Apprentissage profond pour une reconstruction explicable et efficiente d'IRM dynamiques // Deep Learning for Explainable and Efficient Dynamic MRI Reconstruction

Ce projet de thèse vise à contribuer aux méthodes d'intelligence artificielle explicable pour la reconstruction de l'imagerie par résonance magnétique (IRM) dynamique . Notre objectif principal est d'accélérer et d'améliorer la qualité des acquisitions et des reconstructions IRM grâce à des modèles d'apprentissage profond interprétables et fiables. Cette approche devrait non seulement enrichir les capacités diagnostiques, mais aussi améliorer le confort du patient et la fluidité des processus cliniques.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

This thesis project aims to advance the field of explainable AI (XAI) methodologies for the reconstruction of dynamic magnetic resonance imaging (MRI). Our primary goal is to accelerate and enhance the quality of MRI acquisitions and reconstructions through interpretable and trustworthy deep learning models. This approach is expected to not only enrich diagnostic capabilities but also to improve patient comfort and clinical workflow efficiency.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2025

Programme COFUND DeMythif.AI

Université Paris-Saclay GS Sciences de l'ingénierie et des systèmes

575 Electrical, Optical, Bio-physics and Engineering

Nous recherchons un candidat hautement motivé, avec une solide formation en Intelligence Artificielle. Le candidat idéal aura de solides bases en mathématiques et en physique. Une expérience en traitement et analyse d'images est très appréciée. Bien qu'une connaissance préalable de la physique de l'IRM soit un atout, ce n'est pas une exigence stricte. Le candidat retenu s'épanouira dans un environnement dynamique et multidisciplinaire, en collaboration étroite avec des médecins, physiciens et ingénieurs. Tout au long de la thèse, il acquerra une expertise avancée dans les technologies d'imagerie médicale et contribuera à l'application de l'IA aux défis médicaux concrets. De solides compétences en résolution de problèmes, une pensée analytique, et une passion pour l'avancement de l'IA dans les contextes médicaux sont essentielles pour ce rôle.
We are seeking a highly motivated PhD candidate with a strong background in Artificial Intelligence. The ideal candidate will have a solid foundation in mathematics and physics, which are crucial for addressing the research challenges in this field. Experience in image processing and analysis is highly valuable. While prior knowledge of MRI physics is an asset, it is not a strict requirement. The successful candidate will thrive in a dynamic, multidisciplinary environment, working closely with physicians, physicists, and engineers. Throughout the thesis, they will gain advanced expertise in medical imaging technologies and contribute to the application of AI in real-world medical challenges. Strong problem-solving abilities, analytical thinking, and a passion for advancing AI in medical contexts are key for this role.