Thèse Super-Résolution en Irm Appliquée à la Reconstruction de Cartographies Quantitatives Isotropes H/F - Doctorat.Gouv.Fr

Établissement : INSA Lyon École doctorale : EEA - Electronique, Electrotechnique, Automatique de Lyon Laboratoire de recherche : CREATIS - Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé Direction de la thèse : Hélène RATINEY ORCID 0000000206622172 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-05-20T23:59:59 Les images obtenues par IRM ne fournissent généralement pas directement une information quantitative sur les tissus imagés. La collecte de données quantitatives constitue un champ de recherche actif visant à produire des données objectives et reproductibles. Certains paramètres quantitatifs, tels que les temps de relaxation ou la densité de proton, sont reliés à des propriétés physiopathologiques des tissus et peuvent être obtenus via des séquences spécifiques pour améliorer le diagnostic de certaines pathologies (infarctus, surcharge de fer ou sclérose en plaques [1]). Les séquences d'IRM quantitatives requièrent généralement des temps d'acquisition plus longs, dépendant notamment du nombre de dimensions nécessaires à l'ajustement du modèle sous-jacent. En pratique, cela impose des compromis entre durée d'acquisition, résolution spatiale et rapport signal-sur-bruit (SNR), souvent au détriment de la résolution ou de la qualité d'estimation. L'objectif principal de cette thèse consiste à mettre au point des techniques de reconstruction de cartographies quantitatives à haute-résolution à partir de plusieurs images acquises à basse-résolution. La technique permettrait d'améliorer de manière significative le compromis entre durée d'acquisition, qualité d'estimation et résolution spatiale. L'acquisition d'images par IRM nécessite généralement de réaliser un compromis entre temps d'acquisition, rapport signal-à-bruit (RSB) et résolution spatiale. L'obtention d'images haute-résolution
requises pour le diagnostic de certaines pathologies (atteintes articulaires, neuro-imagerie, infarctus, cancer colorectal), nécessite donc des temps d'acquisition importants pour obtenir des images de qualité suffisante. Or, l'allongement des temps d'acquisition est un point critique dans la pratique clinique pour plusieurs raisons :
- le confort du patient : certaines pathologies, ou l'âge, peuvent empêcher les patients de tenir une position stable plus de quelques minutes
- la durée d'apnée : certaines séquences réalisées en apnée ne peuvent excéder quelques dizaines de secondes
- la disponibilité des machines : l'allongement des protocoles d'imagerie entraîne une baisse du nombre de patients pris en charge par jour
La super-résolution en IRM est une méthode de post-traitement, visant à reconstruire une image à haute-résolution spatiale à partir de plusieurs images basse résolution. La combinaison des images basse-résolution, généralement acquises orthogonalement les unes par rapport aux autres pour minimiser la redondance, permet d'obtenir une image présentant un RSB et une résolution spatiale supérieurs pour une durée d'acquisition équivalente [2]. La super-résolution a été initialement formalisée sous la forme d'un problème inverse régularisé (approches variationnelles), et résolu grâce à des algorithmes d'optimisation numériques, et complémenté depuis quelques années par des approches par apprentissage automatique [3].

La personne retenue aura une formation liée au traitement de l'image/du signal, ou aux mathématiques appliquées. Une expérience ou formation liée aux problèmes inverses, à l'optimisation ainsi qu'à l'apprentissage automatique est également fortement recommandée. Une formation ou expérience en imagerie médicale, en particulier en IRM sera appréciée.
La maîtrise du langage Python, de l'anglais (oral et écrit) est obligatoire.
La ou le candidat.e aura la volonté de travailler et de s'intégrer dans un groupe pluridisciplinaire et multiculturel, avec une volonté forte de développer des méthodes innovantes pour l'imagerie médicale et ses applications.