Le Centre national de la recherche scientifique est un organisme public de recherche pluridisciplinaire placé sous la tutelle du ministère de l’Enseignement supérieure et de la Recherche. Créé en 1939 et dirigé par des scientifiques, il a pour mission de faire progresser la connaissance et être utile à la société dans le respect des règles d’éthique, de déontologie et d’intégrité scientifique.

Sujet de thèse :
Contexte scientifique et objectifs
Les avancées récentes en intelligence artificielle, et en particulier en apprentissage profond, ont considérablement transformé le champ de l’analyse et de la synthèse d’images. Ces méthodes surpassent désormais largement les approches traditionnelles, notamment grâce à leur capacité à s’adapter aux données. Le domaine biomédical, caractérisé par la disponibilité de données spécialisées et l’expertise associée des professionnels de santé, constitue un terrain d’application privilégié. Toutefois, la constitution de bases de données annotées demeure limitée, en raison de la complexité, du coût de l’annotation experte, et des contraintes liées à la confidentialité et à la rareté de certaines pathologies.
Dans ce contexte, les modèles génératifs offrent une solution prometteuse pour la génération de données synthétiques réalistes, en particulier lorsque les données réelles sont rares ou déséquilibrées. Le modèle ConText-GAN, développé au sein du laboratoire LIS [1], a déjà démontré son efficacité pour générer des images biomédicales synthétiques pertinentes, notamment pour adresser le déséquilibre de classes fréquent dans ce domaine [2,3]. Ce modèle repose sur un conditionnement explicite via des cartes d’étiquettes associées à des descripteurs de texture (feature maps), permettant un contrôle fin de la génération en termes de géométrie et de réalisme visuel. L’approche « label-to-image » ainsi mise en œuvre permet une génération contrôlée d’images synthétiques variées et de haute qualité.

Sujet de recherche
L’objectif principal de cette recherche est d’explorer et de développer des méthodes génératives pour la synthèse d’images médicales, en assurant un contrôle précis des caractéristiques visuelles, indispensable dans le contexte biomédical. Le cadre méthodologique s’articulera autour des axes suivants :
1. Optimisation du ConText-GAN : amélioration de l’architecture existante, notamment en termes de robustesse, de qualité des images produites, et d’adaptabilité à différentes modalités d’imagerie (IRM, TEP, etc.).
2. Simplification de la création des cartes de caractéristiques (feature maps) : une attention particulière sera portée à l’automatisation de cette étape, actuellement coûteuse en temps et en expertise. Des approches basées sur des prompts (textuels ou sémantiques) ainsi que la génération automatique des étiquettes seront explorées.
3. Extension aux modèles de type Diffusion : en réponse à la diversité des modalités et des besoins, des stratégies de génération contrôlée avec des modèles de diffusion seront investiguées, afin de renforcer la qualité et le réalisme des images synthétiques tout en conservant un contrôle sémantique sur leur contenu.
4. Reconstruction de surfaces par génération contrôlée : un second axe de recherche portera sur le développement de méthodes génératives dédiées à la reconstruction de surfaces anatomiques à
Voir plus sur le site emploi.cnrs.fr...

Le Centre national de la recherche scientifique est l’une des plus importantes institutions publiques au monde : 34 000 femmes et hommes (plus de 1 000 laboratoires et 200 métiers), en partenariat avec les universités et les grandes écoles, y font progresser les connaissances en explorant le vivant, la matière, l’Univers et le fonctionnement des sociétés humaines. Depuis plus de 80 ans, y sont développées des recherches pluri et interdisciplinaires sur tout le territoire national, en Europe et à l’international. Le lien étroit que le CNRS tisse entre ses missions de recherche et le transfert vers la société fait de lui un acteur clé de l’innovation en France et dans le monde. Le partenariat qui le lie avec les entreprises est le socle de sa politique de valorisation et les start-ups issues de ses laboratoires (près de 100 chaque année) témoignent du potentiel économique de ses travaux de recherche.

Contraintes et risques :