Thèse Vers un Modèle de Fondation pour l'Imagerie Abdominale en Tomodensitométrie H/F - Doctorat.Gouv.Fr

Établissement : Université Paris-Saclay GS Informatique et sciences du numérique École doctorale : Sciences et Technologies de l'Information et de la Communication Laboratoire de recherche : [CVN] Centre de la Vision Numérique Direction de la thèse : Emilie CHOUZENOUX ORCID 0000000336316093 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-07-10T23:59:59 L'Entrepôt de Données de Santé de l'AP-HP (EDS AP-HP) regroupe des données cliniques multimodales (PMSI, imagerie médicale, données biologiques et documents cliniques) concernant plus de 14 millions de patients. Le projet ANR FM2AI propose d'exploiter 50 000 scanners (TDM) 3D cliniques issus de cette ressource exceptionnelle afin de développer un nouveau modèle de fondation dédié à l'imagerie tomodensitométrique abdomino-pelvienne.
Dans ce contexte, nous recherchons un(e) doctorant(e) disposant d'une excellente formation en intelligence artificielle afin de concevoir un modèle de fondation open source adapté à la radiologie abdominale en TDM 3D, ainsi qu'une boîte à outils polyvalente permettant son intégration dans des applications dédiées à différentes tâches cliniques, en vue d'un déploiement efficace en pratique médicale.Le modèle développé sera évalué sur trois applications cliniques en oncologie abdomino-pelvienne, en collaboration étroite avec nos partenaires de l'AP-HP :(1) la stadification du cancer colorectal ;(2) l'optimisation thérapeutique du carcinome hépatocellulaire (CHC) ;(3) l'évaluation de la résécabilité et du pronostic du cancer du pancréas. Environment: The phd student will be supervised by Emilie Chouzenoux (Head of OPIS team, Inria Saclay), and will interact regularly with the members of the ANR FM2AI consortium. The student will join the Inria Saclay team OPIS (https://opis-inria.eu/). He/she will be located in the Centre de la Vision Numérique, in CentraleSupélec campus, Saclay, France. He/she will enjoy an international and creative environment where research seminars and reading groups take place very often. Informatic material expenses will be covered within the limits of the scale in force.Starting date is flexible, from the 1st Oct. 2026. Missions: Data Collection and Foundation model training - Coordination with APHP for the creation of a representative dataset for abdominal-pelvic CT imaging, ensuring data accessibility, filtering, and preprocessing - Develop a foundation model specifically trained on abdominal-pelvic CT imaging - Evaluation and specification on downstream tasks. Main activities :Programming in Python/PyTorch environmentBibliographical studyDataset curationDeep learning architecture design/training/testingWriting of scientific articles

Nous recherchons un(e) candidat(e) titulaire d'un diplôme de Master 2 ou d'un diplôme d'ingénieur, disposant de solides connaissances en apprentissage profond (deep learning) et d'un fort intérêt pour le domaine de l'imagerie médicale. Une bonne maîtrise de la programmation en Python est indispensable. Une expérience de l'utilisation des bibliothèques PyTorch ou TensorFlow est fortement recommandée.Le ou la candidat(e) devra maîtriser l'anglais et/ou le français, à l'écrit comme à l'oral.