Kevin Bouiller, Fanny Bounes-Vardon, David Boutoille, Alexandre Boyer, Cédric Bruel, André Cabié, Emmanuel Canet, Charles Cazanave, Cyrille Chabartier, Catherine Chirouze, Raphaël Clere-Jehl, Johan Courjon, Flora Crockett, François Danion, Agathe Delbove, Jean Dellamonica, Félix Djossou, Clément Dubost, Alexandre Duvignaud, Olivier Epaulard, Loïc Epelboin, Murielle Fartoukh, Karine Faure, Emmanuel Faure, Tristan Ferry, Cécile Ficko, Samy Figueiredo, Benjamin Gaborit, Rostane Gaci, Amandine Gagneux-Brunon, Sébastien Gallien, Denis Garot, Guillaume Geri, Sébastien Gibot, François Goehringer, Marie Gousseff, Didier Gruson, Yves Hansmann, Olivier Hinschberger, Stéphane Jaureguiberry, Vanessa Jeanmichel, Solen Kerneis, Antoine Kimmoun, Kada Klouche, Marie Lachâtre, Karine Lacombe, Fabrice Laine, Jean-Philippe Lanoix, Odile Launay, Bruno Laviolle, Vincent Le Moing, Jérôme Le Pavec, Yves Le Tulzo, Paul Le Turnier, David Lebeaux, Benjamin Lefevre, Sylvie Leroy, François-Xavier Lescure, Henry Lessire, Benjamin Leveau, Paul Loubet, Alain Makinson, Denis Malvy, Charles-Hugo Marquette, Guillaume Martin-Blondel, Martin Martinot, Julien Mayaux, Armand Mekontso-Dessap, Ferhat Meziani, Jean-Paul Mira, Jean-Michel Molina, Xavier Monnet, Joy Mootien, Bruno Mourvillier, Marlène Murris-Espin, Jean-Christophe Navellou, Saad Nseir, Walid Oulehri, Thomas Perpoint, Gilles Pialoux, Benoît Pilmis, Vincent Piriou, Lionel Piroth, Valérie Pourcher, Jean-Pierre Quenot, François Raffi, Jean Reignier, Matthieu Revest, Jean-Christophe Richard, Béatrice Riu-Poulenc, Céline Robert, Pierre-Alexandre Roger, Claire Roger, Elisabeth Rouveix-Nordon, Yvon Ruch, Nadia Saidani, Naomi Sayre, Eric Senneville, Albert Sotto, Francois Stefan, Charles Tacquard, Nicolas Terzi, Julien Textoris, Guillaume Thiery, Jean-François Timsit, Violaine Tolsma, Jean-Marie Turmel, Florent Valour, Florent Wallet, Guilhem Wattecamps, Yoann Zerbib, Marc Berna, Jean Reuter, Sandra Braz, Joao-Miguel Ferreira Ribeiro, José-Artur Paiva, Roberto Roncon-Albuquerque, Alexandre Gaymard, Bruno Lina, Sarah Tubiana, Sandrine Couffin-Cadièrgues, Hélène Esperou, Aline Dechanet, Christelle Delmas, Claire Fougerou, Noémie Mercier, Marion Noret, Juliette Saillard, Priyanka Velou, Physiologie & médecine expérimentale du Cœur et des Muscles [U 1046] (PhyMedExp), Université de Montpellier (UM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Centre Hospitalier Régional Universitaire [Montpellier] (CHRU Montpellier), Internal Medicine, Hospices Civils de Lyon (HCL), Centre International de Recherche en Infectiologie (CIRI), École normale supérieure de Lyon (ENS de Lyon)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Université libre de Bruxelles (ULB), Infection, Anti-microbiens, Modélisation, Evolution (IAME (UMR_S_1137 / U1137)), Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Paris Cité (UPCité)-Université Sorbonne Paris Nord, Imperial College London, Unité de Glycobiologie Structurale et Fonctionnelle - UMR 8576 (UGSF), Université de Lille-Centre National de la Recherche Scientifique (CNRS), ANRS - Maladies infectieuses émergentes (ANRS - MIE), Institut National de la Santé et de la Recherche Médicale (INSERM), Optimisation thérapeutique en Neuropsychopharmacologie (OPTeN (UMR_S_1144 / U1144)), Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Paris Cité (UPCité), Centre Hospitalier de Luxembourg [Luxembourg] (CHL), Paracelsus Medizinische Privatuniversität = Paracelsus Medical University (PMU), Universidade do Porto = University of Porto, Institut Pierre Louis d'Epidémiologie et de Santé Publique (iPLESP), Institut National de la Santé et de la Recherche Médicale (INSERM)-Sorbonne Université (SU), Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université de Montpellier (UM), CHU Pontchaillou [Rennes], Centre d'Investigation Clinique [Rennes] (CIC), Université de Rennes (UR)-Hôpital Pontchaillou-Institut National de la Santé et de la Recherche Médicale (INSERM), ARN régulateurs bactériens et médecine (BRM), Université de Rennes (UR)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Structure Fédérative de Recherche en Biologie et Santé de Rennes ( Biosit : Biologie - Santé - Innovation Technologique ), Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Modeling & analysis for medical imaging and Diagnosis (MYRIAD), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), European Union Commission, French Ministry of Health, Domaine d'intérêt majeur One Health Île-de-France, REACTing, Fonds Erasme-COVID-Université Libre de Bruxelles, Belgian Health Care Knowledge Centre, Austrian Group Medical Tumor, European Regional Development Fund, Portugal Ministry of Health, Portugal Agency for Clinical Research and Biomedical Innovation., Institut National de la Santé et de la Recherche Médicale (INSERM)-Université de Montpellier (UM)-Centre National de la Recherche Scientifique (CNRS), Université de Rennes 1 (UR1), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-Hôpital Pontchaillou-Institut National de la Santé et de la Recherche Médicale (INSERM), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Structure Fédérative de Recherche en Biologie et Santé de Rennes ( Biosit : Biologie - Santé - Innovation Technologique ), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), UCL - SSS/IREC/LTAP - Louvain Centre for Toxicology and Applied Pharmacology, and UCL - (SLuc) Service de médecine interne générale

Subjects
Male, medicine.medical_specialty, medicine.medical_treatment, [SDV]Life Sciences [q-bio], Population, 030204 cardiovascular system & hematology, Antiviral Agents, law.invention, 03 medical and health sciences, Extracorporeal Membrane Oxygenation, 0302 clinical medicine, Randomized controlled trial, [SDV.MHEP.MI]Life Sciences [q-bio]/Human health and pathology/Infectious diseases, law, Internal medicine, Humans, Medicine, media_common.cataloged_instance, 030212 general & internal medicine, European union, education, Contraindication, ComputingMilieux_MISCELLANEOUS, Aged, media_common, Mechanical ventilation, education.field_of_study, Alanine, business.industry, COVID-19, Standard of Care, Odds ratio, Articles, Middle Aged, Respiration, Artificial, Adenosine Monophosphate, COVID-19 Drug Treatment, 3. Good health, Europe, Hospitalization, Oxygen, Clinical trial, Infectious Diseases, Clinical research, Female, business
Abstract

Summary Background The antiviral efficacy of remdesivir against SARS-CoV-2 is still controversial. We aimed to evaluate the clinical efficacy of remdesivir plus standard of care compared with standard of care alone in patients admitted to hospital with COVID-19, with indication of oxygen or ventilator support. Methods DisCoVeRy was a phase 3, open-label, adaptive, multicentre, randomised, controlled trial conducted in 48 sites in Europe (France, Belgium, Austria, Portugal, Luxembourg). Adult patients (aged ≥18 years) admitted to hospital with laboratory-confirmed SARS-CoV-2 infection and illness of any duration were eligible if they had clinical evidence of hypoxaemic pneumonia, or required oxygen supplementation. Exclusion criteria included elevated liver enzymes, severe chronic kidney disease, any contraindication to one of the studied treatments or their use in the 29 days before random assignment, or use of ribavirin, as well as pregnancy or breastfeeding. Participants were randomly assigned (1:1:1:1:1) to receive standard of care alone or in combination with remdesivir, lopinavir–ritonavir, lopinavir–ritonavir and interferon beta-1a, or hydroxychloroquine. Randomisation used computer-generated blocks of various sizes; it was stratified on severity of disease at inclusion and on European administrative region. Remdesivir was administered as 200 mg intravenous infusion on day 1, followed by once daily, 1-h infusions of 100 mg up to 9 days, for a total duration of 10 days. It could be stopped after 5 days if the participant was discharged. The primary outcome was the clinical status at day 15 measured by the WHO seven-point ordinal scale, assessed in the intention-to-treat population. Safety was assessed in the modified intention-to-treat population and was one of the secondary outcomes. This trial is registered with the European Clinical Trials Database, EudraCT2020-000936-23, and ClinicalTrials.gov, NCT04315948. Findings Between March 22, 2020, and Jan 21, 2021, 857 participants were enrolled and randomly assigned to remdesivir plus standard of care (n=429) or standard of care only (n=428). 15 participants were excluded from analysis in the remdesivir group, and ten in the control group. At day 15, the distribution of the WHO ordinal scale was: (1) not hospitalised, no limitations on activities (61 [15%] of 414 in the remdesivir group vs 73 [17%] of 418 in the control group); (2) not hospitalised, limitation on activities (129 [31%] vs 132 [32%]); (3) hospitalised, not requiring supplemental oxygen (50 [12%] vs 29 [7%]); (4) hospitalised, requiring supplemental oxygen (76 [18%] vs 67 [16%]); (5) hospitalised, on non-invasive ventilation or high flow oxygen devices (15 [4%] vs 14 [3%]); (6) hospitalised, on invasive mechanical ventilation or extracorporeal membrane oxygenation (62 [15%] vs 79 [19%]); (7) death (21 [5%] vs 24 [6%]). The difference between treatment groups was not significant (odds ratio 0·98 [95% CI 0·77–1·25]; p=0·85). There was no significant difference in the occurrence of serious adverse events between treatment groups (remdesivir, 135 [33%] of 406 vs control, 130 [31%] of 418; p=0·48). Three deaths (acute respiratory distress syndrome, bacterial infection, and hepatorenal syndrome) were considered related to remdesivir by the investigators, but only one by the sponsor's safety team (hepatorenal syndrome). Interpretation No clinical benefit was observed from the use of remdesivir in patients who were admitted to hospital for COVID-19, were symptomatic for more than 7 days, and required oxygen support. Funding European Union Commission, French Ministry of Health, Domaine d'interet majeur One Health Ile-de-France, REACTing, Fonds Erasme-COVID-Universite Libre de Bruxelles, Belgian Health Care Knowledge Centre, Austrian Group Medical Tumor, European Regional Development Fund, Portugal Ministry of Health, Portugal Agency for Clinical Research and Biomedical Innovation. Translation For the French translation of the abstract see Supplementary Materials section.

Published
2021

46. Autoantibodies neutralizing type I IFNs are present in ~4% of uninfected individuals over 70 years old and account for ~20% of COVID-19 deaths

