Etudes Non Stop دراسة بدون توقف
مقالات مشابهة
Bourse de doctorat sur la modélisation générative dynamique pour les applications médicales
cliquez ici pour plus d’informations
Lieu de la thèse:
Laboratoire de traitement de l’information médicale (LaTIM), Institut français de la santé et de la recherche médicale (INSERM UMR 1101), Brest, France,
Période :
3 ans, à partir d’octobre 2020.
Contexte et objectifs:
Parmi les approches de deep learning, les modèles génératifs (GM) notamment basés sur les GAN (Generative Adversarial Networks) gagnent beaucoup d’intérêt en imagerie médicale. Les applications potentielles des MG sont diverses: génération de pseudo-tomodensitométrie (TDM) à partir d’images de résonance magnétique (IRM) pour la correction de l’atténuation en tomographie par émission de positons, synthèse de l’IRM pour la segmentation automatique des organes; standardisation; anonymisation, amélioration des données, …
Cependant, l’une des limites actuelles des MG dans un contexte médical est le manque de considération pour la composante temporelle, qui est présente dans de nombreux signaux médicaux conduisant à des images dynamiques (largement connues sous le nom de 4D). C’est par exemple le cas dans la planification des traitements de radiothérapie pour le cancer du poumon, où un objectif des GM serait de réduire le nombre d’acquisitions CT dynamiques nécessaires pour tenir compte des effets du mouvement respiratoire, réduisant ainsi la dose globale de rayonnement délivrée au patient.
Dans ce contexte, l’objectif de cette thèse est de développer une architecture générative basée sur le deep learning pour la synthèse dynamique d’images médicales. De tels modèles constitueraient une innovation majeure en imagerie médicale, dont un exemple est fourni dans la Fig. 1. Une littérature croissante sur ces sujets en dehors de l’imagerie médicale dans le domaine de la vision par ordinateur sera la base de départ pour le travail du doctorant.
Qualifications:
Éducation :
Le candidat doit être titulaire d’une maîtrise dans l’un de ces domaines: physique, génie électrique / électronique, informatique, mathématiques appliquées.
Intérêts scientifiques:
Bonne compréhension de la physique de l’imagerie médicale et de ses défis.
Compétences en programmation:
Traitement fluide des données à l’aide de langages de script (shell UNIX / python / Matlab).
Langues:
Anglais (gratuit), français (facultatif).
Contacts :
Envoyer avant Avril 30 e (en français ou en anglais) CV, grades / marques (quelle que soit actuellement disponible que si vous êtes actuellement sur un Master), et une brève déclaration d’intérêt par courriel à:
Vincent Jaouen: vjaouen@gmail.com et Dimitris Visvikis ( dimitris.visvikis@inserm.fr ).
