Une manière d’améliorer la reconstruction de nos images est d’utiliser des algorithmes de deep learning entrainés à l’aide d’images quantitatives et bien résolues.

Le sujet de stage s’articule autour de cette thématique :

1/ Création d’une base de données contenant des images d’échantillons biologiques avec différentes modalités optiques et conditions d’acquisition : prise en main du banc d’imagerie multimodal, mise en place des scripts d’acquisition, réalisation des acquisitions.

2/ Préparation des données pour l’apprentissage : recalage des images entre modalités, prétraitement des images (correction des aberrations et des défauts).

3/ Mise en place de méthodes d’IA pour améliorer la reconstruction d’images à partir de cette base de données : CNN simple, CNN inséré dans une approche problème inverse (physic driven approach), GAN pour tester des approches de transfert de style entre modalités.

4/ Test de robustesse (variation des paramètres d’acquisition) et de généralisation des algorithmes développés : variation de l’illumination, du gain, du taux de compression des images, des composants optiques, du type de cellules…

Bac +5, formation en physique, optique, traitement d’images.

Bonne maitrise de Python.

Appétence pour les problématiques en lien avec la santé et la biologie.