Suivez

la liste

L’imagerie médicale par tomodensitométrie (TDM) permet permet de reconstruire des images anatomiques par des mesures d’atténuation des rayons X. En mathématiques, il s’agit d’une application des problèmes inverses. L’acquisition des mesures par le scanner n’est pas une opération instantanée : une durée d’acquisition minimale est requise afin de récolter suffisamment d’information et de réduire le bruit. Les acquisitions courtes et à faible dose sont préférables en clinique mais elles produisent des images de mauvaise qualité. Inversement, les acquisitions longues permettent une réduction du bruit mais elles augmentent la dose délivrée au patient (radioactivité).

Ce projet a pour ambition de développer des nouvelles méthodes de reconstruction d’image TDM par apprentissage automatique (machine learning), plus particulièrement par apprentissage de dictionnaire convolutif. Cette approche permet d’obtenir une représentation parcimonieuse des images avec une base entraînée à partir d’une base de données ; cette représentation peut être ensuite approfondie pour former un réseau neuronal convolutif (apprentissage profond, ou deep learning).

(suite sur fichier PDF joint)