🔬 Offre de Thèse, SynthUS: differentiable domain randomisation for robust ultrasound foundation models
- Type
- Offres de thèse
- Description
- 🔬 Offre de Thèse, SynthUS: differentiable domain randomisation for robust ultrasound foundation models 💰 Financement Inria, environ 2 300 € brut/mois, pendant 3 ans. 🏢 Laboratoire : Epione team, Inria Université Côte d’Azur, France 📍 Localisation : Sophia Antipolis, France 🔬 Sujet de recherche : Développer un modèle de fondation robuste pour l’analyse des images échographiques, capable de généraliser aux fortes variations cliniques des images ultrasonores. 🔬 Développer une stratégie de domain randomisation basée sur des modèles génératifs différentiables. 🔬 Optimiser automatiquement la diversité des données synthétiques à partir de la tâche de segmentation. 🔬 Intégrer des modèles génératifs pour reproduire les textures réalistes des images échographiques. 💡 Domaines scientifiques clés : AI for medical ultrasound analysis, Domain randomisation, Differentiable image generation, Foundation model, Image segmentation. 💰 Financement : Salaire de thèse Inria, environ 2 300 € brut/mois. 📅 Début : Janvier 2027 ⏳ Durée : 3 ans. 🛠️ Travaux : 🔹 Développer une stratégie de domain randomisation pour l’échographie. 🔹 Étudier les paramètres à randomiser et leurs méthodes d’échantillonnage. 🔹 Développer des modèles génératifs différentiables. 🔹 Combiner des simulateurs paramétriques avec des modèles génératifs pour les textures. 🔹 Construire les bases d’un modèle de fondation multi-tâches pour l’analyse échographique. 🎯 Environnement scientifique : Équipe Epione, spécialisée en analyse d’images médicales, avec une approche multidisciplinaire associant apprentissage automatique et médecine clinique. Collaborations avec le MIT, l’équipe ARAMIS d’Inria et le CHU de Nice, avec des possibilités de séjours de recherche financés au MIT. 🎓 Profil recherché : Master en computer vision, solides connaissances en deep learning pour l’imagerie médicale, compétences avancées en Python avec PyTorch et TensorFlow. 📧 Candidature : benjamin.billot@inria.fr 📄 Documents requis 📄 CV 📄 Lettre de motivation expliquant les motivations 💬 Indiquez votre spécialité en commentaire pour adapter les prochaines offres
- Liens
- Statut
- Actif
08/10/2026