Département de Physique des Particules

La tomographie par émission de positrons (TEP) est une technique d'imagerie médicale nucléaire largement utilisée en oncologie et en neurobiologie. La désintégration du traceur radioactif émet des positrons, qui s'annihilent en deux photons de 511 keV. Ces photons sont détectées en coïncidence et utilisées pour reconstituer la distribution de l'activité du traceur dans le corps du patient.
Nous vous proposons de contribuer au développement d’une technologie ambitieuse et brevetée : ClearMind. Le premier prototype est à nos laboratoires. Ce détecteur de photons gamma utilise un cristal monolithique de PbWO4, dans lequel sont produits des photons Cherenkov et de scintillation. Ces photons optiques sont convertis en électrons par une couche photo-électrique et multipliés dans une galette à microcanaux. Les signaux électriques induits sont amplifiés par des amplificateurs gigahertz et numérisés par les modules d'acquisition rapide SAMPIC. La face opposée du cristal sera équipée d'une matrice du photomultiplicateur en silicium.
Des techniques d'apprentissage automatique sont indispensables pour traiter les signaux complexes acquis et reconstruire le temps et les coordonnées du point de conversion gamma dans le cristal.

Le candidat travaillera sur le développement d’algorithmes d'apprentissage automatique de haute efficacité pour la reconstruction des vertex d’interaction gamma dans le cristal monolithique. Ce travail consiste d’abord en l'amélioration du logiciel de simulation du détecteur par son ajustement aux performances d’un prototype, étalonné en laboratoire.
Cette simulation alimentera une base d’entraînement pour le développement et l'optimisation de réseaux de neurones profonds. Un effort particulier sera mis à prédire les paramètres du vertex et les incertitudes sur ces paramètres (i.e. IA de confiance).
Des étalonnages sur plusieurs détecteurs permettront de préparer plusieurs lots de données de test de performances réalistes, et d’évaluer la stabilité de nos méthodes aux changements de domaines. Ces données sont intrinsèquement bruitées et donc seront aussi des tests sévères de robustesse. Ces algorithmes permettront la reconstruction efficace de l'interaction gamma en utilisant la forme complète du signal et/ou les données pré-traitées (features engineering). Une attention particulière sera portée au développement de réseaux compacts, efficaces et rapides. La possibilité d'embarquer ces algorithmes dans des FPGA pour une reconstruction en ligne rapide pourra être étudiée.