Author

Bastard, Paul, Gervais, Adrian, Le Voyer, Tom, Rosain, Jérémie, Philippot, Quentin, Manry, Jérémy, Michailidis, Eleftherios, Hoffmann, Hans-Heinrich, Eto, Shohei, Garcia-Prat, Marina, Bizien, Lucy, Parra-Martínez, Alba, Yang, Rui, Haljasmägi, Liis, Migaud, Mélanie, Särekannu, Karita, Maslovskaja, Julia, de Prost, Nicolas, Tandjaoui-Lambiotte, Yacine, Luyt, Charles-Edouard, Amador-Borrero, Blanca, Gaudet, Alexandre, Poissy, Julien, Morel, Pascal, Richard, Pascale, Cognasse, Fabrice, Troya, Jesus, Trouillet-Assant, Sophie, Belot, Alexandre, Saker, Kahina, Garçon, Pierre, Rivière, Jacques G., Lagier, Jean-Christophe, Gentile, Stéphanie, Rosen, Lindsey B., Shaw, Elana, Morio, Tomohiro, Tanaka, Junko, Dalmau, David, Tharaux, Pierre-Louis, Sene, Damien, Stepanian, Alain, Megarbane, Bruno, Triantafyllia, Vasiliki, Fekkar, Arnaud, Heath, James R., Franco, José Luis, Anaya, Juan-Manuel, Solé-Violán, Jordi, Imberti, Luisa, Biondi, Andrea, Bonfanti, Paolo, Castagnoli, Riccardo, Delmonte, Ottavia M., Zhang, Yu, Snow, Andrew L., Holland, Steven M., Biggs, Catherine M., Moncada-Vélez, Marcela, Arias, Andrés Augusto, Lorenzo, Lazaro, Boucherit, Soraya, Coulibaly, Boubacar, Anglicheau, Dany, Planas, Anna M., Haerynck, Filomeen, Duvlis, Sotirija, Nussbaum, Robert L., Ozcelik, Tayfun, Keles, Sevgi, Bousfiha, Ahmed A., El Bakkouri, Jalila, Ramirez-Santana, Carolina, Paul, Stéphane, Pan-Hammarström, Qiang, Hammarström, Lennart, Dupont, Annabelle, Kurolap, Alina, Metz, Christine N., Aiuti, Alessandro, Casari, Giorgio, Lampasona, Vito, Ciceri, Fabio, Barreiros, Lucila A., Dominguez-Garrido, Elena, Vidigal, Mateus, Zatz, Mayana, van de Beek, Diederik, Sahanic, Sabina, Tancevski, Ivan, Stepanovskyy, Yurii, Boyarchuk, Oksana, Nukui, Yoko, Tsumura, Miyuki, Vidaur, Loreto, Tangye, Stuart G., Burrel, Sonia, Duffy, Darragh, Quintana-Murci, Lluis, Klocperk, Adam, Kann, Nelli Y., Shcherbina, Anna, Lau, Yu-Lung, Leung, Daniel, Coulongeat, Matthieu, Marlet, Julien, Koning, Rutger, Reyes, Luis Felipe, Chauvineau-Grenier, Angélique, Venet, Fabienne, Monneret, Guillaume, Nussenzweig, Michel C., Arrestier, Romain, Boudhabhay, Idris, Baris-Feldman, Hagit, Hagin, David, Wauters, Joost, Meyts, Isabelle, Dyer, Adam H., Kennelly, Sean P., Bourke, Nollaig M., Halwani, Rabih, Sharif-Askari, Narjes Saheb, Dorgham, Karim, Sallette, Jérome, Mehlal Sedkaoui, Souad, AlKhater, Suzan, Rigo-Bonnin, Raúl, Morandeira, Francisco, Roussel, Lucie, Vinh, Donald C., Ostrowski, Sisse Rye, Condino-Neto, Antonio, Prando, Carolina, Bondarenko, Anastasiia, Spaan, András N., Gilardin, Laurent, Fellay, Jacques, Lyonnet, Stanislas, Bilguvar, Kaya, Lifton, Richard P., Mane, Shrikant, Anderson, Mark S., Boisson, Bertrand, Béziat, Vivien, Zhang, Shen-Ying, Andreakos, Evangelos, Hermine, Olivier, Pujol, Aurora, Peterson, Pärt, Mogensen, Trine H., Rowen, Lee, Mond, James, Debette, Stéphanie, de Lamballerie, Xavier, Duval, Xavier, Mentré, France, Zins, Marie, Soler-Palacin, Pere, Colobran, Roger, Gorochov, Guy, Solanich, Xavier, Susen, Sophie, Martinez-Picado, Javier, Raoult, Didier, Vasse, Marc, Gregersen, Peter K., Piemonti, Lorenzo, Rodríguez-Gallego, Carlos, Notarangelo, Luigi D., Su, Helen C., Kisand, Kai, Okada, Satoshi, Puel, Anne, Jouanguy, Emmanuelle, Rice, Charles M., Tiberghien, Pierre, Zhang, Qian, Cobat, Aurélie, Abel, Laurent, Casanova, Jean-Laurent, Bigio, Benedetta, de la Chapelle, Aliénor, Chen, Jie, Chrabieh, Maya, Liu, Dana, Nemirowskaya, Yelena, Cruz, Inés Marín, Materna, Marie, Pelet, Sophie, Seeleuthner, Yoann, Thibault, Chloé, Liu, Zhiyong, Abad, Jorge, Accordino, Giulia, Achille, Cristian, Aguilera-Albesa, Sergio, Aguiló-Cucurull, Aina, Özkan, Esra Akyüz, Darazam, Ilad Alavi, Roblero Albisures, Jonathan Antonio, Aldave, Juan C, Ramos, Miquel Alfonso, Khan, Taj Ali, Aliberti, Anna, Nadji, Seyed Alireza, Alkan, Gulsum, Alkhater, Suzan A., Allardet-Servent, Jerome, Allende, Luis M, Alonso-Arias, Rebeca, Alshahrani, Mohammed S, Alsina, Laia, Alyanakian, Marie-Alexandra, Borrero, Blanca Amador, Amoura, Zahir, Antolí, Arnau, Aubart, Mélodie, Auguet, Teresa, Avramenko, Iryna, Aytekin, Gökhan, Azot, Axelle, Bahram, Seiamak, Bajolle, Fanny, Baldanti, Fausto, Baldolli, Aurélie, Ballester, Maite, Feldman, Hagit Baris, Barrou, Benoit, Barzagh, Federica, Basso, Sabrina, Bayhan, Gulsum Iclal, Bezrodnik, Liliana, Bilbao, Agurtzane, Blanchard-Rohner, Geraldine, Blanco, Ignacio, Blandinières, Adeline, Blázquez-Gamero, Daniel, Bleibtreu, Alexandre, Bloomfield, Marketa, Bolivar-Prados, Mireia, Borghesi, Alessandro, Borie, Raphael, Botdhlo-Nevers, Elisabeth, Bousfiha, Ahmed A, Bousquet, Aurore, Boutolleau, David, Bouvattier, Claire, Bravais, Juliette, Briones, M. Luisa, Brunner, Marie-Eve, Bruno, Raffaele, Bueno, Maria Rita P, Bukhari, Huda, Bustamante, Jacinta, Cáceres Agra, Juan José, Capra, Ruggero, Carapito, Raphael, Carrabba, Maria, Casasnovas, Carlos, Caseris, Marion, Cassaniti, Irene, Castelle, Martin, Castelli, Francesco, de Vera, Martín Castillo, Castro, Mateus V, Catherinot, Emilie, Celik, Jale Bengi, Ceschi, Alessandro, Chalumeau, Martin, Charbit, Bruno, Cheng, Matthew P., Clavé, Père, Clotet, Bonaventura, Codina, Anna, Cohen, Yves, Comarmond, Cloé, Combes, Alain, Comoli, Patrizia, Corsico, Angelo G, Coşkuner, Taner, Cvetkovski, Aleksandar, Cyrus, Cyril, Danion, François, Darley, David Ross, Das, Vincent, Dauby, Nicolas, Dauger, Stéphane, De Munter, Paul, de Pontual, Loic, Dehban, Amin, Delplancq, Geoffroy, Demoule, Alexandre, Desguerre, Isabelle, Di Sabatino, Antonio, Diehl, Jean-Luc, Dobbelaere, Stephanie, Domínguez-Garrido, Elena, Dubost, Clément, Ekwall, Olov, Bozdemir, Şefika Elmas, Elnagdy, Marwa H, Emiroglu, Melike, Endo, Akifumi, Erdeniz, Emine Hafize, Aytekin, Selma Erol, Lasa, Maria Pilar Etxart, Euvrard, Romain, Fabio, Giovanna, Faivre, Laurence, Falck, Antonin, Fartoukh, Muriel, Faure, Morgane, Arquero, Miguel Fernandez, Ferrer, Ricard, Ferreres, Jose, Flores, Carlos, Francois, Bruno, Fumadó, Victoria, Fung, Kitty S C, Fusco, Francesca, Gagro, Alenka, Solis, Blanca Garcia, Gaussem, Pascale, Gayretli, Zeynep, Gil-Herrera, Juana, Gatineau, Audrey Giraud, Girona-Alarcón, Mònica, Cifuentes Godínez, Karen Alejandra, Goffard, Jean-Christophe, Gonzales, Nacho, Gonzalez-Granado, Luis I, González-Montelongo, Rafaela, Guerder, Antoine, Gülhan, Belgin, Gumucio, Victor Daniel, Hanitsch, Leif Gunnar, Gunst, Jan, Gut, Marta, Hadjadj, Jérôme, Hancerli, Selda, Hariyan, Tetyana, Hatipoglu, Nevin, Heppekcan, Deniz, Hernandez-Brito, Elisa, Ho, Po-ki, Holanda-Peña, María Soledad, Horcajada, Juan P, Hraiech, Sami, Humbert, Linda, Hung, Ivan F N, Iglesias, Alejandro D., Íñigo-Campos, Antonio, Jamme, Matthieu, Arranz, María Jesús, Jimeno, Marie-Thérèse, Jordan, Iolanda, Yüksek, Saliha Kanık, Kara, Yalcin Burak, Karahan, Aydın, Karbuz, Adem, Yasar, Kadriye Kart, Kasapcopur, Ozgur, Kashimada, Kenichi, Demirkol, Yasemin Kendir, Kido, Yasutoshi, Kizil, Can, Kılıç, Ahmet Osman, Koutsoukou, Antonia, Król, Zbigniew J., Ksouri, Hatem, Kuentz, Paul, Kwan, Arthur M C, Kwan, Yat Wah M, Kwok, Janette S Y, Lam, David S Y, Lampropoulou, Vicky, Lanternier, Fanny, Le Bourgeois, Fleur, Leo, Yee-Sin, Lopez, Rafael Leon, Levin, Michael, Levy, Michael, Lévy, Romain, Li, Zhi, Lilleri, Daniele, Lima, Edson Jose Adrian Bolanos, Linglart, Agnes, López-Collazo, Eduardo, Lorenzo-Salazar, José M., Louapre, Céline, Lubetzki, Catherine, Lung, Kwok-Cheung, Lye, David C, Magnone, Cinthia, Mansouri, Davood, Marchioni, Enrico, Marioli, Carola, Marjani, Majid, Marques, Laura, Pereira, Jesus Marquez, Martín-Nalda, Andrea, Pueyo, David Martínez, Marzana, Iciar, Mata-Martínez, Carmen, Mathian, Alexis, Matos, Larissa RB, Matthews, Gail V, Mayaux, Julien, McLaughlin-Garcia, Raquel, Meersseman, Philippe, Mège, Jean-Louis, Mekontso-Dessap, Armand, Melki, Isabelle, Meloni, Federica, Meritet, Jean-François, Merlani, Paolo, Akcan, Özge Metin, Mezidi, Mehdi, Migeotte, Isabelle, Millereux, Maude, Million, Matthieu, Mirault, Tristan, Mircher, Clotilde, Mirsaeidi, Mehdi, Mizoguchi, Yoko, Modi, Bhavi P, Mojoli, Francesco, Moncomble, Elsa, Melián, Abián Montesdeoca, Martinez, Antonio Morales, Morange, Pierre-Emmanuel, Mordacq, Clémence, Morelle, Guillaume, Mouly, Stéphane J, Muñoz-Barrera, Adrián, Nafati, Cyril, Nagashima, Shintaro, Nakagama, Yu, Neven, Bénédicte, Neves, João Farela, Ng, Lisa FP, Ng, Yuk-Yung, Nielly, Hubert, Medina, Yeray Novoa, Cuadros, Esmeralda Nuñez, Ocejo-Vinyals, J. Gonzalo, Okamoto, Keisuke, Oualha, Mehdi, Ouedrani, Amani, Özçelik, Tayfun, Ozkaya-Parlakay, Aslinur, Pagani, Michele, Papadaki, Maria, Parizot, Christophe, Parola, Philippe, Pascreau, Tiffany, Paz-Artal, Estela, Pedraza, Sigifredo, González Pellecer, Nancy Carolina, Pellegrini, Silvia, de Diego, Rebeca Pérez, Pérez-Fernández, Xosé Luis, Philippe, Aurélien, Picod, Adrien, de Chambrun, Marc Pineton, Piralla, Antonio, Planas-Serra, Laura, Ploin, Dominique, Poncelet, Géraldine, Poulakou, Garyphallia, Pouletty, Marie S, Pourshahnazari, Persia, Qiu-Chen, Jia Li, Quentric, Paul, Rambaud, Thomas, Raoult, Violette, Rebillat, Anne-Sophie, Redin, Claire, Resmini, Léa, Ricart, Pilar, Richard, Jean-Christophe, Rivet, Nadia, Rivière, Jacques G, Rocamora-Blanch, Gemma, Rodero, Mathieu P, Rodrigo, Carlos, Rodriguez, Luis Antonio, Rodriguez-Gallego, Carlos, Rodriguez-Palmero, Agustí, Romero, Carolina Soledad, Rothenbuhler, Anya, Roux, Damien, Rovina, Nikoletta, Rozenberg, Flore, Ruch, Yvon, Ruiz, Montse, Ruiz del Prado, Maria Yolanda, Ruiz-Rodriguez, Juan Carlos, Sabater-Riera, Joan, Saks, Kai, Salagianni, Maria, Sanchez, Oliver, Sánchez-Montalvá, Adrián, Sánchez-Ramón, Silvia, Schidlowski, Laire, Schluter, Agatha, Schmidt, Julien, Schmidt, Matthieu, Schuetz, Catharina, Schweitzer, Cyril E, Scolari, Francesco, Sediva, Anna, Seijo, Luis, Seminario, Analia Gisela, Seng, Piseth, Senoglu, Sevtap, Seppänen, Mikko, Llovich, Alex Serra, Shahrooei, Mohammad, Siguret, Virginie, Siouti, Eleni, Smadja, David M, Smith, Nikaia, Sobh, Ali, Soler, Catherine, Soler-Palacín, Pere, Sözeri, Betül, Stella, Giulia Maria, Stepanovskiy, Yuriy, Stoclin, Annabelle, Taccone, Fabio, Taupin, Jean-Luc, Tavernier, Simon J, Tello, Loreto Vidaur, Terrier, Benjamin, Thiery, Guillaume, Thorball, Christian, THORN, Karolina, Thumerelle, Caroline, Tipu, Imran, Tolstrup, Martin, Tomasoni, Gabriele, Toubiana, Julie, Alvarez, Josep Trenado, Troya, Jesús, Tsang, Owen T Y, Tserel, Liina, Tso, Eugene Y K, Tucci, Alessandra, Tüter Öz, Şadiye Kübra, Ursini, Matilde Valeria, Utsumi, Takanori, Uzunhan, Yurdagul, Vabres, Pierre, Valencia-Ramos, Juan, Van Den Rym, Ana Maria, Vandernoot, Isabelle, Velez-Santamaria, Valentina, Zuniga Veliz, Silvia Patricia, Vidigal, Mateus C, Viel, Sébastien, Vilain, Cédric, Vilaire-Meunier, Marie E, Villar-García, Judit, Vincent, Audrey, Vogt, Guillaume, Voiriot, Guillaume, Volokha, Alla, Vuotto, Fanny, Wauters, Els, Wu, Alan K L, Wu, Tak-Chiu, Yahşi, Aysun, Yesilbas, Osman, Yildiz, Mehmet, Young, Barnaby E, Yükselmiş, Ufuk, Zecca, Marco, Zuccaro, Valentina, Jens, Van Praet, Lambrecht, Bart N., Eva, Van Braeckel, Cédric, Bosteels, Levi, Hoste, Eric, Hoste, Bauters, Fré, De Clercq, Jozefien, Cathérine, Heijmans, Hans, Slabbynck, Leslie, Naesens, Florkin, Benoit, Boulanger, Cécile, Vanderlinden, Dimitri, Foti, Giuseppe, Bellani, Giacomo, Citerio, Giuseppe, Contro, Ernesto, Pesci, Alberto, Valsecchi, Maria Grazia, Cazzaniga, Marina, Danielson, Jeffrey J., Dobbs, Kerry, Kashyap, Anuj, Ding, Li, Dalgard, Clifton L., Sottini, Alessandra, Quaresima, Virginia, Quiros-Roldan, Eugenia, Rossi, Camillo, Bettini, Laura Rachele, D’Angio’, Mariella, Beretta, Ilaria, Montagna, Daniela, Licari, Amelia, Marseglia, Gian Luigi, Batten, Isabella, Reddy, Conor, McElheron, Matt, Noonan, Claire, Connolly, Emma, Fallon, Aoife, Storgaard, Merete, Jørgensen, Sofie, Erikstrup, Christian, Pedersen, Ole Birger, Sørensen, Erik, Mikkelsen, Susan, Dinh, Khoa Manh, Larsen, Margit Anita Hørup, Paulsen, Isabella Worlewenut, Von Stemann, Jakob Hjorth, Hansen, Morten Bagge, Townsend, Liam, Cheallaigh, Cliona Ni, Bergin, Colm, Martin-Loeches, Ignacio, Dunne, Jean, Conlon, Niall, Bourke, Nollaig, O'Farrelly, Cliona, Allavena, Clotilde, Andrejak, Claire, Angoulvant, François, Azoulay, Cecile, Bachelet, Delphine, Bartoli, Marie, Basmaci, Romain, Behilill, Sylvie, Beluze, Marine, Benech, Nicolas, Benkerrou, Dehbia, Bhavsar, Krishna, Bitker, Laurent, Bouadma, Lila, Bouscambert-Duchamp, Maude, Paz, Pauline Caraux, Cervantes-Gonzalez, Minerva, Chair, Anissa, Chirouze, Catherine, Coelho, Alexandra, Cordel, Hugues, Couffignal, Camille, Couffin-Cadiergues, Sandrine, d’Ortenzio, Eric, De Montmollin, Etienne, Debard, Alexa, Debray, Marie-Pierre, Deplanque, Dominique, Descamps, Diane, Desvallée, Mathilde, Diallo, Alpha, Diouf, Alphonsine, Dorival, Céline, Dubos, François, Eloy, Philippine, Enouf, Vincent, Epaulard, Olivier, Esperou, Hélène, Esposito-Farese, Marina, Etienne, Manuel, Garot, Denis, Gault, Nathalie, Gaymard, Alexandre, Ghosn, Jade, Gigante, Tristan, Gilg, Morgane, Goehringer, François, Guedj, Jérémie, Hoctin, Alexandre, Hoffmann, Isabelle, Houas, Ikram, Hulot, Jean-Sébastien, Jaafoura, Salma, Kafif, Ouifiya, Kaguelidou, Florentia, Kali, Sabrina, Kerroumi, Younes, Khalil, Antoine, Khan, Coralie, Kimmoun, Antoine, Laine, Fabrice, Laouénan, Cédric, Laribi, Samira, Le, Minh, Le Bris, Cyril, Le Gac, Sylvie, Le Hingrat, Quentin, Le Mestre, Soizic, Le Nagard, Hervé, Lemaignen, Adrien, Lemee, Véronique, Lescure, François-Xavier, Letrou, Sophie, Levy, Yves, Lina, Bruno, Lingas, Guillaume, Lucet, Jean Christophe, Machado, Moïse, Malvy, Denis, Mambert, Marina, Manuel, Aldric, Meziane, Amina, Mouquet, Hugo, Mullaert, Jimmy, Neant, Nadège, Nguyen, Duc, Noret, Marion, Papadopoulos, Aurélie, Paul, Christelle, Peiffer-Smadja, Nathan, Peigne, Vincent, Petrov-Sanchez, Ventzislava, Peytavin, Gilles, Pham, Huong, Picone, Olivier, Piquard, Valentine, Puéchal, Oriane, Rosa-Calatrava, Manuel, Rossignol, Bénédicte, Rossignol, Patrick, Roy, Carine, Schneider, Marion, Su, Richa, Tardivon, Coralie, Tellier, Marie-Capucine, Téoulé, François, Terrier, Olivier, Timsit, Jean-François, Tual, Christelle, Tubiana, Sarah, Van Der Werf, Sylvie, Vanel, Noémie, Veislinger, Aurélie, Visseaux, Benoit, Wiedemann, Aurélie, Yazdanpanah, Yazdan, Annereau, Jean-Philippe, Briseño-Roa, Luis, Gribouval, Olivier, Pelet, Anna, Alcover, Andres, Aschard, Hugues, Bousso, Philippe, Brodin, Petter, Bruhns, Pierre, Cerf-Bensussan, Nadine, Cumano, Ana, D’Enfert, Christophe, Deriano, Ludovic, Dillies, Marie-Agnès, Di Santo, James, Dromer, Françoise, Eberl, Gérard, Enninga, Jost, Gomperts-Boneca, Ivo, Hasan, Milena, Hedestam, Gunilla Karlsson, Hercberg, Serge, Ingersoll, Molly A, Lantz, Olivier, Kenny, Rose Anne, Ménager, Mickaël, Michel, Frédérique, Patin, Etienne, Pellegrini, Sandra, Rausell, Antonio, Rieux-Laucat, Frédéric, Rogge, Lars, Fontes, Magnus, Sakuntabhai, Anavaj, Schwartz, Olivier, Schwikowski, Benno, Shorte, Spencer, Tangy, Frédéric, Toubert, Antoine, Touvier, Mathilde, Ungeheuer, Marie-Noëlle, Zimmer, Christophe, Albert, Matthew