Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

5 septembre 2018

thèse Cifre GE Healthcare / Paris Descartes : Etiquetage automatique des vaisseaux dans les images interventionnelles


Catégorie : Doctorant


Votre recherche consistera à développer des méthodes originales d’extraction et d’annotation automatique du système vasculaire dans les images interventionnelles 2D et 3D. Des travaux de recherche préalables au sein de GE permettent d’extraire une représentation fidèle et efficace des vaisseaux à partir de la 3D et de mettre en correspondance plusieurs arbres artériels en prenant en compte la topologie particulière des vaisseaux. Ces outils pourront servir de base à votre travail de recherche sur l’apprentissage de l’anatomie.

Titulaire d’un Master II Recherche et/ou d’un diplôme d’ingénieur en mathématiques appliquées ou machine learning, le candidat aura un bon niveau en informatique, ainsi qu’une vraie motivation pour les applications cliniques et le contexte industriel. Il saura démontrer autonomie, esprit d’analyse, aisance dans la communication orale et écrite et capacités de travail en équipe. Anglais courant exigé.

Contact : Yves TROUSSET (yves.trousset@ge.com)

Contexte :

La radiologie interventionnelle permet de traiter des pathologies de manière minimalement invasive, à l’aide de micro-outils guidés sous contrôle d’imagerie temps réel. Les salles de radiologie interventionnelle modernes permettent d’acquérir non seulement des images 2D à rayons X, mais aussi des images 3D comme le ferait un scanner. L’injection locale de produit de contraste permet une visualisation inégalée du système vasculaire des patients. L’analyse poussée de la vascularisation permet au radiologue de mieux planifier son intervention et de naviguer plus efficacement ses outils pendant la procédure.

 

Votre sujet de recherche :

Votre recherche consistera à développer des méthodes originales d’extraction et d’annotation automatique du système vasculaire dans les images interventionnelles 2D et 3D. Des travaux de recherche préalables au sein de GE permettent d’extraire une représentation fidèle et efficace des vaisseaux à partir de la 3D et de mettre en correspondance plusieurs arbres artériels en prenant en compte la topologie particulière des vaisseaux. Ces outils pourront servir de base à votre travail de recherche sur l’apprentissage de l’anatomie.

Si l’annotation automatique de vaisseaux est un sujet de recherche actif, son application à des acquisitions interventionnelles a été assez peu explorée. En utilisant une base de données interne (vascularisations cérébrales, hépatiques et prostatiques) vous identifierez les défis spécifiques aux images interventionnelles et proposerez des solutions algorithmiques adaptées. Vous explorerez notamment la possibilité d’apprendre automatiquement cette annotation en utilisant les dernières avancées en intelligence artificielle.

 

Profil du candidat :

Titulaire d’un Master II Recherche et/ou d’un diplôme d’ingénieur en mathématiques appliquées ou machine learning, le candidat aura un bon niveau en informatique, ainsi qu’une vraie motivation pour les applications cliniques et le contexte industriel. Il saura démontrer autonomie, esprit d’analyse, aisance dans la communication orale et écrite et capacités de travail en équipe. Anglais courant exigé.

 

Entreprise :

Au sein de GE Healthcare à Buc (situé au centre du territoire Paris-Saclay) vous intégrerez l’Image Processing & Clinical Applications Lab. Vous bénéficierez d’un encadrement par un ensemble d’experts en imagerie, en traitement d’images et en mathématiques appliquées.

 

Laboratoire d’accueil :

La thèse sera dirigée par Joan Alexis Glaunès, maître de conférences au laboratoire de Mathématiques Appliquées (MAP5) de l’université Paris Descartes. Son travail de recherche sur la représentation de courbes sous forme de distributions (courants, cycles normaux) avec application au recalage pourra être utilisé comme point de départ de la thèse.

 

Contact :

Yves TROUSSET (yves.trousset@ge.com)

 

 

Dans cette rubrique

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