Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

29 septembre 2017

PostDoc_Imagerie RX de couleur avec sources distribuées : une nouvelle architecture pour la tomographie


Catégorie : Post-doctorant


Imagerie RX de couleur avec sources distribuées : une nouvelle architecture pour la tomographie

L’arrivée sur le marché de nouvelles sources à Rayons X distribuées ouvre des perspectives inédites dans le domaine de l’imagerie médicale. L’objectif est de proposer une nouvelle architecture d’acquisition tomographique en rupture associant les nouvelles sources RX distribuées couplées à un détecteur spectrométrique à haute résolution spatiale de petite taille. Une telle architecture de tomographie à géométrie inversée permettra de bénéficier de l’apport des détecteurs spectrométriques pour la tomographie en termes de qualité d’image, de réduction de la dose et de quantification des tissus biologiques, tout en relâchant la contrainte sur la taille du capteur.

Le travail du PostDoc consistera à dimensionner la chaîne d’acquisition image et à développer et mettre en œuvre des algorithmes de reconstruction avancés tirant profit de la richesse d’information fournie par le détecteur spectral. Des problèmes liées à la modalité, tel que le faible nombre de projections, les champs de vue incomplets ou encore les artéfacts métalliques ou le rayonnement diffusé sont à prendre en compte.

 

Imagerie RX de couleur avec sources distribuées : une nouvelle architecture pour la tomographie

Le Laboratoire Détecteur développe des détecteurs de rayons X spectrométriques avancés pour l’imagerie médicale. Par rapport aux imageurs classique, ces détecteurs apportent une information quantitative sur la nature des tissus imagés et permettent de réduire les artéfacts de reconstruction en tomographie. Cependant la taille nécessaire pour couvrir des grands champs de vue constitue un frein à leur utilisation tant pour des raisons techniques que de coût.

L’arrivée sur le marché de nouvelles sources à Rayons X distribuées ouvre des perspectives inédites dans le domaine de l’imagerie médicale. L’objectif de cette étude est de combiner ces deux technologies émergentes pour proposer une nouvelle architecture d’acquisition tomographique multi-énergie en géométrie inversée, avec une source RX distribuée de grande dimension couplée à un petit détecteur spectrométrique. Cette géométrie permettra de bénéficier de l’apport des détecteurs spectrométriques en termes de qualité d’image, de réduction des artéfacts et de quantification des tissus biologiques, tout en relâchant la contrainte sur la dimension du capteur.

Le travail du Postdoc consistera à dimensionner la chaîne d’acquisition des images et à développer et mettre en œuvre des algorithmes de reconstruction avancés tirant profit de la richesse d’information fournie par le détecteur spectrométrique. Si des méthodes algébriques comme le SART permettent de gérer les géométries mal conditionnées, les méthodes de type statistiques sont les plus à même d’exploiter au mieux l’information spectrale fournie par le détecteur à partir de données d’acquisition parcimonieuses dans des conditions de faible dose. Les volumes reconstruits seront analysés en termes de qualité d’image selon des critères d’évaluation préalablement définis. Les résultats pourront être comparés à ceux obtenus en tomographie standard. Une validation expérimentale pourra être effectuée sur un banc de mesure avec une source RX standard positionnable permettant d’émuler une source distribuée.

Les travaux se dérouleront au Laboratoire Détecteur du CEA-LETI à Grenoble, en partenariat avec l’Institut de Physique Théorique du CEA Saclay. Le candidat devra avoir des compétences solides en traitement du signal et de l’image et en mathématique appliquée. Une expérience des problèmes inverses et des algorithmes de reconstruction tomographique est fortement souhaitable.

Mots clés : Imagerie médicale, Tomographie par rayons X, multi-énergie, source RX distribuée, problèmes inverses, algorithmes de reconstruction itératifs

Contact

Andrea Brambilla, andrea.brambilla@cea.fr

 

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2018.