Amélioration de la qualité de l'imagerie IRM à faible champ // Enhancing Low-Field Magnetic Resonance Imaging through Image Quality Transfer

Ce projet de recherche se concentre sur le développement de nouvelles techniques de transfert de qualité d'images et de super-résolution pour l'imagerie par résonance magnétique (IRM) à faible champ, afin de répondre au besoin critique d'un outil de diagnostique amélioré dans les contextes à faibles ressources. Le projet vise à combler l'écart de qualité entre les systèmes d'IRM à champ faible et élevé en améliorant la résolution, le contraste et l'utilité diagnostique de l'image en utilisant les progrès récents en matière d'imagerie et d'apprentissage automatique. Des tâches de post-traitement supplémentaires, notamment la segmentation des images et la quantification de l'incertitude, permettront d'obtenir des informations cliniques significatives à partir d'images améliorées, favorisant ainsi un accès plus large à des systèmes d'IRM portables de haute qualité dans le domaine des soins de santé.
Plus précisément, les principaux objectifs scientifiques de la thèse sont les suivants:
1. Estimer la qualité des images IMR à faible champ
2. Développer de nouvelles techniques de transfert de qualité et de super-résolution pour l'IRM à faible champ
3. Quantifier le bénéfice de l'amélioration de la qualité des images pour les diagnostique.

Le travail de thèse comprendra le développement de modèles théoriques ainsi que l'analyse de données médicales réelles. Aussi, une bonne connaissance des systèmes d'acquisition d'images médicales est nécessaire.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

This research focuses on developing novel image quality transfer and super-resolution techniques for low-field magnetic resonance imaging (MRI) to address the critical need for enhanced diagnostic imaging in low-resource settings.
The project aims to bridge the quality gap between low- and high-field MRI systems by improving image resolution, contrast, and diagnostic utility using the recent advances in computational imaging and machine learning. Additional post-processing tasks, including image segmentation and uncertainty quantification, will enable meaningful clinical insights from enhanced images, supporting broader access to high-quality, portable MRI systems in global healthcare.
In particular, the main scientific objectives of the project are:
1. Assessing image quality in low-field MRI
2. Developing image quality transfer and super-resolution techniques for low-field MRI
3. Assessing the benefit of quality enhancement in diagnostic

The PhD project will include both theoretical and practical work with real medical data. So a good knowledge of medical imaging techniques as well as machine learning is required.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2026

Programme UPSaclay-Exeter (ADI)

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

580 Sciences et Technologies de l'Information et de la Communication

Les candidats doivent être titulaires ou être sur le point d'obtenir un diplôme de master (ou un diplôme britannique spécialisé de première ou de deuxième classe supérieure) dans un domaine pertinent: ingénierie biomédicale, imagerie médicale, intelligence artificielle. Les candidats doivent avoir de solides compétences en programmation (par exemple Python), une expérience en apprentissage automatique et d'excellentes capacités de communication et de travail en équipe. Un intérêt pour la recherche interdisciplinaire et translationnelle est essentiel.
Applicants must hold or be about to obtain a First or Upper Second-Class UK Honours degree (or equivalently an MSc degree) in a relevant field: biomedical engineering, medical imaging, artificial intelligence. Candidates should have strong programming skills (e.g., Python), experience in machine learning, and excellent communication and teamwork abilities. An interest in interdisciplinary and translational research is essential.