Appel à candidature pour une thèse en deep learning.

When:
27/05/2022 – 28/05/2022 all-day
2022-05-27T02:00:00+02:00
2022-05-28T02:00:00+02:00

Offre en lien avec l’Action/le Réseau : – — –/Doctorants

Laboratoire/Entreprise : Institut de Mathématiques de Marseille et IRPHE
Durée : 36 mois
Contact : badihghattas@gmail.com
Date limite de publication : 2022-05-27

Contexte :
Ce sujet de thèse est porté par un consortium pluridisciplinaire composé de chercheurs spécialistes en statistiques, mécanique des fluides et biomécanique ainsi qu’imagerie médicale. L’équipe de statistiques de l’Institut de Mathématiques de Marseille (UMR7373) et l’équipe de biomécanique de l’Institut de Recherche sur les Phénomènes Hors Equilibre (UMR7342, Marseille) en collaboration avec le service d’imagerie médicale de l’hôpital de la Timone souhaitent développer un outil de diagnostic clinique capable de prédire précocement l’évolution de pathologies de l’aorte thoracique.
L’équipe de biomécanique d’IRPHE réalise des modélisations numériques complexes de certaines de ces pathologies grâce à des données provenant d’imageries médicales -CT scan pour les géométries et IRM2D pour les conditions aux limites-, l’objectif est de mettre en œuvre des modèles 3D patient-spécifique tenant compte des interactions fluide-structure pour différents types d’évolution -favorable et défavorable- ainsi que pour plusieurs temps post opératoires. Ceci permet d’associer des grandeurs physiques liées aux dynamiques de l’écoulement et des structures à certaines évolutions cliniques défavorables ([1]) et, par la suite, de prédire précocement certains échecs thérapeutiques. Toutefois, le temps de calcul associé à ces modélisations complexes constitue un obstacle à leur utilisation en pratique clinique.

Sujet :
Sujet : Substitution de modèles numériques de mécanique des fluides par des modèles d’apprentissage profond. Applications aux dissections aortiques

L’objectif principal de cette thèse est donc de mettre en œuvre des techniques d’apprentissage profond pour substituer à ces modèles numériques afin de prédire précocement l’évolution de pathologies de l’aorte thoracique.

Profil du candidat :
Le(la) candidat(e) devra avoir des connaissances académiques dans les champs disciplinaires relatifs au sujet: Deep learning en priorité et modélisations numériques. Il(elle) devra avoir une appétence avérée pour l’interdisciplinarité. Une expérience en programmation python est indispensable, en particulier, tensorflow, keras, pandas et numpy.

Formation et compétences requises :
Etudiant(e) issu(e) d’un Master de mathématiques/informatiques, ou d’école d’ingénieur filière statistique et/ou informatique.

Adresse d’emploi :
Aix Marseille université, campus de Luminy, 13009 Marseille.

Document attaché : 202203302221_These_Ghattas-Deplano – Fr.pdf