Domaine et contexte scientifiques: Le "compressive sensing" (CS) est une méthode récente qui permet d'envisager une nouvelle façon d'échantillonner les signaux ou les images. En exploitant le caractère parcimonieux que présentent la plupart des données physiques, elle permet en effet de reconstruire les données acquises avec des fréquences d'échantillonnage bien inférieures à la limite classique de Shannon. En imagerie ultrasonore 3D les acquisitions font appel à des sondes comportant une matrice de capteurs. Pour des raisons d'encombrement physique, de connexion et de pilotage, seule une faible fraction de ces capteurs peut être activée. Dans ce contexte, le compressive sensing présente donc un intérêt majeur pour aller vers une amélioration considérable des résolutions spatiales et temporelles de ces acquisitions 3D.
Objectif: Malgré son intérêt et à la différence d'autres modalités (en particulier l'IRM), l'application du compressive sensing en l'imagerie ultrasonore reste actuellement quasiment inexplorée: ceci est lié aux spécificités des signaux ultrasonores RF (nature oscillatoire et spatialement variante), qui rendent une telle application très complexe. Il n'existe de fait actuellement que quelques équipes (dont CREATIS fut l'une des premières) identifiées au niveau international travaillant sur cette thématique. Ce problème représente un verrou et sa levée une véritable rupture conceptuelle de la formation des images ultrasonores. Dans ce cadre, l'objectif de ce travail est donc de développer les éléments méthodologiques nécessaires à la mise en œuvre du compressive sensing en imagerie ultrasonore 3D dynamique (séquences d’images volumiques) et d'aboutir à une démonstration de faisabilité sur des données expérimentales.
Méthodologie et programme de recherche: La première phase de ce travail consistera à développer un dictionnaire d'atomes permettant une représentation parcimonieuse (ou suffisamment compressible) des signaux ultrasonores 3D. Deux voies seront explorées: d'une part l'exploitation de bases orthogonales adaptées aux caractéristiques oscillatoires et spatialement variantes des signaux ultrasonores, telles que les wave atoms; d'autre part l'extraction par apprentissage sur les données d'un dictionnaire et l'évaluation de sa généralité/spécificité.
Dans une 2ème phase, on s’intéressera à l’exploitation de l’information temporelle en envisageant l’application du compressed sensing sur la différence incrémentale entre les images successives d’une séquence. On explorera en particulier dans quelle mesure une telle approche permet d’augmenter le caractère parcimonieux du flot de données et d’accroître ainsi la précision et la rapidité de l’algorithme de reconstruction
Une attention particulière devra être apportée aux algorithmes de reconstruction (type OMP ou relaxation convexe) mis en œuvre: ainsi le volume de données correspondant à une acquisition implique la capacité de travailler en large dimension, tout en conservant des temps de calculs compatible avec la pratique "temps réel" usuelle en imagerie ultrasonore.
La méthodologie développée sera évaluée en premier sur des données ultrasonores issues de simulations numériques. Elle sera ensuite appliquée sur des données expérimentales 3D acquises sur les échographes de recherche de la plateforme de Creatis, puis sur des données acquises in vivo acquises en collaboration avec le laboratoire Medical Image Computing Lab de l’Université de Leuven, Belgique).
Collaborations/partenariats extérieurs : L’acquisition des données in vivo sera réalisée en collaboration avec le laboratoire Medical Image Computing Lab de l’Université de Leuven, Belgique). Les conditions de cette collaboration sont déjà bien établies, puisqu’elle a déjà donné lieu à 3 séjours de doctorant à Leuven (financement MIRA et Explora’doc de la région Rhône-Alpes), 8 publications et 26 communications internationales co-signées.
Compétences développées au cours de la thèse et perspective professionnelle : Au travers de ce sujet, le doctorant développera une expérience en matière d’acquisition et de formation de l’image ultrasonore et une forte compétence sur les techniques très récentes d’acquisition compressée, qui sont liées au domaine du traitement numérique du signal et de l’image, des statistiques, et problèmes inverses. Du fait de la généralité de ce type de technique et de ses nombreux domaines d’application, il pourra à la suite de la thèse s’intégrer soit au sein d’une équipe de recherche (versant fondamental ou appliqué de la thématique), soit au sein entreprise de taille suffisamment importante pour posséder un département R&D. Cette entreprise pourra être en premier lieu liée à l’imagerie médicale, ou aux nombreux autres domaines d’application ouverts à ce type de technique.
Profil du candidat recherché (prérequis) : Master de type EEA ou mathématiques appliquées, avec idéalement une expérience en traitement et analyse de l’image/signal. Le prérequis ont les suivants :
• Traitement numérique du signal et de l’image, statistiques, mathématiques appliquées
• Programmation Matlab