Systèmes et Applications des Technologies de l'Information et de l'Energie

{"@context":"https://schema.org","@type":"JobPosting","title":"Thèse Détection Précoce et Suivi des Accidents Vasculaires Cérébraux dans un Contexte Multiphysique Combinaison de l'Imagerie Micro-Ondes et de la Tomographie d'Impédance Électrique H/F","description":", Le cadre du projet concerne le diagnostic et le suivi des accidents vasculaires cérébraux, en combinant la tomographie d'impédance électrique (EIT) [1] et l'imagerie micro-ondes (MWI) [2], de sorte que cette dernière apporte à la première des informations structurelles pertinentes, l'orientant vers un résultat plus fiable. En résumé, grâce à une interaction efficace entre l'EIT et la MWI, il s'agit d'obtenir une localisation et une classification adéquates, malgré une variabilité réaliste des conditions d'acquisition. L' accident vasculaire cérébral (AVC) aigu nécessite un monitorage au lit du patient, répétable, afin de suivre l'évolution de la maladie et la réponse au traitement. L'EIT se prête bien à un tel usage car elle est sûre, peu coûteuse et potentiellement rapide ; toutefois, la reconstruction est difficile en raison du problème inverse fortement mal posé auquel elle est confrontée, ainsi que de sa forte sensibilité à des facteurs pratiques tels que le positionnement des électrodes et le contact électrode-peau, entre autres. La MWI peut fournir des indices structurels complémentaires en exploitant des contrastes de permittivité diélectrique et de conductivité, bien qu'une reconstruction fiable demeure exigeante en pratique. Le développement méthodologique s'appuiera d'abord sur des jeux de données publics et des simulations reproductibles, puis sera consolidé par une validation contrôlée sur fantômes. (EN) The project framework is the diagnosis and follow-up of brain strokes that combines Electrical Impedance Tomography (EIT) [1] and Microwave Imaging (MW]) [2] so as the latter provides pertinent structural information to the former, guiding it to a more reliable result. In brief, via an efficient interplay of EIT and MWI, proper localization and classification under realistic acquisition variability is to be achieved. Acute stroke requires repeatable bedside monitoring to track disease evolution and treatment response. EIT is well suited to bedside use because it is safe, low-cost, and potentially fast; however, the reconstruction is challenging due to the severely ill-posed inverse problem faced with and strong sensitivity to practical factors like electrode placement and electrode-skin contact among others. MWI can provide complementary structural cues by exploiting dielectric/conductivity contrasts, although reliable reconstruction remains demanding in practice. Method development will start from public datasets and reproducible simulations, and will be consolidated through controlled phantom validation.

Le sujet constitue un levier solide pour développer l'expertise du doctorant/e en problèmes inverses multiphysiques et multimodaux ainsi qu'en imagerie computationnelle. Il impliquera l'utilisation et le développement de solveurs avancés pour les problèmes direct et inverse, de chaînes de simulation réalistes sur des géométries de tête, ainsi que d'a priori fondés sur l'apprentissage dans des contextes d'acquisition complexes et incertains. Mener/diffuser/rechercher de pointe dans un cadre académique multidisciplinaire est un atout évident. Tout ceci ouvrira au doctorant/à la doctorante des portes intéressantes tant en milieu académique qu'en R&D médicale et industrielle, dont bien au delà du sujet de sa recherche. (EN) The topic provides a strong means to develop the Ph.D. student's expertise in challenging multiphysics and multimodal inverse problems and computational imaging. It will involve the use and development of high-end forward and inverse solvers, realistic simulation pipelines on head geometries, and learning-based priors in complex and uncertain acquisition settings. Conducting and disseminating cutting-edge research within an academic and multidisciplinary environment is an obvious asset. The development of his/her expertise will go hand in hand with this, opening interesting doors both in academia and in medical and industrial R&D, beyond the scope of his/her thesis work.

Le projet est structuré en lots de travaux (Work Packages, WP), susceptibles d'être ajustés au fil de l'avancement.