L., Alavoine, Loubna, Behillil, Sylvie, Burdet, Charles, Charpentier, Charlotte, Dechanet, Aline, Ecobichon, Jean-Luc, Frezouls, Wahiba, Houhou, Nadhira, Lehacaut, Jonathan, Lucet, Jean-Christophe, Manchon, Pauline, Nouroudine, Mariama, Quintin, Caroline, Thy, Michael, van der Werf, Sylvie, Vignali, Valérie, Chahine, Abir, Waucquier, Nawal, Migaud, Maria-Claire, Djossou, Félix, Mergeay-Fabre, Mayka, Lucarelli, Aude, Demar, Magalie, Bruneau, Léa, Gérardin, Patrick, Maillot, Adrien, Payet, Christine, Laviolle, Bruno, Paris, Christophe, Desille-Dugast, Mireille, Fouchard, Julie, Pistone, Thierry, Perreau, Pauline, Gissot, Valérie, Le Goas, Carole, Montagne, Samatha, Richard, Lucie, Bouiller, Kévin, Desmarets, Maxime, Meunier, Alexandre, Lefévre, Benjamin, Jeulin, Hélène, Legrand, Karine, Lomazzi, Sandra, Tardy, Bernard, Gagneux-Brunon, Amandine, Bertholon, Frédérique, Botelho-Nevers, Elisabeth, Kouakam, Christelle, Leturque, Nicolas, Roufai, Layidé, Amat, Karine, Espérou, Hélène, Hendou, Samia, van Agtmael, Michiel, Algera, Anne Geke, Appelman, Brent, van Baarle, Frank, Bax, Diane, Beudel, Martijn, Bogaard, Harm Jan, Bomers, Marije, Bonta, Peter, Bos, Lieuwe, Botta, Michela, de Brabander, Justin, de Bree, Godelieve, de Bruin, Sanne, Buis, David T.P., Bugiani, Marianna, Bulle, Esther, Chouchane, Osoul, Cloherty, Alex, Dijkstra, Mirjam, Dongelmans, Dave A., Dujardin, Romein W.G., Elbers, Paul, Fleuren, Lucas, Geijtenbeek, Suzanne Geerlings Theo, Girbes, Armand, Goorhuis, Bram, Grobusch, Martin P., Hafkamp, Florianne, Hagens, Laura, Hamann, Jorg, Harris, Vanessa, Hemke, Robert, Hermans, Sabine M., Heunks, Leo, Hollmann, Markus, Horn, Janneke, Hovius, Joppe W., de Jong, Menno D., Lim, Endry H.T., van Mourik, Niels, Nellen, Jeaninne, Nossent, Esther J., Paulus, Frederique, Peters, Edgar, Pina-Fuentes, Dan A.I., van der Poll, Tom, Preckel, Bennedikt, Prins, Jan M., Raasveld, Jorinde, Reijnders, Tom, de Rotte, Maurits C.F.J., Schinkel, Michiel, Schultz, Marcus J., Schrauwen, Femke A.P., Schuurmans, Alex, Schuurmans, Jaap, Sigaloff, Kim, Slim, Marleen A., Smeele, Patrick, Smit, Marry, Stijnis, Cornelis S., Stilma, Willemke, Teunissen, Charlotte, Thoral, Patrick, Tsonas, Anissa M, Tuinman, Pieter R., van der Valk, Marc, Veelo, Denise, Volleman, Carolien, de Vries, Heder, Vught, Lonneke A., van Vugt, Michèle, Wouters, Dorien, Zwinderman, A. H (Koos, Brouwer, Matthijs C., Wiersinga, W. Joost, Vlaar, Alexander P.J., Al-Muhsen, Saleh, Al-Mulla, Fahd, Arias, Andrés A., Bogunovic, Dusan, Bolze, Alexandre, Bryceson, Yenan, Bustamante, Carlos D., Butte, Manish J., Chakravorty, Samya, Christodoulou, John, Constantinescu, Stefan N., Cooper, Megan A., Desai, Murkesh, Drolet, Beth A., El Baghdadi, Jamila, Espinosa-Padilla, Sara, Froidure, Antoine, Henrickson, Sarah E., Hsieh, Elena W.Y., Husebye, Eystein S., Imai, Kohsuke, Itan, Yuval, Jarvis, Erich D., Karamitros, Timokratis, Ku, Cheng-Lung, Ling, Yun, Lucas, Carrie L., Maniatis, Tom, Maródi, László, Milner, Joshua D., Mironska, Kristina, Ng, Lisa F.P., Novelli, Antonio, Novelli, Giuseppe, de Diego, Rebeca Perez, Renia, Laurent, Resnick, Igor, Sancho-Shimizu, Vanessa, Seppänen, Mikko R.J., Shahrooei, Mohammed, Slaby, Ondrej, Abou Tayoun, Ahmad, Ramaswamy, Sathishkumar, Turvey, Stuart E, Uddin, K M Furkan, Uddin, Mohammed J., von Bernuth, Horst, Zawadzki, Pawel, Nadif, Rachel, Goldberg, Marcel, Ozguler, Anna, Henny, Joseph, Lemonnier, Sylvie, Coeuret-Pellicer, Mireille, Le Got, Stéphane, Tzourio, Christophe, Dufouil, Carole, Soumaré, Aïcha, Lachaize, Morgane, Fievet, Nathalie, Flaig, Amandine, Martin, Fernando, Bonneaudeau, Brigitte, Cannet, Dorothée, Gallian, Pierre, Jeanne, Michel, Perroquin, Magali, Hamzeh-Cognasse, Hind, Imagine - Institut des maladies génétiques (IHU) (Imagine - U1163), Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Paris Cité (UPCité), Groupe de recherche clinique CARMAS (Cardiovascular and Respiratory Manifestations of Acute lung injury and Sepsis) (CARMAS), Institut Mondor de Recherche Biomédicale (IMRB), Institut National de la Santé et de la Recherche Médicale (INSERM)-IFR10-Université Paris-Est Créteil Val-de-Marne - Paris 12 (UPEC UP12)-Institut National de la Santé et de la Recherche Médicale (INSERM)-IFR10-Université Paris-Est Créteil Val-de-Marne - Paris 12 (UPEC UP12)-CHU Henri Mondor [Créteil], Hôpital Avicenne [AP-HP], Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP), CHU Pitié-Salpêtrière [AP-HP], Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Sorbonne Université (SU), Unité de Recherche sur les Maladies Cardiovasculaires, du Métabolisme et de la Nutrition = Research Unit on Cardiovascular and Metabolic Diseases (ICAN), Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Sorbonne Université (SU)-Institut de Cardiométabolisme et Nutrition = Institute of Cardiometabolism and Nutrition [CHU Pitié Salpêtrière] (IHU ICAN), Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Sorbonne Université (SU)-Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Sorbonne Université (SU)-CHU Pitié-Salpêtrière [AP-HP], Hôpital Lariboisière-Fernand-Widal [APHP], Centre d’Infection et d’Immunité de Lille - INSERM U 1019 - UMR 9017 - UMR 8204 (CIIL), Institut Pasteur de Lille, Réseau International des Instituts Pasteur (RIIP)-Réseau International des Instituts Pasteur (RIIP)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université de Lille-Centre Hospitalier Régional Universitaire [Lille] (CHRU Lille)-Centre National de la Recherche Scientifique (CNRS), Hôpital Roger Salengro [Lille], Etablissement Français du Sang [La Plaine Saint-Denis] (EFS), Interactions hôte-greffon-tumeur, ingénierie cellulaire et génique - UFC (UMR INSERM 1098) (RIGHT), Institut National de la Santé et de la Recherche Médicale (INSERM)-Etablissement français du sang [Bourgogne-Franche-Comté] (EFS BFC)-Université de Franche-Comté (UFC), Université Bourgogne Franche-Comté [COMUE] (UBFC)-Université Bourgogne Franche-Comté [COMUE] (UBFC), Santé Ingénierie Biologie Saint-Etienne (SAINBIOSE), Centre Ingénierie et Santé (CIS-ENSMSE), École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM), Etablissement français du sang - Auvergne-Rhône-Alpes (EFS), Hospices Civils de Lyon (HCL), Centre International de Recherche en Infectiologie (CIRI), École normale supérieure de Lyon (ENS de Lyon)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Grand Hôpital de l'Est Francilien (GHEF), Microbes évolution phylogénie et infections (MEPHI), Institut de Recherche pour le Développement (IRD)-Aix Marseille Université (AMU)-Centre National de la Recherche Scientifique (CNRS), Institut Hospitalier Universitaire Méditerranée Infection (IHU Marseille), Assistance Publique - Hôpitaux de Marseille (APHM), Centre d'études et de recherche sur les services de santé et la qualité de vie (CEReSS), Aix Marseille Université (AMU), Paris-Centre de Recherche Cardiovasculaire (PARCC (UMR_S 970/ U970)), Hôpital Européen Georges Pompidou [APHP] (HEGP), Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Hôpitaux Universitaires Paris Ouest - Hôpitaux Universitaires Île de France Ouest (HUPO)-Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Hôpitaux Universitaires Paris Ouest - Hôpitaux Universitaires Île de France Ouest (HUPO)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Paris Cité (UPCité), Recherche clinique appliquée à l'hématologie ((EA_3518)), Université Paris Diderot - Paris 7 (UPD7), Service de Réanimation Médicale et Toxicologique [Hôpital Lariboisière], Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Hôpital Lariboisière-Fernand-Widal [APHP], Optimisation thérapeutique en Neuropsychopharmacologie (OPTeN (UMR_S_1144 / U1144)), Institut Necker Enfants-Malades (INEM - UM 111 (UMR 8253 / U1151)), Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Paris Cité (UPCité), Centre d'Investigation Clinique - Epidémiologie Clinique Saint-Etienne (CIC-EC), Centre Hospitalier Universitaire de Saint-Etienne [CHU Saint-Etienne] (CHU ST-E)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM), Récepteurs Nucléaires, Maladies Métaboliques et Cardiovasculaires - U1011 (RNMCD), Réseau International des Instituts Pasteur (RIIP)-Réseau International des Instituts Pasteur (RIIP)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université de Lille-Centre Hospitalier Régional Universitaire [Lille] (CHRU Lille), Institut Pierre Louis d'Epidémiologie et de Santé Publique (iPLESP), Institut National de la Santé et de la Recherche Médicale (INSERM)-Sorbonne Université (SU), Immunologie Translationnelle - Translational Immunology lab, Institut Pasteur [Paris] (IP), Génétique Evolutive Humaine - Human Evolutionary Genetics, Institut Pasteur [Paris] (IP)-Centre National de la Recherche Scientifique (CNRS), Collège de France - Chaire Génomique humaine et évolution, Collège de France (CdF (institution)), CHU Trousseau [Tours], Centre Hospitalier Régional Universitaire de Tours (CHRU Tours), Morphogénèse et antigénicité du VIH et du virus des Hépatites (MAVIVH - U1259 Inserm - CHRU Tours ), Centre Hospitalier Régional Universitaire de Tours (CHRU Tours)-Université de Tours (UT)-Institut National de la Santé et de la Recherche Médicale (INSERM), Hôpital Robert Ballanger [Aulnay-sous-Bois], Hôpital Edouard Herriot [CHU - HCL], Physiopathologie de l'immunodépression associée aux réponses inflammatoires systémiques / Pathophysiology of Injury-induced Immunosuppression (PI3), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon, Centre d'Immunologie et des Maladies Infectieuses (CIMI), Institut National de la Santé et de la Recherche Médicale (INSERM)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS), Hôpital Jean Verdier [AP-HP], Centre de Recherche des Cordeliers (CRC (UMR_S_1138 / U1138)), École Pratique des Hautes Études (EPHE), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Sorbonne Université (SU)-Université Paris Cité (UPCité), Bordeaux population health (BPH), Université de Bordeaux (UB)-Institut de Santé Publique, d'Épidémiologie et de Développement (ISPED)-Institut National de la Santé et de la Recherche Médicale (INSERM), Unité des Virus Emergents (UVE), Institut de Recherche pour le Développement (IRD)-Aix Marseille Université (AMU)-Institut National de la Santé et de la Recherche Médicale (INSERM), Centre d'investigation Clinique [CHU Bichat] - Épidémiologie clinique (CIC 1425), AP-HP - Hôpital Bichat - Claude Bernard [Paris], Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Institut National de la Santé et de la Recherche Médicale (INSERM), Infection, Anti-microbiens, Modélisation, Evolution (IAME (UMR_S_1137 / U1137)), Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Paris Cité (UPCité)-Université Sorbonne Paris Nord, Cohortes épidémiologiques en population (CONSTANCES), Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Paris-Saclay-Université Paris Cité (UPCité), Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Modeling & analysis for medical imaging and Diagnosis (MYRIAD), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Laboratoire de Chimie et de Biochimie Pharmacologiques et Toxicologiques (LCBPT - UMR 8601), Institut de Chimie du CNRS (INC)-Centre National de la Recherche Scientifique (CNRS)-Université Paris Cité (UPCité), Agents infectieux, résistance et chimiothérapie - UR UPJV 4294 (AGIR ), Université de Picardie Jules Verne (UPJV)-CHU Amiens-Picardie, CHU Amiens-Picardie, French COVID cohort study group, Howard Hughes Medical Institute, Rockefeller University, European Commission, Jeffrey Modell Foundation, Université de Bordeaux, Meath Foundation, National Human Genome Research Institute, Agence Nationale de la Recherche, Fondation pour la Recherche Médicale, Fondation du Souffle, Instituto de Salud Carlos III, Institut National de la Santé et de la Recherche Médicale, St. Giles Foundation, Ministère des Solidarités et de la Santé, Sorbonne Université, Mutuelle Générale de l'Education Nationale, Conseil Régional Aquitaine, Conseil régional de Bourgogne-Franche-Comté, Meyer Foundation, Fondation de France, National Cancer Institute, European Regional Development Fund, Fundación DISA, Ministero della Salute, ANR-20-COVI-0003,GENCOVID,Identification des défauts monogéniques de l'immunité responsables des formes sévères de COVID-19 chez les patients précédemment en bonne santé(2020), ANR-20-CE93-0003,GENVIR,Analyse multi-omique de l'immunité anti-virale: de l'identification des circuits biologiques pertinents à la découverte de défauts monogéniques héréditaires de l'immunité chez les patients avec infections virales sévères(2020), ANR-20-CO11-0001,AABIFNCOV,Bases génétiques et immunologiques des auto-anticorps contre les interférons de type I prédisposant aux formes sévères de COVID-19.