Proposition These en Cifre

Faites vibrer l'industrie avec Aurora CT. Il s'agit du premier sous-système de détection CT de sécurité prêt à l'emploi qui accélère les déploiements et réduit les coûts totaux des rayons X qui répondent aux normes les plus strictes.

**Proposition de thèse**: Représentation en graphe de données d’imagerie par rayons-X pour différentes tâches d’apprnetissage machine.

Detection Technology est une entreprise développant et produisant des détecteurs à rayons X. L’entreprise propose depuis peu d’accompagner ses produits de solutions algorithmiques pour résoudre des problématiques client spécifiques. En outre, le site de Moirans est spécialisé dans les détecteurs dit “Multi-Energie”.

Ces détecteurs ont la particularité de non seulement détecter les rayons X, mais aussi d’évaluer leur énergie. L’imagerie X est utilisée dans divers domaines, tels que la santé, l’industrie (en particulier alimentaire) ou encore la sécurité. C’est en effet un type d’imagerie non-destructif et peu couteux, d’où sa popularité. Nombre de clients de Detection Technology ont des objectifs tout aussi variés pour des données très similaires puisque qu’acquises avec des détecteurs similaires.

Dans le cas de détecteurs Multi-Energie, une image produite par transmission de rayons X est une matrice 3D dont les 2 premiers axes sont les traditionnelles dimensions spatiales, et le 3ème est un histogramme en énergie.

La communauté scientifique a montré un intérêt croissant pour les réseaux de neuronnes profonds appliquées sur des données structurée sous frome de graphe, notament en raison de l’incroyable versatilité de ces représentations. Nous proposons ici une étude pour en démontrer l’intérêt au moins pour des données spectroscopiques (plus particulièrement celles d’imageries par rayons X), domaine dans lequel la littérature est maigre.

Le projet de thèse s’articule autour de 3 objectifs:

- la construction d’une representation expressive de nos données spectrale sous forme de graphe.
- réduction de la dimensionalité de la représentation. Compte tenu du volume de donnée que représente chaque image, il est très probable que le graphe produit soit bien trop lourd pour nos clients.
- une phase de qualification de la représentation en utilisant un réseau de neuronne profond adapté à une structure de donnée sous forme de graphe, autrement dit un Graph Neural Network (GNN).

**Compétences**
- Un diplôme de master 2 en mathématiques appliquées / data science.
- De solides bases en apprentissage machine profond sont essentielles.
- De solides connaissances en traitmeent de l’image
- Bon niveau d’anglais (entreprise internationale)
- Un bon niveau en Python est souhaitable

Rédiger le cahier des charges technique, Se montrer agile et proactif dans ses démarches, Prendre en compte plusieurs paramètres à la fois dans ses analyses et ses décisions, Assurer une veille technologique et réglementaire