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…
Notre laboratoire développe des systèmes optiques couplés à des algorithmes d'IA pour l'imagerie in vitro. Nos méthodes d'imagerie sont non conventionnelles et nécessitent une étape de reconstruction pour passer des données brutes à une image interprétable.
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.
Bac+5 - Diplôme École d'ingénieurs
Talent impulse, the scientific and technical job board of CEA's Technology Research Division
© Copyright 2023 – CEA – TALENT IMPULSE - All rights reserved