Modèle génératif conditionnel pour le calcul de la dose en radiothérapie

Description de l'offre : La propagation de particules par la méthode de Monte Carlo (MC) est reconnue pour sa précision mais est parfois limitée dans ses applications du fait de son coût en ressources informatiques et en temps de calcul. Cette limitation est dapos;autant plus importante pour le calcul de dose en radiothérapie quapos;une configuration spécifique à chaque patient doit être simulée, ce qui freine son utilisation en routine clinique. L’objectif de cette thèse est de permettre un calcul de dose accéléré et amorti par l’apprentissage d’un modèle génératif conditionnel se substituant à un ensemble de fichiers dapos;espace des phases (PSF), dont l’architecture sera déterminée suivant les spécificités du problème (GAN, VAE, diffusion models, normalizing flows, etc.). Outre l’accélération, la technique produirait un important gain en efficacité en réduisant le nombre de particules à simuler d’une part dans la phase d’apprentissage, mais également dans la génération des particules pour le calcul de la dose (frugalité du modèle). Nous proposons ainsi la méthode suivante : • Dans un premier temps, pour les parties fixes de l’accélérateur, l’utilisation d’un modèle génératif conditionnel remplacerait le stockage des particules simulées dans un fichier d’espace des phases, dont le volume de données est particulièrement conséquent. La compacité du modèle limiterait les échanges entre les unités de calcul sans avoir recours à une infrastructure de stockage spécifique. • Dans un second temps, cette approche sera étendue à la collimation finale dont la complexité, due à la multiplicité des configurations géométriques possibles, peut être surmontée à l’aide du modèle de la première étape. Un second modèle génératif conditionnel sera entraîné afin d’estimer la distribution des particules pour n’importe quelle configuration à partir d’un nombre réduit de particules simulées. Le dernier volet du travail de thèse consistera à mettre à profit le gain obtenu en efficacité de calcul pour aborder le problème inverse, à savoir optimiser le plan de traitement pour un patient donné à partir d’une image scanner contourée du patient et d’une prescription de dose.

Profil du candidat : Mathématiques appliquées, Développement informatique, physique nucléaire