• WP1 (mois 1-9): État de l'art et mise en place d'une base EIT Acquérir une compréhension solide de l'état de l'art en EIT/MWI cérébrales pour l'AVC, et mettre en place les fondations théoriques et numériques du projet.

• WP2 (mois 6-18): Chaîne de simulation MWI et a priori structurels pour l'EIT Construire un flux de simulation MWI réaliste sur des géométries de tête dérivées de segmentations TDM/IRM, et l'utiliser pour apprendre des a priori structurels (p. ex. e.g., indices de frontières / cartes de ROI) capables de guider la reconstruction EIT.

• WP3 (mois 12-30): Algorithmes de reconstruction multimodale et quantification des incertitudes Concevoir et tester des stratégies de reconstruction via des schémas itératifs classiques ou des approches d'apprentissage guidées par la physique. Produire des indicateurs pratiques d'incertitude/de confiance ainsi que des métriques de qualité d'acquisition.

• WP4 (mois 18-36) : Plateforme de fantôme et validation contrôlée ; dissémination Mettre en place un fantôme contrôlé pour valider l'ensemble de la chaîne. Disséminer via des conférences et des publications en revues, ainsi que l'identification d'étapes de transfert potentielles si des collaborations cliniques et un accès aux acquisitions deviennent disponibles. (EN) The project is structured around Work Packages (WP), subject to adjustments as it goes forward.

• WP1 (months 1-9) State of the art and EIT baseline setup Acquire a solid understanding of the state of the art in brain EIT/MWI for stroke, and set up the theoretical and numerical foundations for the project.

• WP2 (months 6-18): MWI simulation pipeline and structural priors for EIT Build a realistic MWI simulation workflow on CT/MR-derived head geometries and using it to learn structural priors (e.g., boundary/ROI cues) that can guide EIT reconstruction.

• WP3 (months 12-30): Multimodal reconstruction algorithms and uncertainty quantification Design and test reconstruction strategies through traditional iterative or physics-guided learning schemes. Produce practical uncertainty/confidence indicators and acquisition quality metrics.

• WP4 (months 18-36): Phantom platform and controlled validation; dissemination Build a controlled phantom setup to validate the full. Disseminate through conferences and journal publications, and outlines potential translation steps if clinical collaborations and acquisition access available.

Établissement : Université Paris-Saclay GS Informatique et sciences du numérique École doctorale : Sciences et Technologies de l'Information et de la Communication Laboratoire de recherche : Systèmes et Applications des Technologies de l'Information et de l'Energie, Diplôme de master ou diplôme d'ingénieur dans un ou plusieurs des domaines suivants : traitement du signal et de l'image, physique appliquée, mathématiques appliquées et modélisation numérique. Expérience en apprentissage profond et de ses écosystèmes (bibliothèques/outils/ langages). Une première expérience en imagerie médicale serait appréciée. ","identifier":{"@type":"PropertyValue","name":"Université Paris-Saclay GS Informatique et sciences du numérique","value":"1f21e1feea3ff28ca088536dd61300f4"},"url":"https://www.hellowork.com/fr-fr/emplois/76932637.html","datePosted":"2026-03-17T17:46:24Z","directApply":false,"educationRequirements":{"@type":"EducationalOccupationalCredential","credentialCategory":"postgraduate degree"},"employmentType":["TEMPORARY","FULL_TIME"],"estimatedSalary":{"@type":"MonetaryAmountDistribution","name":"base","duration":"P1Y","median":51200,"percentile10":23200,"percentile25":43100,"percentile75":69000,"percentile90":87500,"currency":"EUR"},"experienceRequirements":"no requirements","hiringOrganization":{"@type":"Organization","name":"Université Paris-Saclay GS Informatique et sciences du numérique"},"industry":"Service public d'état","jobLocation":{"@type":"Place","address":{"@type":"PostalAddress","addressCountry":"FR","addressLocality":"Paris","addressRegion":"Île-de-France","postalCode":"75000"}},"occupationalCategory":"Chimie","qualifications":"Diplôme de master ou diplôme d'ingénieur dans un ou plusieurs des domaines suivants : traitement du signal et de l'image, physique appliquée, mathématiques appliquées et modélisation numérique. Expérience en apprentissage profond et de ses écosystèmes (bibliothèques/outils/ langages). Une première expérience en imagerie médicale serait