(2020), European Project: IdEx Bordeaux (ANR-10-IDEX- 003-02), Bastard, Paul, Gervais, Adrian, Le Voyer, Tom, Rosain, Jérémie, Philippot, Quentin, Manry, Jérémy, Michailidis, Eleftherio, Hoffmann, Hans-Heinrich, Eto, Shohei, Garcia-Prat, Marina, Bizien, Lucy, Parra-Martínez, Alba, Yang, Rui, Haljasmägi, Lii, Migaud, Mélanie, Särekannu, Karita, Maslovskaja, Julia, de Prost, Nicola, Tandjaoui-Lambiotte, Yacine, Luyt, Charles-Edouard, Amador-Borrero, Blanca, Gaudet, Alexandre, Poissy, Julien, Morel, Pascal, Richard, Pascale, Cognasse, Fabrice, Troya, Jesu, Trouillet-Assant, Sophie, Belot, Alexandre, Saker, Kahina, Garçon, Pierre, Rivière, Jacques G, Lagier, Jean-Christophe, Gentile, Stéphanie, Rosen, Lindsey B, Shaw, Elana, Morio, Tomohiro, Tanaka, Junko, Dalmau, David, Tharaux, Pierre-Loui, Sene, Damien, Stepanian, Alain, Megarbane, Bruno, Triantafyllia, Vasiliki, Fekkar, Arnaud, Heath, James R, Franco, José Lui, Anaya, Juan-Manuel, Solé-Violán, Jordi, Imberti, Luisa, Biondi, Andrea, Bonfanti, Paolo, Castagnoli, Riccardo, Delmonte, Ottavia M, Zhang, Yu, Snow, Andrew L, Holland, Steven M, Biggs, Catherine, Moncada-Vélez, Marcela, Arias, Andrés Augusto, Lorenzo, Lazaro, Boucherit, Soraya, Coulibaly, Boubacar, Anglicheau, Dany, Planas, Anna M, Haerynck, Filomeen, Duvlis, Sotirija, Nussbaum, Robert L, Ozcelik, Tayfun, Keles, Sevgi, Bousfiha, Ahmed A, El Bakkouri, Jalila, Ramirez-Santana, Carolina, Paul, Stéphane, Pan-Hammarström, Qiang, Hammarström, Lennart, Dupont, Annabelle, Kurolap, Alina, Metz, Christine N, Aiuti, Alessandro, Casari, Giorgio, Lampasona, Vito, Ciceri, Fabio, Barreiros, Lucila A, Dominguez-Garrido, Elena, Vidigal, Mateu, Zatz, Mayana, van de Beek, Diederik, Sahanic, Sabina, Tancevski, Ivan, Stepanovskyy, Yurii, Boyarchuk, Oksana, Nukui, Yoko, Tsumura, Miyuki, Vidaur, Loreto, Tangye, Stuart G, Burrel, Sonia, Duffy, Darragh, Quintana-Murci, Llui, Klocperk, Adam, Kann, Nelli Y, Shcherbina, Anna, Lau, Yu-Lung, Leung, Daniel, Coulongeat, Matthieu, Marlet, Julien, Koning, Rutger, Reyes, Luis Felipe, Chauvineau-Grenier, Angélique, Venet, Fabienne, Monneret, Guillaume, Nussenzweig, Michel C, Arrestier, Romain, Boudhabhay, Idri, Baris-Feldman, Hagit, Hagin, David, Wauters, Joost, Meyts, Isabelle, Dyer, Adam H, Kennelly, Sean P, Bourke, Nollaig M, Halwani, Rabih, Sharif-Askari, Narjes Saheb, Dorgham, Karim, Sallette, Jérome, Sedkaoui, Souad Mehlal, Alkhater, Suzan, Rigo-Bonnin, Raúl, Morandeira, Francisco, Roussel, Lucie, Vinh, Donald C, Ostrowski, Sisse Rye, Condino-Neto, Antonio, Prando, Carolina, Bonradenko, Anastasiia, Spaan, András N, Gilardin, Laurent, Fellay, Jacque, Lyonnet, Stanisla, Bilguvar, Kaya, Lifton, Richard P, Mane, Shrikant, Anderson, Mark S, Boisson, Bertrand, Béziat, Vivien, Zhang, Shen-Ying, Vandreakos, Evangelo, Hermine, Olivier, Pujol, Aurora, Peterson, Pärt, Mogensen, Trine H, Rowen, Lee, Mond, Jame, Debette, Stéphanie, de Lamballerie, Xavier, Duval, Xavier, Mentré, France, Zins, Marie, Soler-Palacin, Pere, Colobran, Roger, Gorochov, Guy, Solanich, Xavier, Susen, Sophie, Martinez-Picado, Javier, Raoult, Didier, Vasse, Marc, Gregersen, Peter K, Piemonti, Lorenzo, Rodríguez-Gallego, Carlo, Notarangelo, Luigi D, Su, Helen C, Kisand, Kai, Okada, Satoshi, Puel, Anne, Jouanguy, Emmanuelle, Rice, Charles M, Tiberghien, Pierre, Zhang, Qian, Cobat, Aurélie, Abel, Laurent, Casanova, Jean-Laurent, St. Giles Laboratory of Human Genetics of Infectious Diseases, Rockefeller University [New York], CHU Necker - Enfants Malades [AP-HP], Human genetics of infectious diseases : Mendelian predisposition (Equipe Inserm U1163), Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Paris Cité (UPCité)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Paris Cité (UPCité), Hiroshima University, Vall d’Hebron Research Institute (VHIR), University of Tartu, Institut National de la Santé et de la Recherche Médicale (INSERM)-IFR10-Université Paris-Est Créteil Val-de-Marne - Paris 12 (UPEC UP12), CHU Henri Mondor [Créteil], Service de Réanimation Médicale [CHU Pitié-Salpétrière], Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Sorbonne Université (SU)-Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Sorbonne Université (SU), Institut Pasteur [Paris] (IP)-Université Paris Cité (UPCité), Institut Pasteur [Paris] (IP)-Centre National de la Recherche Scientifique (CNRS)-Université Paris Cité (UPCité), Mycologie moléculaire - Molecular Mycology, Members of the The Milieu Intérieur Consortium: Laurent Abel1 , Andres Alcover2 , Hugues Aschard2 , Philippe Bousso2 , Nollaig Bourke3 , Petter Brodin4 , Pierre Bruhns2 , Nadine Cerf-Bensussan5 , Ana Cumano2 , Christophe D’Enfert2 , Ludovic Deriano2 , Marie-Agnès Dillies2 , James Di Santo2 , Françoise Dromer2 , Gérard Eberl2 , Jost Enninga2 , Jacques Fellay6 , Ivo Gomperts-Boneca2 , Milena Hasan2 , Gunilla Karlsson Hedestam4 , Serge Hercberg7 , Molly A. Ingersoll2 , Olivier Lantz8 , Rose Anne Kenny3 , Mickaël Ménager5 , Frédérique Michel2 , Hugo Mouquet2 , Cliona O’Farrelly3 , Etienne Patin2 , Sandra Pellegrini2 , Antonio Rausell5 , Frédéric Rieux-Laucat5 , Lars Rogge2 , Magnus Fontes9 , Anavaj Sakuntabhai2 , Olivier Schwartz2 , Benno Schwikowski2 , Spencer Shorte2 , Frédéric Tangy2 , Antoine Toubert10 , Mathilde Touvier12 , Marie-Noëlle Ungeheuer2 , Christophe Zimmer2 , Matthew L. Albert11 , Darragh Duffy2 , Lluis Quintana-Murc, ANR-10-LABX-0062,IBEID,Integrative Biology of Emerging Infectious Diseases(2010), European Project: 824110,H2020-INFRAIA-2018-1,EASI-Genomics(2019), European Project: 948959,ERC-2020-STG,MORE2ADA2(2021), National Institutes of Health (US), National Center for Advancing Translational Sciences (US), George Mason University, National Human Genome Research Institute (US), Agence Nationale de la Recherche (France), Institut National de la Santé et de la Recherche Médicale (France), Université de Paris, Ministère des Solidarités et de la Santé (France), National Health and Medical Research Council (Australia), Ministerio de Ciencia, Innovación y Universidades (España), Agencia Estatal de Investigación (España), Cabildo de Tenerife, Fondation Bettencourt Schueller, Estonian Research Council, Michailidis, Eleftherios, García-Prat, Marina, Paul, Stephanie, Metz, Christine N., Barreiros, Lucila, Domínguez-Garrido, Elena, Vidigal, Mateus, Beek, Diederik van der, Stepanovskyy, Yuriy, Tangye, Stuart G., Quintana-Murci, Lluis, Kan, Nelli, Nussenzweig, Michel C., Baris, Hagit N., Dyer, Adam, Bourke, Nollaig, Vinh, Donald C., Spaan, András N., Fellay, Jacques, Mane, Shrikant M., Anderson, MarK S., Andreakos, Evangelos, Haljasmägi, Liis, Mogensen, Trine, Lamballerie, Xavier de, Soler-Palacín, Pere, Martínez-Picado, Javier, Gregersen, Peter K., Rodríguez-Gallego, Carlos, Notarangelo, Luigi D., Su, Helen C., Prost, Nicolas de, Amador-Borrero, Blanco, Troya, Jesús, Rivière, Jacques G., Gentile, Stephanie, Rosen, Lindsey B., Tharaux, Pierre-Louis, Stépanian, Alain, Mégarbane, Bruno, Heath, James R., Franco, José Luis, Anaya, Juan Manuel, Snow, Andrew L., Holland, Steven M., Biggs, Catherine M., Moncada-Velez, Marcela, Planas, Anna M., Nussbaum, Robert, Bousfiha, Ahmed Aziz, Ramírez-Santana, Carolina, Intensive care medicine, Internal medicine, AII - Infectious diseases, Pulmonary medicine, ACS - Pulmonary hypertension & thrombosis, Pathology, Amsterdam Neuroscience - Cellular & Molecular Mechanisms, Amsterdam Neuroscience - Complex Trait Genetics, ACS - Diabetes & metabolism, Amsterdam Cardiovascular Sciences, Radiology and nuclear medicine, AMS - Rehabilitation & Development, VU University medical center, Laboratory Medicine, Amsterdam Neuroscience - Neurodegeneration, Amsterdam Neuroscience - Neuroinfection & -inflammation, Anesthesiology, APH - Quality of Care, ACS - Heart failure & arrhythmias, Özçelik, Tayfun, Children's Hospital, HUS Children and Adolescents, Clinicum, Department of Medicine, Infektiosairauksien yksikkö, HUS Inflammation Center, Admin, Oskar, Identification des défauts monogéniques de l'immunité responsables des formes sévères de COVID-19 chez les patients précédemment en bonne santé - - GENCOVID2020 - ANR-20-COVI-0003 - COVID-19 - VALID, Analyse multi-omique de l'immunité anti-virale: de l'identification des circuits biologiques pertinents à la découverte de défauts monogéniques héréditaires de l'immunité chez les patients avec infections virales sévères - - GENVIR2020 - ANR-20-CE93-0003 - AAPG2020 - VALID, Bases génétiques et immunologiques des auto-anticorps contre les interférons de type I prédisposant aux formes sévères de COVID-19. - - AABIFNCOV2020 - ANR-20-CO11-0001 - COVID-19 - VALID, Program Initiative d’Excellence - IdEx Bordeaux (ANR-10-IDEX- 003-02) - INCOMING, CHU Tenon [AP-HP], Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Sorbonne Université (SU)-Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Sorbonne Université (SU)-CHU Henri Mondor, Institut National de la Santé et de la Recherche Médicale (INSERM)-Etablissement français du sang [Bourgogne-Franche-Comté] (EFS [Bourgogne-Franche-Comté])-Université de Franche-Comté (UFC), INSERM U1059, SAINBIOSE - Santé, Ingénierie, Biologie, Saint-Etienne (SAINBIOSE-ENSMSE), Centre International de Recherche en Infectiologie - UMR (CIRI), École normale supérieure - Lyon (ENS Lyon)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Service de Parasitologie - Mycologie [CHU Pitié-Salpétrière], CIC Saint Etienne, Centre Hospitalier Universitaire de Saint-Etienne (CHU de Saint-Etienne)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Hôpital Nord (Saint Etienne), Récepteurs Nucléaires, Maladies Métaboliques et Cardiovasculaires (RNMCD - U1011), Physiopathologie de l'immunodépression associée aux réponses inflammatoires systémiques - EA 7426 (PI3), École pratique des hautes études (EPHE), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Institut de Chimie du CNRS (INC)-Centre National de la Recherche Scientifique (CNRS)-Université de Paris (UP), Neurology, ANS - Neuroinfection & -inflammation, Graduate School, Infectious diseases, Center of Experimental and Molecular Medicine, APH - Aging & Later Life, APH - Global Health, AII - Amsterdam institute for Infection and Immunity, APH - Health Behaviors & Chronic Diseases, Global Health, APH - Methodology, APH - Digital Health, APH - Personalized Medicine, ACS - Microcirculation, Bastard, P, Gervais, A, Le Voyer, T, Rosain, J, Philippot, Q, Manry, J, Michailidis, E, Hoffmann, H, Eto, S, Garcia-Prat, M, Bizien, L, Parra-Martínez, A, Yang, R, Haljasmägi, L, Migaud, M, Särekannu, K, Maslovskaja, J, de Prost, N, Tandjaoui-Lambiotte, Y, Luyt, C, Amador-Borrero, B, Gaudet, A, Poissy, J, Morel, P, Richard, P, Cognasse, F, Troya, J, Trouillet-Assant, S, Belot, A, Saker, K, Garçon, P, Rivière, J, Lagier, J, Gentile, S, Rosen, L, Shaw, E, Morio, T, Tanaka, J, Dalmau, D, Tharaux, P, Sene, D, Stepanian, A, Megarbane, B, Triantafyllia, V, Fekkar, A, Heath, J, Franco, J, Anaya, J, Solé-Violán, J, Imberti, L, Biondi, A, Bonfanti, P, Castagnoli, R, Delmonte, O, Zhang, Y, Snow, A, Holland, S, Biggs, C, Moncada-Vélez, M, Arias, A, Lorenzo, L, Boucherit, S, Coulibaly, B, Anglicheau, D, Planas, A, Haerynck, F, Duvlis, S, Nussbaum, R, Ozcelik, T, Keles, S, Bousfiha, A, El Bakkouri, J, Ramirez-Santana, C, Paul, S, Pan-Hammarström, Q, Hammarström, L, Dupont, A, Kurolap, A, Metz, C, Aiuti, A, Casari, G, Lampasona, V, Ciceri, F, Barreiros, L, Dominguez-Garrido, E, Vidigal, M, Zatz, M, van de Beek, D, Sahanic, S, Tancevski, I, Stepanovskyy, Y, Boyarchuk, O, Nukui, Y, Tsumura, M, Vidaur, L, Tangye, S, Burrel, S, Duffy, D, Quintana-Murci, L, Klocperk, A, Kann, N, Shcherbina, A, Lau, Y, Leung, D, Coulongeat, M, Marlet, J, Koning, R, Reyes, L, Chauvineau-Grenier, A, Venet, F, Monneret, G, Nussenzweig, M, Arrestier, R, Boudhabhay, I, Baris-Feldman, H, Hagin, D, Wauters, J, Meyts, I, Dyer, A, Kennelly, S, Bourke, N, Halwani, R, Sharif-Askari, N, Dorgham, K, Sallette, J, Sedkaoui, S, Alkhater, S, Rigo-Bonnin, R, Morandeira, F, Roussel, L, Vinh, D, Ostrowski, S, Condino-Neto, A, Prando, C, Bonradenko, A, Spaan, A, Gilardin, L, Fellay, J, Lyonnet, S, Bilguvar, K, Lifton, R, Mane, S, Anderson, M, Boisson, B, Béziat, V, Zhang, S, Vandreakos, E, Hermine, O, Pujol, A, Peterson, P, Mogensen, T, Rowen, L, Mond, J, Debette, S, de Lamballerie, X, Duval, X, Mentré, F, Zins, M, Soler-Palacin, P, Colobran, R, Gorochov, G, Solanich, X, Susen, S, Martinez-Picado, J, Raoult, D, Vasse, M, Gregersen, P, Piemonti, L, Rodríguez-Gallego, C, Notarangelo, L, Su, H, Kisand, K, Okada, S, Puel, A, Jouanguy, E, Rice, C, Tiberghien, P, Zhang, Q, Cobat, A, Abel, L, Casanova, J, Centre National de la Recherche Scientifique (CNRS)-Université de Paris (UP), Institut National de la Santé et de la Recherche Médicale (INSERM)-Université de Paris (UP), Laboratory of Human Genetics of Infectious Diseases (Necker Branch - INSERM U1163), Institut National de la Santé et de la Recherche Médicale (INSERM)-CHU Necker - Enfants Malades [AP-HP], Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP), Institut National de la Santé et de la Recherche Médicale (INSERM)-Université de Paris (UP)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université de Paris (UP), HGID Lab, COVID Clinicians, COVID-STORM Clinicians, NIAID Immune Response to COVID Group, NH-COVAIR Study Group, Danish CHGE, Danish Blood Donor Study, St. James's Hospital, SARS CoV2 Interest group, French COVID Cohort Study Group, Imagine COVID-Group, Milieu Intérieur Consortium, CoV-Contact Cohort, Amsterdam UMC Covid-19, Biobank Investigators, COVID Human Genetic Effort, CONSTANCES cohort, 3C-Dijon Study, Cerba Health-Care, Etablissement du Sang study group, Bigio, B., Boucherit, S., de la Chapelle, A., Chen, J., Chrabieh, M., Coulibaly, B., Liu, D., Nemirowskaya, Y., Cruz, I.M., Materna, M., Pelet, S., Seeleuthner, Y., Thibault, C., Liu, Z., Abad, J., Accordino, G., Achille, C., Aguilera-Albesa, S., Aguiló-Cucurull, A., Aiuti, A., Özkan, E.A., Darazam, I.A., Roblero Albisures, J.A., Aldave, J.C., Ramos, M.A., Khan, T.A., Aliberti, A., Nadji, S.A., Alkan, G., Alkhater, S.A., Allardet-Servent, J., Allende, L.M., Alonso-Arias, R., Alshahrani, M.S., Alsina, L., Alyanakian, M.A., Borrero, B.A., Amoura, Z., Antolí, A., Arrestier, R., Aubart, M., Auguet, T., Avramenko, I., Aytekin, G., Azot, A., Bahram, S., Bajolle, F., Baldanti, F., Baldolli, A., Ballester, M., Feldman, H.B., Barrou, B., Barzagh, F., Basso, S., Bayhan, G.I., Belot, A., Bezrodnik, L., Bilbao, A., Blanchard-Rohner, G., Blanco, I., Blandinières, A., Blázquez-Gamero, D., Bleibtreu, A., Bloomfield, M., Bolivar-Prados, M., Bondarenko, A., Borghesi, A., Borie, R., Botdhlo-Nevers, E., Bousfiha, A.A., Bousquet, A., Boutolleau, D., Bouvattier, C., Boyarchuk, O., Bravais, J., Briones, M.L., Brunner, M.E., Bruno, R., Bueno, MRP, Bukhari, H., Bustamante, J., Cáceres Agra, J.J., Capra, R., Carapito, R., Carrabba, M., Casari, G., Casasnovas, C., Caseris, M., Cassaniti, I., Castelle, M., Castelli, F., de Vera, M.C., Castro, M.V., Catherinot, E., Celik, J.B., Ceschi, A., Chalumeau, M., Charbit, B., Cheng, M.P., Clavé, P., Clotet, B., Codina, A., Cohen, Y., Colobran, R., Comarmond, C., Combes, A., Comoli, P., Corsico, A.G., Coşkuner, T., Cvetkovski, A., Cyrus, C., Dalmau, D., Danion, F., Darley, D.R., Das, V., Dauby, N., Dauger, S., De Munter, P., de Pontual, L., Dehban, A., Delplancq, G., Demoule, A., Desguerre, I., Di Sabatino, A., Diehl, J.L., Dobbelaere, S., Domínguez-Garrido, E., Dubost, C., Ekwall, O., Bozdemir, Ş.E., Elnagdy, M.H., Emiroglu, M., Endo, A., Erdeniz, E.H., Aytekin, S.E., Lasa, MPE, Euvrard, R., Fabio, G., Faivre, L., Falck, A., Fartoukh, M., Faure, M., Arquero, M.F., Ferrer, R., Ferreres, J., Flores, C., Francois, B., Fumadó, V., Fung, KSC, Fusco, F., Gagro, A., Solis, B.G., Gaussem, P., Gayretli, Z., Gil-Herrera, J., Gilardin, L., Gatineau, A.G., Girona-Alarcón, M., Cifuentes Godínez, K.A., Goffard, J.C., Gonzales, N., Gonzalez-Granado, L.I., González-Montelongo, R., Guerder, A., Gülhan, B., Gumucio, V.D., Hanitsch, L.G., Gunst, J., Gut, M., Hadjadj, J., Haerynck, F., Halwani, R., Hammarström, L., Hancerli, S., Hariyan, T., Hatipoglu, N., Heppekcan, D., Hernandez-Brito, E., Ho, P.K., Holanda-Peña, M.S., Horcajada, J.P., Hraiech, S., Humbert, L., Hung, IFN, Iglesias, A.D., Íñigo-Campos, A., Jamme, M., Arranz, M.J., Jimeno, M.T., Jordan, I., Yüksek, S.K., Kara, Y.B., Karahan, A., Karbuz, A., Yasar, K.K., Kasapcopur, O., Kashimada, K., Keles, S., Demirkol, Y.K., Kido, Y., Kizil, C., Kılıç, A.O., Klocperk, A., Koutsoukou, A., Król, Z.J., Ksouri, H., Kuentz, P., Kwan, AMC, Kwan, YWM, Kwok, JSY, Lagier, J.C., Lam, DSY, Lampropoulou, V., Lanternier, F., Lau, Y.L., Le