About this role
Summary: The internship involves validating a generative model for 3D image reconstruction in X-ray imaging. The candidate will simulate training data, implement evaluation metrics, and assess the model's performance on medical imaging tasks.
### Sujet de stage
Validation d'un modèle génératif pour la reconstruction d'images dans le cadre de l'imagerie à rayon X
### Description de l'offre
Nous rejoindre, pour quoi faire ?
Contexte :
La reconstruction précise d’un volume 3D à partir de projections 2D obtenus à des angles différents constitue encore un réel défi scientifique en fonction de la quantité et de la qualité des mesures acquises.
La résolution de ce problème inverse, que l’on rencontre notamment en tomographie à rayon X dans les scanners médicaux, utilise classiquement deux étapes, une étape dite d’attache aux données qui cherche à reconstruire le volume le plus plausible vis-à-vis des observations et une étape dite de régularisation, qui permet d’éviter des aberrations ou d’améliorer la qualité de la reconstruction.
Historiquement, ces termes de régularisation sont posés comme des a priori fondés sur l'intuition, sans garantie que le choix du potentiel de régularisation soit optimal. Depuis une dizaine d'années, les travaux s'orientent vers l'apprentissage de ces termes par réseaux de neurones, sous la forme de régularisations dites implicites. Plus récemment, ces approches ont dépassé le cadre purement supervisé pour s'appuyer sur des modèles génératifs reposant sur le transport optimal.
L’objectif du stage est de développer des méthodes permettant d’évaluer quantitativement l’utilisation d’un modèle génératif développé au laboratoire, au sein d’un algorithme de reconstruction pour la tomographie à rayon X.
En tant que stagiaire, votre rôle consistera à :
- Effectuer une revue bibliographique récente permettant de positionner le modèle génératif choisi,
- Simuler une nouvelle base d’entrainement du réseau,
- Reconstruire des données simulées et expérimentales à partir d’un algorithme de reconstruction intégrant le modèle génératif,
- Implémenter des métriques d'évaluation adaptées aux modèles génératifs et aux problèmes inverses, en tenant compte des spécificités du cadre médical,
- Développer des critères permettant d’évaluer la qualité des reconstructions, la cohérence avec les observations et la préservation des structures d’intérêt,
- Etudier les limites de généralisation du modèle et les biais liés aux données.
### Profil du candidat
Qu'attendons-nous de vous ?
Vous préparez actuellement un diplôme de niveau Master 2 ou un diplôme d’ingénieur dans le domaine du traitement du signal, de l’informatique ou des mathématiques appliquées et disposez de compétences dans le domaine de l’apprentissage automatique et/ou profond avec une certaine appétence pour les mathématiques. Une maitrise des langages de programmation et des outils de calculs scientifiques (Python) est également nécessaire.
Vous avez encore un doute ? Nous vous proposons :
- Un cadre de recherche unique, dédié à des projets ambitieux au service des grands enjeux sociétaux
- Un environnement de travail high-tech et des équipements de recherche à la pointe de l’innovation
- Un campus au cœur de la métropole, facilement accessible en mobilité douce
- Une participation aux frais de restauration, de transport et de logement (sous conditions)
- Des encadrants bienveillants, passionnés et ayant l’envie de transmettre
- Une politique diversité et inclusion
- De réelles opportunités de carrière à l’issue de votre stage
Tous nos postes sont ouverts aux personnes en situation de Handicap. La Mission Handicap du CEA vous accompagne et met en place les aménagements nécessaires à vos besoins spécifiques