Optimisez l'imagerie médicale: Développez un outil d'optimisation de paramètres d'acquisition et de reconstruction en tomodensitométrie à Montpellier

Détail du poste

Établissement : Université de Montpellier École doctorale : I2S - Information, Structures, Systèmes Laboratoire de recherche : IMAGINE - Management initial et Prévention des défaillances d'Organes des Patients Critiques Direction de la thèse : Djamel DABLI ORCID 0000000310031196 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-09-20T23:59:59 La thèse porte sur le développement d'un outil d'optimisation des paramètres d'acquisition et de reconstruction à partir de l'acquisition de repérage 2D (Surview) au scanner. L'objectif est d'intégrer dans le flux de travail du scanner un outil de sélection des meilleurs paramètres d'acquisition et de reconstruction en fonction de la corpulence du patient et de l'indication clinique, de manière à obtenir le meilleur compromis entre la qualité d'image et la dose délivrée au patient.

Dans la première phase, le candidat va travailler sur la caractérisation de l'impact de chaque paramètre d'acquisition et de reconstruction sur la qualité des images pour différentes indications cliniques et en utilisant différents fantômes (qualité image et anthropomorphique). La qualité des images sera évaluée par des méthodes objectives en utilisant des métriques avancées (spectre d'amplitude du bruit, fonction de transfert de modulation basée sur la tâche clinique et détectabilité). Une évaluation subjective des images sera également réalisée par plusieurs lecteurs radiologues.

Dans la deuxième phase, le candidat travaillera sur l'ajustement du modèle de calcul de la détectabilité pour la corréler avec l'évaluation subjective des radiologues. Cette étape permettra de construire une base de données d'images de fantômes avec différents paramètres et la détectabilité ajustée et représentative de la perception par le radiologue de qualité image correspondante

Dans la troisième phase, le candidat exploitera la base d'images et de métriques obtenue dans les deux premières étapes pour développer et valider une méthode permettant la recherche des meilleures combinaisons des paramètres pour aboutir à la meilleure qualité d'image en fonction de la corpulence du patient et de l'objectif diagnostique. L'objectif est de mettre en place une méthodologie peu consommatrice en temps de calcul afin qu'elle soit implémentable dans le flux de travail habituel des examens scanners.
La TDM est une modalité d'imagerie dont l'utilisation a augmenté significativement ces dernières années. Néanmoins, l'utilisation des rayons X par cette modalité impose une utilisation dans le respect des principes de radioprotection (justification et optimisation) pour la sécurité des patients. Le principe d'optimisation consiste à rechercher le meilleur compromis entre la dose délivrée au patient et la qualité d'image nécessaire pour atteindre l'objectif diagnostique. Les installations scanners actuelles, sont équipées de système de modulation d'intensité et certains de système d'ajustement automatique de la tension en fonction de la corpulence du patient, du type d'acquisition (angiographique, sans et avec injection d'iode) et de la région anatomique à explorer. Cependant, la limite de ces systèmes réside dans le fait qu'ils se réfèrent à une référence en termes de qualité d'image basée sur une mesure de bruit dans un fantôme de référence ou une qualité d'image d'un patient de référence mais sans forcément tenir compte des paramètres de reconstruction. Cela rend la personnalisation des paramètres d'acquisition par patient et par objectif diagnostique très complexe.

Les évolutions technologiques de ces dernières années ont permis le déploiement de plusieurs outils avancés notamment pour la reconstruction d'images avec l'arrivée des algorithmes de reconstruction itérative puis plus récemment des algorithmes basés sur du Deep-learning. L'évaluation de l'impact de ces algorithmes sur la qualité d'image a imposé une adaptation des métriques d'évaluation de celle-ci à cause de leurs propriétés non-linéaires. Ces métriques avancées permettent de caractériser la distribution fréquentielle du bruit (amplitude et texture) en utilisant le spectre d'amplitude de bruit, la résolution spatiale dans les conditions cliniques et d'évaluer la détectabilité d'une lésion simulée. L'objectif est donc de développer une nouvelle méthode d'optimisation personnalisée au patient en utilisant ces métriques dans la sélection des paramètres d'acquisition et de reconstruction. Développement d'un outil d'optimisation des paramètres d'acquisition et de reconstruction à partir de l'acquisition de repérage 2D (Surview) en tomodensitométrie

Le profil recherché

Ce sujet de thèse de doctorat s'adresse à un(e) étudiant(e) titulaire d'un master 2 de physique médicale. Une connaissance approfondie de la modalité tomodensitométrie (TDM), de la dosimétrie des rayons X en TDM et des méthodes d'évaluation de la qualité des images TDM est demandée. Des connaissances solides en programmation sous Python et de base des outils de l'intelligence artificielle sont nécessaires.