Bourgeois, F., Leo, Y.S., Lopez, R.L., Leung, D., Levin, M., Levy, M., Lévy, R., Li, Z., Lilleri, D., Lima, EJAB, Linglart, A., López-Collazo, E., Lorenzo-Salazar, J.M., Louapre, C., Lubetzki, C., Lung, K.C., Luyt, C.E., Lye, D.C., Magnone, C., Mansouri, D., Marchioni, E., Marioli, C., Marjani, M., Marques, L., Pereira, J.M., Martín-Nalda, A., Pueyo, D.M., Martinez-Picado, J., Marzana, I., Mata-Martínez, C., Mathian, A., Matos, L.R., Matthews, G.V., Mayaux, J., McLaughlin-Garcia, R., Meersseman, P., Mège, J.L., Mekontso-Dessap, A., Melki, I., Meloni, F., Meritet, J.F., Merlani, P., Akcan, Ö.M., Meyts, I., Mezidi, M., Migeotte, I., Millereux, M., Million, M., Mirault, T., Mircher, C., Mirsaeidi, M., Mizoguchi, Y., Modi, B.P., Mojoli, F., Moncomble, E., Melián, A.M., Martinez, A.M., Morandeira, F., Morange, P.E., Mordacq, C., Morelle, G., Mouly, S.J., Muñoz-Barrera, A., Nafati, C., Nagashima, S., Nakagama, Y., Neven, B., Neves, J.F., Ng, L.F., Ng, Y.Y., Nielly, H., Medina, Y.N., Cuadros, E.N., Ocejo-Vinyals, J.G., Okamoto, K., Oualha, M., Ouedrani, A., Özçelik, T., Ozkaya-Parlakay, A., Pagani, M., Pan-Hammarström, Q., Papadaki, M., Parizot, C., Parola, P., Pascreau, T., Paul, S., Paz-Artal, E., Pedraza, S., González Pellecer, N.C., Pellegrini, S., de Diego, R.P., Pérez-Fernández, X.L., Philippe, A., Philippot, Q., Picod, A., de Chambrun, M.P., Piralla, A., Planas-Serra, L., Ploin, D., Poissy, J., Poncelet, G., Poulakou, G., Pouletty, M.S., Pourshahnazari, P., Qiu-Chen, J.L., Quentric, P., Rambaud, T., Raoult, D., Raoult, V., Rebillat, A.S., Redin, C., Resmini, L., Ricart, P., Richard, J.C., Rigo-Bonnin, R., Rivet, N., Rivière, J.G., Rocamora-Blanch, G., Rodero, M.P., Rodrigo, C., Rodriguez, L.A., Rodriguez-Gallego, C., Rodriguez-Palmero, A., Romero, C.S., Rothenbuhler, A., Roux, D., Rovina, N., Rozenberg, F., Ruch, Y., Ruiz, M., Ruiz Del Prado, M.Y., Ruiz-Rodriguez, J.C., Sabater-Riera, J., Saks, K., Salagianni, M., Sanchez, O., Sánchez-Montalvá, A., Sánchez-Ramón, S., Schidlowski, L., Schluter, A., Schmidt, J., Schmidt, M., Schuetz, C., Schweitzer, C.E., Scolari, F., Sediva, A., Seijo, L., Seminario, A.G., Sene, D., Seng, P., Senoglu, S., Seppänen, M., Llovich, A.S., Shahrooei, M., Shcherbina, A., Siguret, V., Siouti, E., Smadja, D.M., Smith, N., Sobh, A., Solanich, X., Solé-Violán, J., Soler, C., Soler-Palacín, P., Sözeri, B., Stella, G.M., Stepanovskiy, Y., Stoclin, A., Taccone, F., Tandjaoui-Lambiotte, Y., Taupin, J.L., Tavernier, S.J., Tello, L.V., Terrier, B., Thiery, G., Thorball, C., Thorn, K., Thumerelle, C., Tipu, I., Tolstrup, M., Tomasoni, G., Toubiana, J., Alvarez, J.T., Triantafyllia, V., Trouillet-Assant, S., Troya, J., Tsang, OTY, Tserel, L., Tso, EYK, Tucci, A., Tüter Öz, Ş.K., Ursini, M.V., Utsumi, T., Uzunhan, Y., Vabres, P., Valencia-Ramos, J., Van Den Rym, A.M., Vandernoot, I., Velez-Santamaria, V., Zuniga Veliz, S.P., Vidigal, M.C., Viel, S., Vilain, C., Vilaire-Meunier, M.E., Villar-García, J., Vincent, A., Vogt, G., Voiriot, G., Volokha, A., Vuotto, F., Wauters, E., Wauters, J., Wu, AKL, Wu, T.C., Yahşi, A., Yesilbas, O., Yildiz, M., Young, B.E., Yükselmiş, U., Zatz, M., Zecca, M., Zuccaro, V., Jens, V.P., Lambrecht, B.N., Eva, V.B., Cédric, B., Levi, H., Eric, H., Bauters, F., De Clercq, J., Cathérine, H., Hans, S., Leslie, N., Florkin, B., Boulanger, C., Vanderlinden, D., Foti, G., Bellani, G., Citerio, G., Contro, E., Pesci, A., Valsecchi, M.G., Cazzaniga, M., Danielson, J.J., Dobbs, K., Kashyap, A., Ding, L., Dalgard, C.L., Sottini, A., Quaresima, V., Quiros-Roldan, E., Rossi, C., Bettini, L.R., D'Angio', M., Beretta, I., Montagna, D., Licari, A., Marseglia, G.L., Batten, I., Reddy, C., McElheron, M., Noonan, C., Connolly, E., Fallon, A., Storgaard, M., Jørgensen, S., Erikstrup, C., Pedersen, O.B., Sørensen, E., Mikkelsen, S., Dinh, K.M., Larsen, MAH, Paulsen, I.W., Von Stemann, J.H., Hansen, M.B., Ostrowski, S.R., Townsend, L., Cheallaigh, C.N., Bergin, C., Martin-Loeches, I., Dunne, J., Conlon, N., Bourke, N., O'Farrelly, C., Abel, L., Allavena, C., Andrejak, C., Angoulvant, F., Azoulay, C., Bachelet, D., Bartoli, M., Basmaci, R., Behilill, S., Beluze, M., Benech, N., Benkerrou, D., Bhavsar, K., Bitker, L., Bouadma, L., Bouscambert-Duchamp, M., Paz, P.C., Cervantes-Gonzalez, M., Chair, A., Chirouze, C., Coelho, A., Cordel, H., Couffignal, C., Couffin-Cadiergues, S., d'Ortenzio, E., De Montmollin, E., Debard, A., Debray, M.P., Deplanque, D., Descamps, D., Desvallée, M., Diallo, A., Diouf, A., Dorival, C., Dubos, F., Duval, X., Eloy, P., Enouf, V., Epaulard, O., Esperou, H., Esposito-Farese, M., Etienne, M., Garot, D., Gault, N., Gaymard, A., Ghosn, J., Gigante, T., Gilg, M., Goehringer, F., Guedj, J., Hoctin, A., Hoffmann, I., Houas, I., Hulot, J.S., Jaafoura, S., Kafif, O., Kaguelidou, F., Kali, S., Kerroumi, Y., Khalil, A., Khan, C., Kimmoun, A., Laine, F., Laouénan, C., Laribi, S., Le, M., Le Bris, C., Le Gac, S., Le Hingrat, Q., Le Mestre, S., Le Nagard, H., Lemaignen, A., Lemee, V., Lescure, F.X., Letrou, S., Levy, Y., Lina, B., Lingas, G., Lucet, J.C., Machado, M., Malvy, D., Mambert, M., Manuel, A., Mentré, F., Meziane, A., Mouquet, H., Mullaert, J., Neant, N., Nguyen, D., Noret, M., Papadopoulos, A., Paul, C., Peiffer-Smadja, N., Peigne, V., Petrov-Sanchez, V., Peytavin, G., Pham, H., Picone, O., Piquard, V., Puéchal, O., Rosa-Calatrava, M., Rossignol, B., Rossignol, P., Roy, C., Schneider, M., Su, R., Tardivon, C., Tellier, M.C., Téoulé, F., Terrier, O., Timsit, J.F., Tual, C., Tubiana, S., Van Der Werf, S., Vanel, N., Veislinger, A., Visseaux, B., Wiedemann, A., Yazdanpanah, Y., Annereau, J.P., Briseño-Roa, L., Gribouval, O., Pelet, A., Alcover, A., Aschard, H., Bousso, P., Brodin, P., Bruhns, P., Cerf-Bensussan, N., Cumano, A., D'Enfert, C., Deriano, L., Dillies, M.A., Di Santo, J., Dromer, F., Eberl, G., Enninga, J., Fellay, J., Gomperts-Boneca, I., Hasan, M., Hedestam, G.K., Hercberg, S., Ingersoll, M.A., Lantz, O., Kenny, R.A., Ménager, M., Michel, F., Patin, E., Rausell, A., Rieux-Laucat, F., Rogge, L., Fontes, M., Sakuntabhai, A., Schwartz, O., Schwikowski, B., Shorte, S., Tangy, F., Toubert, A., Touvier, M., Ungeheuer, M.N., Zimmer, C., Albert, M.L., Duffy, D., Quintana-Murci, L., Alavoine, L., Behillil, S., Burdet, C., Charpentier, C., Dechanet, A., Ecobichon, J.L., Frezouls, W., Houhou, N., Lehacaut, J., Manchon, P., Nouroudine, M., Quintin, C., Thy, M., van der Werf, S., Vignali, V., Chahine, A., Waucquier, N., Migaud, M.C., Djossou, F., Mergeay-Fabre, M., Lucarelli, A., Demar, M., Bruneau, L., Gérardin, P., Maillot, A., Payet, C., Laviolle, B., Paris, C., Desille-Dugast, M., Fouchard, J., Pistone, T., Perreau, P., Gissot, V., Le Goas, C., Montagne, S., Richard, L., Bouiller, K., Desmarets, M., Meunier, A., Lefévre, B., Jeulin, H., Legrand, K., Lomazzi, S., Tardy, B., Gagneux-Brunon, A., Bertholon, F., Botelho-Nevers, E., Kouakam, C., Leturque, N., Roufai, L., Amat, K., Espérou, H., Hendou, S., van Agtmael, M., Algera, A.G., Appelman, B., van Baarle, F., Bax, D., Beudel, M., Bogaard, H.J., Bomers, M., Bonta, P., Bos, L., Botta, M., de Brabander, J., de Bree, G., de Bruin, S., Buis, DTP, Bugiani, M., Bulle, E., Chouchane, O., Cloherty, A., Dijkstra, M., Dongelmans, D.A., Dujardin, RWG, Elbers, P., Fleuren, L., Geijtenbeek, SGT, Girbes, A., Goorhuis, B., Grobusch, M.P., Hafkamp, F., Hagens, L., Hamann, J., Harris, V., Hemke, R., Hermans, S.M., Heunks, L., Hollmann, M., Horn, J., Hovius, J.W., de Jong, M.D., Koning, R., Lim, EHT, van Mourik, N., Nellen, J., Nossent, E.J., Paulus, F., Peters, E., Pina-Fuentes, DAI, van der Poll, T., Preckel, B., Prins, J.M., Raasveld, J., Reijnders, T., de Rotte, MCFJ, Schinkel, M., Schultz, M.J., Schrauwen, FAP, Schuurmans, A., Schuurmans, J., Sigaloff, K., Slim, M.A., Smeele, P., Smit, M., Stijnis, C.S., Stilma, W., Teunissen, C., Thoral, P., Tsonas, A.M., Tuinman, P.R., van der Valk, M., Veelo, D., Volleman, C., de Vries, H., Vught, L.A., van Vugt, M., Wouters, D., Zwinderman, AHK, Brouwer, M.C., Wiersinga, W.J., Vlaar, APJ, van de Beek, D., Al-Muhsen, S., Al-Mulla, F., Anderson, M.S., Andreakos, E., Arias, A.A., Biggs, C.M., Bogunovic, D., Bolze, A., Bryceson, Y., Bustamante, C.D., Butte, M.J., Chakravorty, S., Christodoulou, J., Condino-Neto, A., Constantinescu, S.N., Cooper, M.A., Desai, M., Drolet, B.A., El Baghdadi, J., Espinosa-Padilla, S., Franco, J.L., Froidure, A., Gregersen, P.K., Hagin, D., Heath, J.R., Henrickson, S.E., Hsieh, EWY, Husebye, E.S., Imai, K., Itan, Y., Jarvis, E.D., Karamitros, T., Kisand, K., Ku, C.L., Ling, Y., Lucas, C.L., Maniatis, T., Maródi, L., Milner, J.D., Mironska, K., Mogensen, T.H., Morio, T., Ng, LFP, Notarangelo, L.D., Novelli, A., Novelli, G., Okada, S., Ozcelik, T., Planas, A.M., Prando, C., Pujol, A., Renia, L., Resnick, I., Rodríguez-Gallego, C., Sancho-Shimizu, V., Seppänen, MRJ, Slaby, O., Snow, A.L., Spaan, A.N., Tancevski, I., Tangye, S.G., Abou Tayoun, A., Ramaswamy, S., Turvey, S.E., Uddin, KMF, Uddin, M.J., Vinh, D.C., von Bernuth, H., Zawadzki, P., Su, H.C., Casanova, J.L., Nadif, R., Goldberg, M., Ozguler, A., Henny, J., Lemonnier, S., Coeuret-Pellicer, M., Le Got, S., Zins, M., Tzourio, C., Debette, S., Dufouil, C., Soumaré, A., Lachaize, M., Fievet, N., Flaig, A., Martin, F., Bonneaudeau, B., Cannet, D., Gallian, P., Jeanne, M., Perroquin, M., Hamzeh-Cognasse, H., Bastard, Paul [0000-0002-5926-8437], Gervais, Adrian [0000-0002-1083-5787], Le Voyer, Tom [0000-0002-0630-8626], Rosain, Jérémie [0000-0002-2822-161X], Manry, Jérémy [0000-0001-5998-2051], Michailidis, Eleftherios [0000-0002-9907-4346], Hoffmann, Hans-Heinrich [0000-0003-0554-0244], Eto, Shohei [0000-0002-2885-7490], García-Prat, Marina [0000-0001-5387-1908], Bizien, Lucy [0000-0001-9163-9122], Parra-Martínez, Alba [0000-0002-9564-8912], Dorgham, Karim [0000-0001-9539-3203], Alkhater, Suzan [0000-0001-7315-6581], Rigo-Bonnin, Raúl [0000-0001-5511-074X], Roussel, Lucie [0000-0001-5355-702X], Vinh, Donald C. [0000-0003-1347-7767], Ostrowski, Sisse Rye [0000-0001-5288-3851], Condino-Neto, Antonio [0000-0002-1069-3117], Prando, Carolina [0000-0002-9570-9770], Spaan, András N. [0000-0001-5981-7259], Gilardin, Laurent [0000-0001-9212-0859], Yang, Rui [0000-0003-4427-2158], Fellay, Jacques [0000-0002-8240-939X], Bilguvar, Kaya [0000-0002-7313-7652], Mane, Shrikant M. [0000-0002-3267-5139], Anderson, MarK S. [0000-0002-3093-4758], Boisson, Bertrand [0000-0001-5240-3555], Béziat, Vivien [0000-0002-4020-824X], Andreakos, Evangelos [0000-0001-5536-1661], Hermine, Olivier [0000-0003-2574-3874], Pujol, Aurora [0000-0002-9606-0600], Peterson, Pärt [0000-0001-6755-791X], Haljasmägi, Liis [0000-0001-7162-9808], Mogensen, Trine [0000-0002-1853-9704], Lamballerie, Xavier de [0000-0001-7895-2720], Zins, Marie [0000-0002-4540-4282], Soler-Palacín, Pere [0000-0002-0346-5570], Colobran, Roger [0000-0002-5964-536X], Gorochov, Guy [0000-0003-2097-9677], Solanich, Xavier [0000-0002-2572-2187], Susen, Sophie [0000-0001-5953-163X], Martínez-Picado, Javier [0000-0002-4916-2129], Gregersen, Peter K. [0000-0003-1613-1518], Migaud, Mélanie [0000-0003-3062-1214], Piemonti, Lorenzo [0000-0002-2172-2198], Rodríguez-Gallego, Carlos [0000-0002-4344-8644], Notarangelo, Luigi D. [0000-0002-8335-0262], Su, Helen C. [0000-0002-5582-9110], Kisand, Kai [0000-0002-5426-4648], Okada, Satoshi [0000-0002-4622-5657], Puel, Anne [0000-0003-2603-0323], Jouanguy, Emmanuelle [0000-0002-7358-9157], Tiberghien, Pierre [0000-0002-9310-8322], Zhang, Qian [0000-0002-9040-3289], Särekannu, Karita [0000-0002-5984-668X], Cobat, Aurélie [0000-0001-7209-6257], Abel, Laurent [0000-0001-7016-6493], Casanova, Jean-Laurent [0000-0002-7782-4169], Prost, Nicolas de [0000-0002-4833-4320], Tandjaoui-Lambiotte, Yacine [0000-0003-1123-4788], Luyt, Charles-Edouard [0000-0001-7424-2705], Amador-Borrero, Blanco [0000-0001-6170-8721], Poissy, Julien [0000-0001-6017-5353], Richard, Pascale [0000-0003-1864-3824], Cognasse, Fabrice [0000-0001-8041-928X], Troya, Jesús [0000-0001-7323-114X], Trouillet-Assant, Sophie [0000-0001-6439-4705], Belot, Alexandre [0000-0003-4902-5332], Saker, Kahina [0000-0001-8825-5400], Rivière, Jacques G. [0000-0003-1055-2063], Gentile, Stephanie [0000-0003-3858-9503], Rosen, Lindsey B. [0000-0001-5894-3878], Shaw, Elana [0000-0001-9265-8026], Dalmau, David [0000-0003-1936-478X], Tharaux, Pierre-Louis [0000-0002-6062-5905], Stépanian, Alain [0000-0002-2942-0901], Mégarbane, Bruno [0000-0002-2522-2764], Triantafyllia, Vasiliki [0000-0001-5832-4014], Fekkar, Arnaud [0000-0001-9954-075X], Heath, James R. [0000-0001-5356-4385], Franco, José Luis [0000-0001-5664-6415], Anaya, Juan Manuel [0000-0002-6444-1249], Imberti, Luisa[0000-0002-2075-8391], Bonfanti, Paolo [0000-0001-7289-8823], Castagnoli, Riccardo [0000-0003-0029-9383], Snow, Andrew L. [0000-0002-8728-6691], Holland, Steven M. [0000-0003-3207-5464], Biggs, Catherine M. [0000-0002-4363-2660], Moncada-Velez, Marcela [0000-0002-3073-5345], Arias, Andrés Augusto [0000-0002-9478-8403], Lorenzo, Lazaro [0000-0001-6648-8684], Boucherit, Soraya [0000-0002-8819-7594], Anglicheau, Dany [0000-0001-5793-6174], Planas, Anna M. [0000-0002-6147-1880], Haerynck, Filomeen [0000-0001-9161-7361], Duvlis, Sotirija [0000-0001-8587-7386], Nussbaum, Robert [0000-0003-3445-8880], Bousfiha, Ahmed Aziz [0000-0002-5011-9873], El Bakkouri, Jalila [0000-0003-2303-3369], Ramírez-Santana, Carolina [0000-0003-2137-4899], Paul, Stephanie [0000-0002-8830-4273], Pan-Hammarström, Qiang [0000-0003-1990-8804], Hammarström, Lennart [0000-0002-8635-9609], Dupont, Annabelle [0000-0002-1554-9931], Kurolap, Alina [0000-0002-7005-3621], Metz, Christine N. [0000-0002-1013-1691], Aiuti, Alessandro [0000-0002-5398-1717], Casari, Giorgio [0000-0002-0115-8980], Lampasona, Vito [0000-0001-5162-8445], Ciceri, Fabio [0000-0003-0873-0123], Barreiros, Lucila [0000-0002-9818-2345], Domínguez-Garrido, Elena [0000-0002-2066-0511], Vidigal, Mateus [0000-0002-8895-652X], Zatz, Mayana [0000-0003-3970-8025], Beek, Diederik van der [0000-0002-4571-044X], Stepanovskyy, Yuriy [0000-0001-6339-5490], Boyarchuk, Oksana [0000-0002-1234-0040], Nukui, Yoko [0000-0002-6123-5212], Vidaur, Loreto [0000-0002-6720-4900], Tangye, Stuart G. [0000-0002-5360-5180], Burrel, Sonia [0000-0002-7783-2601], Duffy, Darragh [0000-0002-8875-2308], Quintana-Murci, Lluis [0000-0003-2429-6320], Klocperk, Adam [0000-0002-1526-4557], Kan, Nelli [0000-0003-3564-6496], Shcherbina, Anna [0000-0002-3113-4939], Lau, Yu-Lung [0000-0002-4780-0289], Leung, Daniel [0000-0002-9360-6233], Coulongeat, Matthieu [0000-0003-1986-3546], Marlet, Julien [0000-0002-8645-8703], Koning, Rutger [0000-0003-3128-5072], Reyes, Luis Felipe [0000-0003-1172-6539], Venet, Fabienne [0000-0003-0462-4235], Monneret, Guillaume [0000-0002-9961-5739], Nussenzweig, Michel C. [0000-0003-0592-8564], Baris, Hagit N. [0000-0003-4065-7560], Hagin, David [0000-0003-2702-1031], Wauters, Joost [0000-0002-5983-3897], Meyts, Isabelle [0000-0003-1214-0302], Dyer, Adam [0000-0003-1356-510X], Bourke, Nollaig [0000-0003-4313-6859], Halwani, Rabih [0000-0002-6516-7771], and Sharif-Askari, Narjes Saheb [0000-0003-0482-6777]

