Détection d'oeufs de parasites par imagerie sans lentilles grand champ assistée par intelligence artificielle // Ultra-wide-field smart microscope for the detection of egg parasite (SCREENER)

Dans la plupart des cycles parasitaires, la phase libre passe par un stade d'œuf, qui est libéré par l'hôte dans l'environnement via une matrice fécale complexe, qui présente des concentrations d'œufs très variables et souvent faibles. La méthode de détection classique repose sur l’observation microscopique de ces œufs, ce qui implique une préparation fastidieuse et longue de l'échantillon pour concentrer les œufs, avec des valeurs de sensibilité très variables. Cette détection est cruciale car une fois dispersés, les œufs contaminent l'environnement et les denrées alimentaires, entraînant des cas de zoonoses parasitaires chez l'homme.
La détection dans les matrices environnementales et alimentaires est encore plus complexe que pour les matières fécales en raison du très faible nombre d'œufs présents : 1 à 10 par échantillon dans la grande majorité des cas. La thèse vise à développer un système d'imagerie sans lentille grand champ, qui permettra de compter et d'identifier des œufs de parasites dans des matrices complexes, tout en augmentant la sensibilité. Cela permettra d'automatiser la détection, ouvrant ainsi des perspectives d'investigation sur un plus grand nombre d’échantillons, pour une meilleure veille sanitaire.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

In most parasitic cycles, the free phase passes through an egg stage, which is released by the host into the environment via a complex faecal matrix, which has highly variable and often low egg concentrations. The classical detection method relies on microscopic observation of these eggs, which implies a tedious and time-consuming preparation of the sample to concentrate the eggs, with highly variable sensitivity values. This detection is crucial because, once dispersed, the eggs contaminate the environment and food, leading to cases of parasitic zoonoses in humans.
Detection in environmental and food matrices is even more complex than for faeces because of the very low number of eggs present : 1 to 10 per sample in the vast majority of cases. The thesis aims at developing a lensless wide-field imaging system that will allow the counting and identification of parasite eggs in complex matrices, while increasing sensitivity. This will make it possible to automate detection, thus opening up the possibility of investigating more samples for better health surveillance.

------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Pôle fr : Direction de la Recherche Technologique
Pôle en : Technological Research
Département : Département des Technologies pour l'Innovation en Santé (LETI)
Service : Service des sYstèmes de Mesure pour la Santé
Laboratoire : Laboratoire Instrum optique et traitement de l'Info pour l'Imagerie In Vitro
Date de début souhaitée : 01-10-2025
Ecole doctorale : Sciences de la Vie et de la Santé (ED402)
Directeur de thèse : KARADJIAN Grégory
Organisme : ANSES
Laboratoire : Laboratoire de Santé Animale, UMR biologie moléculaire et immunologie parasitaire
URL : https://orcid.org/0000-0003-3855-9662
URL : https://www.leti-cea.fr
URL : https://fr.linkedin.com/in/pierre-r-marcoux-9a415717

Public/private mixed funding

Pôle fr : Direction de la Recherche Technologique
Pôle en : Technological Research
Département : Département des Technologies pour l'Innovation en Santé (LETI)
Service : Service des sYstèmes de Mesure pour la Santé

biotechnologies; imagerie biomédicale; traitement de l'image