Début de la thèse : 2026-10-01 Date limite de candidature : 2026-04-26T23:59:59

L'AVC aigu est une affection dépendante du facteur temps : les décisions cliniques reposent sur la capacité à déterminer rapidement si l'événement est hémorragique ou ischémique et, au-delà du diagnostic initial, à surveiller l'évolution du patient au lit du malade. L'imagerie de référence actuelle (TDM/IRM) fournit une information anatomique de grande qualité, mais elle n'est pas conçue pour un tel suivi, portable, sans irradiation et répétable. Deux modalités non ionisantes constituent des candidates prometteuses pour combler ce manque : la tomographie d'impédance électrique (EIT) et l'imagerie micro-ondes (MWI). Cette thèse propose, en résumé, un cadre de reconstruction multimodal et multiphysique qui exploite la praticité de l'EIT tout en utilisant des informations structurelles dérivées de la MWI afin d'améliorer l'interprétabilité et la robustesse, avec une quantification explicite des incertitudes pour étayer une prise de décision fiable. L'EIT est sûre, peu coûteuse et potentiellement en temps réel, ce qui la rend adaptée à un usage au lit du patient. Dans ce projet, nous mettrons en oeuvre des reconstructions EIT absolues/semi-absolues fondées sur le Complete Electrode Model (CEM) [3], incluant une modélisation explicite des impédances de contact des électrodes. Cependant, l'EIT cérébrale correspond à un problème inverse dit mal posé. En conséquence, les reconstructions à partir de données acquises sont très sensibles à des facteurs pratiques tels que le positionnement des électrodes et la variabilité des impédances de contact ; la résolution spatiale est intrinsèquement limitée. Ces limites suggèrent que l'EIT seule ne fournit pas toujours un niveau de détail structurel suffisant pour une localisation fiable des lésions, en particulier dans des conditions réalistes de variabilité des électrodes. Une voie naturelle pour renforcer l'EIT consiste à intégrer des informations structurelles complémentaires issues d'une seconde modalité : la MWI. La MWI peut mettre en évidence des contrastes de permittivité électrique à plus haute fréquence et est mieux placée pour retrouver des informations structurelles internes. Le défi méthodologique central consiste à combiner ces deux modalités de manière à améliorer l'EIT tout en restant fidèle aux mesures EIT. Nous explorerons des stratégies de fusion guidées par la physique, dans lesquelles des a priori appris sont intégrés à la reconstruction EIT via une optimisation itérative. Une piste principale est la reconstruction de type Plug-and-Play (PnP) [4], où un débruiteur appris (réseau convolutionnel, ou modèle de diffusion) intervient implicitement au sein d'un solveur itératif. Nous étudierons également une approche bayésienne [5], dans laquelle le modèle direct définit la vraisemblance et l'a priori appris induit une régularisation structurée. Au-delà de la qualité de reconstruction, la thèse abordera explicitement une exigence clé de l'imagerie médicale à enjeux de sécurité : la fiabilité [6]. Cela passera par la production d'indicateurs d'incertitude ou de confiance (au niveau du pixel ou de la ROI), ainsi que de métriques de qualité d'acquisition capables de signaler des reconstructions instables, et d'orienter l'interprétation. Au final, cette thèse livrera un cadre de reconstruction multimodale centré sur l'EIT, guidé par la structure, robuste aux effets liés aux électrodes et conscient des incertitudes, en tirant parti d'informations complémentaires issues de la MWI. Une validation sur données publiques [7], simulations et une plateforme de fantôme dédiée devrait établir une voie claire vers un transfert en médical.