Subjects
Interferon Type I/immunology, AUTOIMMUNITY, [SDV]Life Sciences [q-bio], Interferó, Gastroenterology, COVID-19 (Malaltia), Immunoglobulin G, Basic medicine, 0302 clinical medicine, Medicine and Health Sciences, 80 and over, Immunologia, Young adult, Child, Neutralizing, MYASTHENIA-GRAVIS PATIENTS, ComputingMilieux_MISCELLANEOUS, Aged, 80 and over, 0303 health sciences, education.field_of_study, biology, General Medicine, Middle Aged, 3. Good health, COVID-19/immunology, Settore MED/03, 030220 oncology & carcinogenesis, Child, Preschool, Interferon Type I, Antibody, medicine.symptom, INTERFERON, Adult, medicine.medical_specialty, Adolescent, Critical Illness, Immunology, Population, Aged, Antibodies, Neutralizing, Autoantibodies, COVID-19, Case-Control Studies, Humans, Infant, Infant, Newborn, Interferon-alpha, Young Adult, Alpha interferon, Immunoglobulins, IMMUNITY, Asymptomatic, PATIENT, 03 medical and health sciences, Internal medicine, medicine, Preschool, education, Antibodies, Neutralizing/blood, HOMENS, 030304 developmental biology, ANTINUCLEAR, business.industry, Autoantibody, Case-control study, Antibodies, Neutralizing/immunology, Autoantibodies/blood, Autoantibodies/immunology, COVID-19/mortality, Immunoglobulin G/blood, Immunoglobulin G/immunology, Interferon-alpha/immunology, Newborn, DISTINCT FUNCTIONS, ALPHA, [SDV.SPEE] Life Sciences [q-bio]/Santé publique et épidémiologie, 3121 General medicine, internal medicine and other clinical medicine, ANTIBODIES, biology.protein, [SDV.SPEE]Life Sciences [q-bio]/Santé publique et épidémiologie, business, Immunoglobulines
Abstract

