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

Laboratoire/Entreprise : CReSTIC & MEDyC
Durée : 36 mois
Contact : nicolas.passat@univ-reims.fr
Date limite de publication : 2024-12-31

Contexte :
Projet ANR MODELAGE
Cette thèse est proposée dans le cadre du projet ANR MODELAGE (Modélisation de l’évolution des microstructures
vasculaires par imagerie synchrotron à très haute résolution – Prédiction du vieillissement
normal vs accéléré), mené en partenariat entre l’Université de Reims Champagne-Ardenne, l’Université de
Technologie de Troyes et le Synchrotron SOLEIL (Saclay).

Contexte
Le vieillissement vasculaire se caractérise par des altérations lentes et asymptomatiques des microstructures
vasculaires. Parmi celles-ci, les lamelles élastiques de la paroi vasculaire sont les premières concernées.
Néanmoins, les événements précoces prévoyant ces altérations restent pour la plupart non documentés.
En effet, les méthodes d’exploration actuelles n’atteignent pas une résolution suffisante. L’exploration des
caractéristiques vasculaires à l’aide de la microtomographie à rayons X synchrotron haute résolution (μCT) a
révélé l’existence d’un réseau en forme de treillis construit à l’intérieur des lamelles élastiques chez la souris.
Les images μCT acquises sur synchrotron peuvent ainsi fournir de nouveaux indices pour comprendre le
processus de vieillissement vasculaire [1]. En effet, leur résolution, leur contraste et leur champ de vision sont
si élevés qu’ils révèlent de nouveaux détails structurels fins dans la paroi aortique. Cependant,
la recherche, l’extraction et l’analyse de ces données massives et riches en informations constituent un
véritable défi.

Sujet :
Objectifs
Les images μCT sont des données 3D de très haute résolution (voxels de 0.65 μm de côté) de très grande
taille (4000 x 4000 x 2000 voxels) pouvant de plus être empilées jusqu’à former des structure de l’ordre du
tera-octet. Il est, en l’état, impossible de naviguer dans ces données et de les analyser dans leur globalité.
Les solutions actuellement développées les manipulent par coupes 2D et/ou par tranches 3D épaisses [2].
Le premier but de cette thèse est de développer de nouvelles structures de données hiérarchiques (arbres)
qui permettent de modéliser les images à différents niveaux d’échelle en adaptant le niveau d’échelle local
au niveau de détail dans les images. Une telle politique repose de manière conjointe sur deux paradigmes :
les espaces d’échelles [3] et les modèles de décomposition de type quadtree/octree [5]. Contrairement aux
stratégies usuellement considérées pour les espaces d’échelles (approximation gaussienne) et pour les octrees
(subdivisions régulières), l’idée est ici de tirer parti de la connaissance a priori sur le contenu des images pour
développer un modèle hiérarchique morphologique [4] qui puisse représenter les images avec un minimum
de perte d’information, tout en maximisant la compacité des structures, afin de permettre leur gestion en
mémoire et une navigation complète sans recours à des architectures matérielles lourdes.

Les objectifs de cette thèse seront ainsi d’explorer des stratégies pour :
• définir de tels modèles hiérarchiques ;
• les construire de manière efficace ;
• développer de nouveaux descripteurs d’images dédiés aux images μCT ;
• développer des politiques de calcul efficaces de ces descripteurs sur les modèles hiérarchiques développés.

Ces travaux viendront s’interfacer avec des méthodes et outils récemment développés pour l’analyse des
images synchrotron, dans le cadre du projet ANR MODELAGE. Le(la) candidat(e) aura aussi l’opportunité
de participer aux campagnes d’acquisition des images lors des expériences synchrotron.

Profil du candidat :
Compétences requises
Le(la) candidat(e) sera titulaire d’un diplôme de Master 2 et/ou d’un diplôme d’ingénieur. Il(elle) aura
des compétences solides en informatique, mathématiques, et une capacité à travailler dans un contexte
collaboratif et pluridisciplinaire.
Compétences impératives :
• Programmation C++ et Python
• Traitement et analyse d’images
Compétences souhaitées mais non-indispensables :
• Imagerie

Formation et compétences requises :
Compétences requises
Le(la) candidat(e) sera titulaire d’un diplôme de Master 2 et/ou d’un diplôme d’ingénieur. Il(elle) aura
des compétences solides en informatique, mathématiques, et une capacité à travailler dans un contexte
collaboratif et pluridisciplinaire.
Compétences impératives :
• Programmation C++ et Python
• Traitement et analyse d’images
Compétences souhaitées mais non-indispensables :
• Imagerie

Adresse d’emploi :
Lieu d’exercice
Université de Reims Champagne-Ardenne, Campus Moulin de la Housse
Laboratoires CReSTIC et MEDyC

Document attaché : 202405211157_MODELAGE_PhD.pdf