L'objectif du stage est d'accélérer la phase d’apprentissage du modèle de machine learning avec des données simulées et d'améliorer la précision du processus d'inversion. Pour ce faire, on s’intéressera à l’imagerie rapide associant le Plane Wave Imaging (PWI) [1] et des algorithmes de reconstruction rapides opérant dans le domaine de Fourier [2].

Le stagiaire prendra en main un dispositif expérimental du laboratoire pour réaliser l’acquisition des signaux échographiques, et les codes de calcul (Matlab ou Python) pour reconstruire les images PWI à partir de ces données et des librairies standards dans le domaine de l’apprentissage automatique (Keras, Scikit-Learn…). Le travail consistera à mettre en place la procédure d’inversion en exploitant le logiciel CIVA [3] pour calculer un ensemble d’images à partir de signaux simulés et des méthodes d’apprentissage performantes, puis à démontrer une première preuve de concept en inversant des images expérimentales. L’étudiant bénéficiera de l’aide des chercheurs du laboratoire pour prendre en main les outils numériques et expérimentaux, et de l’expertise du département dans le domaine de l’imagerie, de la simulation et de la science des données. 

Profil du candidat:
Physique, ondes, traitement du signal, machine learning, développement Python

[1] Le Jeune, et al., Plane Wave Imaging for ultrasonic non-destructive testing: Generalization to multimodal imaging, Ultrasonics 64 (2016) 128–138. https://doi.org/10.1016/j.ultras.2015.08.008
[2] M. Marmonier et al., Real-time 3D imaging with Fourier-domain algorithms and matrix arrays applied to non-destructive testing, Ultrasonics 124 (2022) 106708. https://doi.org/10.1016/j.ultras.2022.106708
[3] https://www.extende.com/fr

#StageList