Circulating autoantibodies (auto-Abs) neutralizing high concentrations (10 ng/ml; in plasma diluted 1:10) of IFN-α and/or IFN-ω are found in about 10% of patients with critical COVID-19 (coronavirus disease 2019) pneumonia but not in individuals with asymptomatic infections. We detect auto-Abs neutralizing 100-fold lower, more physiological, concentrations of IFN-α and/or IFN-ω (100 pg/ml; in 1:10 dilutions of plasma) in 13.6% of 3595 patients with critical COVID-19, including 21% of 374 patients >80 years, and 6.5% of 522 patients with severe COVID-19. These antibodies are also detected in 18% of the 1124 deceased patients (aged 20 days to 99 years; mean: 70 years). Moreover, another 1.3% of patients with critical COVID-19 and 0.9% of the deceased patients have auto-Abs neutralizing high concentrations of IFN-β. We also show, in a sample of 34,159 uninfected individuals from the general population, that auto-Abs neutralizing high concentrations of IFN-α and/or IFN-ω are present in 0.18% of individuals between 18 and 69 years, 1.1% between 70 and 79 years, and 3.4% >80 years. Moreover, the proportion of individuals carrying auto-Abs neutralizing lower concentrations is greater in a subsample of 10,778 uninfected individuals: 1% of individuals 80 years. By contrast, auto-Abs neutralizing IFN-β do not become more frequent with age. Auto-Abs neutralizing type I IFNs predate SARS-CoV-2 infection and sharply increase in prevalence after the age of 70 years. They account for about 20% of both critical COVID-19 cases in the over 80s and total fatal COVID-19 cases., The Laboratory of Human Genetics of Infectious Diseases is supported by the Howard Hughes Medical Institute, the Rockefeller University, the St. Giles Foundation, the National Institutes of Health (NIH) (R01AI088364), the National Center for Advancing Translational Sciences (NCATS), NIH Clinical and Translational Science Awards (CTSA) program (UL1 TR001866), a Fast Grant from Emergent Ventures, Mercatus Center at George Mason University, the Yale Center for Mendelian Genomics and the GSP Coordinating Center funded by the National Human Genome Research Institute (NHGRI) (UM1HG006504 and U24HG008956), the Yale High Performance Computing Center (S10OD018521), the Fisher Center for Alzheimer’s Research Foundation, the Meyer Foundation, the JPB Foundation, the French National Research Agency (ANR) under the “Investments for the Future” program (ANR-10-IAHU-01), the Integrative Biology of Emerging Infectious Diseases Laboratory of Excellence (ANR-10-LABX-62-IBEID), the French Foundation for Medical Research (FRM) (EQU201903007798), the FRM and ANR GENCOVID project (ANR-20-COVI-0003), ANRS Nord-Sud (ANRS-COV05), ANR GENVIR (ANR-20-CE93-003) and ANR AABIFNCOV (ANR-20-CO11-0001) projects, the European Union’s Horizon 2020 research and innovation programme under grant agreement no. 824110 (EASI-Genomics), the Square Foundation, Grandir–Fonds de solidarité pour l’Enfance, the Fondation du Souffle, the SCOR Corporate Foundation for Science, Institut National de la Santé et de la Recherche Médicale (INSERM), REACTing-INSERM; and the University of Paris. P.B. was supported by the FRM (EA20170638020). P.B., J.R., and T.L.V. were supported by the MD-PhD program of the Imagine Institute (with the support of the Fondation Bettencourt Schueller). Work in the Laboratory of Virology and Infectious Disease was supported by the NIH (P01AI138398-S1, 2U19AI111825, and R01AI091707-10S1), a George Mason University Fast Grant, and the G. Harold and Leila Y. Mathers Charitable Foundation. The French COVID Cohort study group was sponsored by INSERM and supported by the REACTing consortium and by a grant from the French Ministry of Health (PHRC 20-0424). The Cov-Contact Cohort was supported by the REACTing consortium, the French Ministry of Health, and the European Commission (RECOVER WP 6). This work was also partly supported by the Intramural Research Program of the NIAID and NIDCR, NIH (grants ZIA AI001270 to L.D.N. and 1ZIAAI001265 to H.C.S.). This program is supported by the Agence Nationale de la Recherche (reference ANR-10-LABX-69-01). K.K.’s group was supported by the Estonian Research Council grants PRG117 and PRG377. R.H. was supported by an Al Jalila Foundation Seed Grant (AJF202019), Dubai, UAE, and a COVID-19 research grant (CoV19-0307) from the University of Sharjah, UAE. S.G.T. is supported by Investigator and Program Grants awarded by the National Health and Medical Research Council of Australia and a UNSW Sydney COVID Rapid Response Initiative Grant. L.I. reported funding from Regione Lombardia, Italy (project “Risposta immune in pazienti con COVID-19 e co-morbidità”). L.I. and G. L. Marseglia reported funding from Regione Lombardia, Italy (project Risposta immune in pazienti con COVID-19 e co-morbidità). This research was partially supported by the Instituto de Salud Carlos III (COV20/0968). J.R.H. reported funding from Biomedical Advanced Research and Development Authority HHSO10201600031C. S.O. reports funding Research Program on Emerging and Re-emerging Infectious Diseases from Japan Agency for Medical Research and Development, AMED (grant number JP20fk0108531). G.G. was supported by ANR Flash COVID-19 program and SARS-CoV-2 Program of the Faculty of Medicine from Sorbonne University iCOVID programs. The Three-City (3C) Study was conducted under a partnership agreement among the INSERM, the Victor Segalen Bordeaux 2 University, and Sanofi-Aventis. The Fondation pour la Recherche Médicale funded the preparation and initiation of the study. The 3C Study was also supported by the Caisse Nationale d’Assurance Maladie des Travailleurs Salariés, Direction générale de la Santé, Mutuelle Générale de l’Education Nationale (MGEN), Institut de la Longévité, Conseils Régionaux of Aquitaine and Bourgogne, Fondation de France, and Ministry of Research–INSERM Programme “Cohortes et collections de données biologiques”. S. Debette was supported by the University of Bordeaux Initiative of Excellence. P.K.G. reports funding from the National Cancer Institute, NIH, under contract no. 75N91019D00024, task order no. 75N91021F00001. J.W. is supported by an FWO Fundamental Clinical Mandate (1833317N). Sample processing at IrsiCaixa was possible thanks to the crowdfunding initiative YoMeCorono. Work at Vall d’Hebron was also partly supported by research funding from Instituto de Salud Carlos III grant PI17/00660 cofinanced by the European Regional Development Fund (ERDF). C.R.-G. and colleagues of the Canarian Health System Sequencing Hub were supported by the Instituto de Salud Carlos III (COV20_01333 and COV20_01334, Spanish Ministry for Science and Innovation RTC-2017-6471-1; AEI/FEDER, UE), Fundación DISA (OA18/017 and OA20/024), and Cabildo Insular de Tenerife (CGIEU0000219140 and “Apuestas científicas del ITER para colaborar en la lucha contra la COVID-19”). C.M.B. is supported by a MSFHR Health Professional-Investigator Award. P.Q.H. and L.H. were funded by the European Union’s Horizon 2020 research and innovation program (ATAC, 101003650). Work at Y.-L.L.’s laboratory in the University of Hong Kong (HKU) was supported by the Society for the Relief of Disabled Children. MBBS/PhD study of D.L. in HKU was supported by the Croucher Foundation. J.L.F. was supported in part by the Coopération Scientifique France-Colciencias (ECOS-Nord/COLCIENCIAS/MEN/ICETEX (806-2018) and Colciencias contract 713-2016 (code 111574455633)]. A.K. was in part supported by grants NU20-05-00282 and NV18-05-00162 issued by the Czech Health Research Council and Ministry of Health, Czech Republic. L.P. was funded by Program Project COVID-19 OSR-UniSR and Ministero della Salute (COVID-2020-12371617). I.M. is a Senior Clinical Investigator at the Research Foundation–Flanders and is supported by the CSL Behring Chair of Primary Immunodeficiencies; by the KU Leuven C1 grant C16/18/007; by a VIB-GC PID grant; by the FWO frants G0C8517N, G0B5120N, and G0E8420N; and by the Jeffrey Modell Foundation. I.M. has received funding under the European Union’s Horizon 2020 research and innovation programme (grant agreement no. 948959). E.A. received funding from the Hellenic Foundation for Research and Innovation (INTERFLU, no. 1574). M.Vi received funding from the São Paulo Research Foundation (FAPESP) (grant number 2020/09702-1) and JBS SA (grant number 69004). The NH-COVAIR study group consortium was supported by a grant from the Meath Foundation

