Nouvelles architectures en géométrie inverse pour l’imagerie à rayon X pour l’imagerie à rayon X spectralespectrale – UNIVERSITE GRENOBLE ALPES

Description

Des technologies émergentes dans le domaine des sources à rayons X et des détecteurs permettent d’imaginer de nouveaux systèmes en rupture pour l’imagerie 3D.

En tomographie conventionnelle, un détecteur de grande surface acquiert des images d’un objet exposé aux rayons X issus d’une source ponctuelle. Les nouvelles générations de scanners médicaux intègrent par ailleurs des détecteurs semi-conducteurs spectrométriques permettant un gain réel en terme de qualité d’image.

La thèse proposée consiste à changer de paradigme en concevant un système qui associe une multitude de sources à rayons X distribuées à un détecteur spectrométrique de petite taille. Ce type de géométrie inversée est innovante en terme d’architectures systèmes et permet de relâcher la contrainte sur la dimension du capteur ainsi que de réduire certains artéfacts.

Le travail de thèse s’articulera autour de la conception et simulation de nouveaux systèmes en géométrie inverse et du développement d’algorithmes de reconstruction associés. Ces algorithmes, basés sur des méthodes proximales et pouvant intégrer des réseaux de neurones, devront tirer profit de la richesse de l’information fournie par le détecteur spectrométrique en condition d’acquisition parcimonieuse.

Le doctorant s’appuiera sur les outils de simulation et de reconstruction développés au sein du laboratoire et bénéficiera aussi de moyens expérimentaux permettant de valider les développements. Il évoluera au sein d’un laboratoire pluridisciplinaire avec une longue expérience en conception de détecteurs spectrométriques et dimensionnement de systèmes à rayons X. Des échanges avec des équipes externes au CEA, notamment des radiologues, permettra d’alimenter les recherches en y intégrant un besoin final.

Compétences requises

Le candidat devra être titulaire d’un diplôme d’ingénieur et/ou Master dans un des domaines suivants : traitement du signal et d’image, mathématiques appliquées, physique et posséder des bases dans tous ces domaines. La maitrise de langages de programmation (C, python) est nécessaire.

Bibliographie

F. Jolivet, J. Lesaint, C. Fournier, M. Garcin, A. Brambilla, A proximal operator for spectral CT and an application to a one-step method (2020) IEEE Transactions on Radiation and Plasma Medical Sciences, doi: 10.1109/TRPMS.2020.3015598.
Jolivet, F., Fournier, C., Brambilla, A. A fast gradient-based algorithm for image reconstruction in inverse geometry CT architecture with sparse distributed sources (2019) Proceedings of SPIE – The International Society for Optical Engineering, 11072, art. no. 110721N
Jolivet, F., Fournier, C., Tabary, J., Zdeborova, L., C., Brambilla, A (2019) Reconstruction itérative en tomographie à rayons X pour une géométrie inverse avec sources distribuées XXVIIème coloque GRETSI, Aug 2019, Lille, France.

Mots clés

Imagerie rayons X, Tomographie, Optimisation systèmes, Modélisation