Thèse Apprentissage Profond pour l'Imagerie Non Invasive à Travers des Milieux Fortement Diffusants H/F Doctorat.Gouv.Fr

Ce projet de thèse, mené à l'Institut Langevin (ESPCI-PSL, Paris) dans le cadre du cluster PR[AI]RIE-PSAI, vise à apprendre cet effet à partir de mesures réalisées uniquement depuis l'extérieur de l'échantillon, seule configuration réaliste pour les applications médicales. L'approche est hybride. Les réseaux de neurones génériques issus du traitement d'images donnent ici de mauvais résultats, car la diffusion étale sur une large zone l'information provenant d'un même point. Le projet construit plutôt des modèles dont l'architecture reproduit la physique de la propagation des ondes, chaque paramètre ajustable correspondant à une propriété physique du milieu. Entraîner le modèle revient alors à reconstruire le milieu lui-même.

La principale difficulté tient au nombre d'inconnues : de nombreuses configurations différentes peuvent reproduire la même mesure en surface tout en étant fausses en profondeur. L'idée centrale est de guider l'apprentissage à l'aide de mesures expérimentales supplémentaires et de procéder par étapes, en reconstruisant l'échantillon couche par couche, de la surface vers la profondeur, plutôt que de tout résoudre d'un coup.

Le programme sur trois ans part d'une configuration de laboratoire simple et bien maîtrisée, puis aborde des échantillons de plus en plus opaques, pour aboutir à la situation biomédicale où le tissu est lui-même l'objet à imager, comme pour le foie ou le sein. Les méthodes développées devraient également intéresser d'autres domaines où les ondes traversent des milieux complexes, des ultrasons à la sismologie. L'imagerie optique offre une résolution et un contraste que peu de modalités égalent, mais elle plafonne à quelques centaines de micromètres de profondeur dans les tissus. Le verrou est la diffusion : au-delà de ce seuil, la lumière a été déviée trop de fois pour former une image, et l'on quitte l'échelle du microscope pour celle, bien plus grossière, de l'échographie ou de l'IRM. Cette limite n'est pourtant pas fondamentale. Un milieu immobile brouille la lumière de façon parfaitement déterministe, donc en principe apprenable, à partir des seules mesures accessibles depuis la surface du tissu. Création d'outil d'apprentissage profond guidé par la physique et des mesures pour voir plus profondément qu'actuellement possible dans les milieux biologiques épais. -Utilisation de mesures expérimentales d'OCT
- Réseaux de neurones