Ingénieur(e) thèse CIFRE : Imagerie Compositionnelle par Rayons X (H/F)

Job Description SummaryL'objectif principal de cette thèse est de développer une méthodologie basée sur l'imagerie spectrale pour distinguer les kystes des masses solides dans un contexte de dépistage.
Tout d’abord, le modèle sera optimisé pour un examen de dépistage 2D (FFDM). Il s’agira de surmonter les défis liés à la faible dose et aux imprécisions de mesure afin de développer un modèle à la fois précis et valide pour des doses compatibles avec les protocoles de dépistage.
Ensuite, le thésard élaborera un modèle adapté à la tomosynthèse (DBT). Il s’agira d’optimiser la combinaison des données volumétriques 3D (LE) et des acquisitions 2D (HE) à faible dose pour une recombinaison efficace.
Finalement, un classificateur capable de différencier les kystes des masses solides basé sur l’apprentissage profond (DL) sera mis au point.
La recherche inclura l’utilisation de fantômes physiques, d’outils de simulation numérique réalistes et de techniques avancées de traitement d’images. Les modèles seront validés sur des données simulées et réelles, en évaluant l’impact des différentes configurations sur les performances de classification.
Cette recherche vise à réduire les rappels inutiles, à améliorer l'efficacité du dépistage et à alléger les charges pour les patientes et les systèmes de santé. Elle pourrait également poser les bases pour l'intégration clinique de techniques avancées d'imagerie spectrale.

Job Description

L'objectif principal de cette thèse est de développer une méthodologie basée sur l'imagerie spectrale pour distinguer les kystes des masses solides dans un contexte de dépistage. 

Tout d’abord, le modèle sera optimisé pour un examen de dépistage 2D (FFDM). Il s’agira de surmonter les défis liés à la faible dose et aux imprécisions de mesure afin de développer un modèle à la fois précis et valide pour des doses compatibles avec les protocoles de dépistage.
Ensuite, le/la thésard(e) élaborera un modèle adapté à la tomosynthèse (DBT). Il s’agira d’optimiser la combinaison des données volumétriques 3D (LE) et des acquisitions 2D (HE) à faible dose pour une recombinaison efficace.
Finalement, un classificateur capable de différencier les kystes des masses solides basé sur l’apprentissage profond (DL) sera mis au point.
La recherche inclura l’utilisation de fantômes physiques, d’outils de simulation numérique réalistes et de techniques avancées de traitement d’images. Les modèles seront validés sur des données simulées et réelles, en évaluant l’impact des différentes configurations sur les performances de classification.
Cette recherche vise à réduire les rappels inutiles, à améliorer l'efficacité du dépistage et à alléger les charges pour les patientes et les systèmes de santé. Elle pourrait également poser les bases pour l'intégration clinique de techniques avancées d'imagerie spectrale.

Vos responsabilités

• Avoir la charge du développement de nouveaux modèles de recombinaison spectrale.

• Proposer, développer et valider des méthodes d’IA innovantes permettant de classifier kystes versus masses solides dans un cadre de dépistage.

• Présenter vos travaux à l’oral en conférences scientifiques et les publier dans des revues scientifiques à comité de lecture.

• Avoir des interactions fortes avec nos experts en apprentissage profond et imagerie.

• Collaborer à la propriété intellectuelle (rédaction de brevets, …).

• Vous pourrez être amené à co-encadrer des stagiaires sur un sujet directement lié à votre thèse.

Votre profil

• Master en Sciences, titre d’ingénieur avec une dominante en apprentissage, data science, mathématiques appliquées.

• Connaissance de l’imagerie par rayons X et/ou de la mammographie.

• Connaissances en data sciences et méthodes d’apprentissage.

• Connaissances en traitement du signal et des images.

• Maîtrise du langage Python et de Unix/Linux

• Esprit de synthèse et excellente communication écrite et orale.

• Passionné(e) par la recherche et ses applications concrètes.

• Excellent niveau d’anglais à l’écrit comme à l’oral.

Compétences souhaitées

• Capacité à travailler et à interagir avec une équipe pluridisciplinaire (ingénieurs, chercheurs, cliniciens).

Inclusion et diversité :

GE HealthCare est un employeur offrant l'égalité des chances où l'inclusion compte. Les décisions relatives à l'emploi sont prises sans tenir compte de l’origine nationale ou ethnique, de la religion, du sexe, de l'orientation sexuelle, de l'identité ou de l'expression de genre, de l'âge, du handicap, du statut d'ancien combattant protégé ou d'autres caractéristiques protégées par la loi.

Nos rémunérations totales sont conçues pour libérer votre ambition en vous donnant la motivation et la flexibilité dont vous avez besoin pour transformer vos idées en réalités qui changent le monde. Nos salaires et nos avantages sociaux correspondent à tout ce que vous attendez d’une organisation ayant une dimension internationale, avec des possibilités de développement de  carrière, dans une culture qui favorise la collaboration et le soutien.

A propos de nous :

GE HealthCare est l'un des leaders mondiaux dans le domaine des technologies médicales et des solutions numériques. Il permet aux cliniciens de prendre des décisions plus rapides et plus pertinentes à travers des équipements intelligents, des analyses de données, des applications et des services. Avec plus de 100 ans d'expérience dans le secteur de la santé et environ 47 000 employés dans le monde, la société est au centre d'un écosystème qui travaille pour une médecine de précision.Présent en France depuis 1987 avec aujourd’hui 2 800 collaborateurs, c’est un acteur solidement ancré dans l’hexagone à travers son empreinte industrielle, son centre de R&D et de production à Buc dans les Yvelines et des partenariats de recherche avec des entreprises et des centres de recherche français. www.gehealthcare.com

#LI-PW1

Additional Information

Relocation Assistance Provided: No