Annonce

---------------------------------------

FRENCH

----------------------------------------

Nous proposons un sujet de stage en super-résolution basée sur l’apprentissage inspirée de la physique quantique : application à l’imagerie dentaire 3D. Le sujet détaillé est accessible via le lien: Super-résolution basée sur l’apprentissage inspirée de la physique quantique : application à l’imagerie dentaire 3D

* Mots clés Traitement d’image, apprentissage, unfolding, super-résolution super-résolution, physique quantique

* Contexte Le travail s’intègre dans un travail collaboratif entre le laboratoire IRIT et une équipe médicale du CHU de Rangueil (Faculté Dentaire Service 58.01). Les acquisitions cone-beam et microCT seront fournies par le CHU.

* Objectifs La super-résolution est une technique qui permet d’obtenir des images avec de fines résolutions (fins détails). Une méthode de super-résolution reposant à la fois sur l’apprentissage par réseaux de neurones convolutionnels et des concepts de physique quantique a été développée à l’IRIT. Cette méthode donne des résultats spectaculaires sur des image 2D conventionnelles ou médicales. L’objectif du stage sera de se familiariser aux articles associés à la méthode, de comprendre le code de traitement des images 2D disponibles et de les transformer pour traiter des images 3D. Pour ce faire, le stagiaire commencera à travailler coupe par coupe (succession d’images de 2D indépendantes) avant de transformer le code pour traiter les images 3D. Le travail se terminera par une comparaison avec les autres méthodes de super-résolutions existantes.

*Références

• S. Dutta, A. Basarab, B. Georgeot, D. Kouamé, "Deep Unfolding of Image Denoising by Quantum Interactive Patches", IEEE International Conference on Image Processing (ICIP), 2022.
• S. Dutta, A. Basarab, B. Georgeot, D. Kouamé, A Novel Image Denoising Algorithm Using Concepts of Quantum Many-Body Theory, Signal Processing Elsevier, vol 201, pp. 108690, 2022

COMPÉTENCES REQUISES:

• Diplôme de M2 et/ou 3e année d'école d’ingénieur.
• Solides connaissances en traitement du signal et des images, ou en mathématiques appliquées.
• Bonne maîtrise des techniques d’apprentissage automatique, en particulier des réseaux de neurones convolutifs (Deep learning).
• Compétences avérées en programmation, que ce soit en Matlab ou en Python.
• Maîtrise de l'anglais à un bon niveau.
• Un intérêt pour l’imagerie médicale serait un atout, sans nécessité de connaissances préalables.

ENCADREMENT: Ce stage sera encadré par :

• Duong Hung Pham, IRIT/UPS, Toulouse, duong-hung.pham@irit.fr
• Denis Kouamé, IRIT/UPS, Toulouse, kouame@irit.fr

DATE DE DÉBUT: Dès que possible et au plus tard le 31 mars 2024.

 

Pour postuler, veuillez envoyer votre CV, une lettre de motivation et les derniers résultats universitaires à duong-hung.pham@irit.fr et kouame@irit.fr.

 

 

---------------------------------------

ENGLISH

----------------------------------------

 

We offer an internship opportunity focusing on Learning-based super-resolution inspired by quantum physics: application to 3D dental imaging. The detailed subject is accessible via the link: Learning-based super-resolution inspired by quantum physics: application to 3D dental imaging.

 

* Keywords: Image processing, learning, unfolding, super-resolution, quantum physics

 

* Context: The work will be part of a collaborative work between the IRIT laboratory and a medical team from the University Hospital of Rangueil (Faculté Dentaire Service 58.01). The cone-beam and microCT will be provided by the CHU. Tools for exploring endodontic anatomy will be provided by IRIT.

 

* Objectives: Super-resolution is a technique that makes it possible to obtain images with finer resolution (fine details) than original images. A super-resolution method based on both deep convolutional neural networks and quantum physics concepts has been developed at IRIT. This method gives impressive results on conventional or medical 2D images. The objective of the internship will be to get familiar with the articles associated with the method, to understand the codes used for processing available 2D images and transform them to 3D images. To do so, the internship student will begin by working slice by slice (succession of independent 2D images) before transforming the code for 3D. The job will end with a comparison with other existing super-resolution methods.