Published
2021

47. Learning a reconnecting regularization term for blood vessel variational segmentation

Author

Antoine Vacavant, Sophie Carneiro Esteves, Odyssée Merveille, Institut Pascal (IP), Centre National de la Recherche Scientifique (CNRS)-Université Clermont Auvergne (UCA)-Institut national polytechnique Clermont Auvergne (INP Clermont Auvergne), Université Clermont Auvergne (UCA)-Université Clermont Auvergne (UCA), Modeling & analysis for medical imaging and Diagnosis (MYRIAD), Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM), Carneiro Esteves, Sophie, Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), and Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)

Subjects
Modality (human–computer interaction), Generalization, business.industry, Computer science, Deep learning, [INFO.INFO-IM] Computer Science [cs]/Medical Imaging, ComputingMethodologies_IMAGEPROCESSINGANDCOMPUTERVISION, deep learning, Image segmentation, Machine learning, computer.software_genre, Data type, Regularization (mathematics), Term (time), blood vessel segmentation, reconnection, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, variational approach, Segmentation, Artificial intelligence, business, computer
Abstract

International audience; The segmentation of blood vessels in medical images is a challenging task as they are thin, connected and tortuous. The detection of a connected vascular network is of the utmost importance in clinical applications (e.g. blood flow simulations, vascular network modeling and analysis). Deep learning approaches have been developed to tackle this issue, but they require a large annotated dataset for each new application of interest, which is very challenging to build for vascular networks. In this work, rather than learning the segmentation task, we propose to learn a reconnecting regularization term that learns geometric properties of vascular networks independent of the image modality. Therefore, this term generalizes better than deep learning segmentation models, and can be easily plugged into variational segmentation frameworks to detect vascular networks in different datasets without requiring annotations. We apply this approach on retinal images by training our reconnecting term on the STARE dataset and applying it on the DRIVE dataset. We show that our approach better preserves the connectivity of vascular networks than classic regularization terms in the literature. Finally, we illustrate the generalization power of our reconnecting term by applying it to other types of data.

Published
2021

48. The OpenGATE ecosystem for Monte Carlo simulation in medical physics

Author

David Sarrut, Nicolas Arbor, Thomas Baudier, Damian Borys, Ane Etxebeste, Hermann Fuchs, Jan Gajewski, Loïc Grevillot, Sébastien Jan, George C Kagadis, Han Gyu Kang, Assen Kirov, Olga Kochebina, Wojciech Krzemien, Antony Lomax, Panagiotis Papadimitroulas, Christian Pommranz, Emilie Roncali, Antoni Rucinski, Carla Winterhalter, Lydia Maigne, Imagerie Tomographique et Radiothérapie, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Institut Pluridisciplinaire Hubert Curien (IPHC), Université de Strasbourg (UNISTRA)-Université de Haute-Alsace (UHA) Mulhouse - Colmar (Université de Haute-Alsace (UHA))-Institut National de Physique Nucléaire et de Physique des Particules du CNRS (IN2P3)-Centre National de la Recherche Scientifique (CNRS), Silesian University of Technology, EBG MedAustron GmbH, Medizinische Universität Wien = Medical University of Vienna, Polish Academy of Sciences (PAN), Université Paris-Saclay, LaBoratoire d'Imagerie biOmédicale MultimodAle Paris-Saclay (BIOMAPS), Service Hospitalier Frédéric Joliot (SHFJ), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), University of Patras, National Institutes for Quantum and Radiological Science and Technology (QST), Memorial Sloan Kettering Cancer Center (MSKCC), High Energy Physics Division, National Centre for Nuclear Research, Uniwersytet Jagielloński w Krakowie = Jagiellonian University (UJ), Center for Proton Therapy, Paul Scherrer Institut, Departement Physik [ETH Zürich] (D-PHYS), Eidgenössische Technische Hochschule - Swiss Federal Institute of Technology [Zürich] (ETH Zürich), BIOEMTECH, Werner Siemens Imaging Center, University of California [Davis] (UC Davis), University of California (UC), Laboratoire de Physique de Clermont (LPC), and Institut National de Physique Nucléaire et de Physique des Particules du CNRS (IN2P3)-Centre National de la Recherche Scientifique (CNRS)-Université Clermont Auvergne (UCA)

Subjects
[PHYS]Physics [physics], Radiological and Ultrasound Technology, Physics, Computer Simulation, Radiology, Nuclear Medicine and imaging, Monte Carlo, Gate, Geant4, simulation, Monte Carlo Method, [PHYS.PHYS.PHYS-DATA-AN]Physics [physics]/Physics [physics]/Data Analysis, Statistics and Probability [physics.data-an], Ecosystem, Software
Abstract

This paper reviews the ecosystem of GATE, an open-source Monte Carlo toolkit for medical physics. Based on the shoulders of Geant4, the principal modules (geometry, physics, scorers) are described with brief descriptions of some key concepts (Volume, Actors, Digitizer). The main source code repositories are detailed together with the automated compilation and tests processes (Continuous Integration). We then described how the OpenGATE collaboration managed the collaborative development of about one hundred developers during almost 20 years. The impact of GATE on medical physics and cancer research is then summarized, and examples of a few key applications are given. Finally, future development perspectives are indicated.

Published
2022

49. Learning 3D Medical Image Patch Descriptors with the Triplet Loss

Author

Loiseau-Witon, N, Kéchichian, Razmig, Valette, Sebastien, Bartoli, Adrien, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Imagerie Tomographique et Radiothérapie, Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Modeling & analysis for medical imaging and Diagnosis (MYRIAD), Institut Pascal (IP), Centre National de la Recherche Scientifique (CNRS)-Université Clermont Auvergne (UCA)-Institut national polytechnique Clermont Auvergne (INP Clermont Auvergne), Université Clermont Auvergne (UCA)-Université Clermont Auvergne (UCA), Valette, Sébastien, Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM), and Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon)

Subjects
[INFO.INFO-TI] Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, [INFO.INFO-TS] Computer Science [cs]/Signal and Image Processing, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], Triplet loss, ComputingMethodologies_IMAGEPROCESSINGANDCOMPUTERVISION, Medical imaging, Convolution Neural Network
Abstract

International audience; Computational anatomy focuses on the analysis of the human anatomical variability. Typical applications are the discovery of differences across healthy and sick subjects and the classification of anomalies. A fundamental tool in computational anatomy, which forms the central focus of this paper, is the computation of point correspondences across volumes (3D images) such as Computed Tomography (CT) volumes, for multiple subjects. More specifically, we consider automatically detected keypoints and their local descriptors, computed from the image or volume patch surrounding each keypoint. Theses descriptors are essential because they must be discriminant and repeatable [5,10]. Learned descriptors based on Convolutional Neural Networks (CNN) have recently shown great success for 2D images [4]. However, while classical 2D image descriptors were extended to volumes [1], recent learning-based approaches have been limited to 2D detection and description. The extension to 3D descriptors was only proposed in [6], in the context of image retrieval. We propose a methodology to construct these learned volume keypoint descriptors. The main difficulty is to define a sound training approach, combining a training dataset and a loss function. In short, we propose to generate semi-synthetic data by transforming real volumes and to use a triplet loss inspired by 2D descriptor learning. Our experimental results show that our learned descriptor outperforms the hand-crafted descriptor 3D-SURF [1], a 3D extension of SURF, with similar runtime.

Published
2021

50. Investigation of the impact of normalization on the study of interactions between myocardial shape and deformation

Author

Maxime Di Folco, Pamela Moceri, Patrick Clarysse, Nicolas Guigui, Nicolas Duchateau, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM), Modeling & analysis for medical imaging and Diagnosis (MYRIAD), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), E-Patient : Images, données & mOdèles pour la médeciNe numériquE (EPIONE), Inria Sophia Antipolis - Méditerranée (CRISAM), Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Université Côte d'Azur (UCA), Hôpital Cimiez [Nice] (CHU), ANR-19-CE45-0005,MIC-MAC,Modélisation de la hiérarchie entre descripteurs cardiaques par apprentissage automatique(2019), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), ANR-11-LABX-0063,PRIMES,Physique, Radiobiologie, Imagerie Médicale et Simulation(2011), and European Project: 786854,H2020 Pilier ERC,ERC AdG(2018)

Subjects
Normalization (statistics), heart shape, 030219 obstetrics & reproductive medicine, Computer science, business.industry, Heart shape, Nonlinear dimensionality reduction, food and beverages, Pattern recognition, 030204 cardiovascular system & hematology, Deformation (meteorology), Scale factor, 03 medical and health sciences, 0302 clinical medicine, manifold learning, Myocardial strain, symbols, myocardial strain, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, symbols.heraldic_charge, Artificial intelligence, business, Cardiac imaging
Abstract

International audience; Myocardial shape and deformation are two relevant descriptors for the study of cardiac function and can undergo strong interactions depending on diseases. Manifold learning provides low dimensional representations of these high-dimensional descriptors, but the choice of normalization can strongly affect the analysis. Besides, whether the shape normalization should include a scale factor is still an open question. In this paper, we investigate the influence of normalization choices on the study of the interactions between cardiac shape and deformation using Multiple Manifold Learning, a dimensionality reduction method that considers inter-and intra-descriptors link between samples. By studying the main variations of two different shape normalizations (one including scaling, the other one not) we observed that the scaled normalization concentrates variations of a given physiological characteristic on only one mode. The influence of the associated choice of the deformation normalization was evaluated by quantifying differences between the estimated low-dimensional spaces (one for each choice against a combination of both), revealing potential analysis biases that may arise depending on such choices.

Published
2021

Catalog

Books, media, physical & digital resources
See catalog results