Description du sujet de thèse

Nous proposons un sujet de thèse financé, dont l’objectif est de concevoir un nouveau microscope piloté par algorithmes de traitement temps-réel des données pour l’imagerie des tissus biologiques.

La microscopie de fluorescence est un outil essentiel en biologie. Elle permet de générer des images volumétriques de tissus vivants, en balayant le volume point par point avec un faisceau laser. Cependant, cette technique est lente et nécessite l’envoi d’une forte dose de lumière qui peut être nocive pour les cellules de l’échantillon imagé (phototoxicité).
Dans ce projet, l’objectif est de développer un microscope “intelligent“, dont la stratégie d’acquisition est guidée par apprentissage et traitement des données en temps-réel. Ce système déterminera automatiquement où et quand effectuer de nouvelles acquisitions, afin de retrouver l’information pertinente avec le minimum de lumière envoyée sur l’échantillon, permettant ainsi d’accélérer le processus d’imagerie et de réduire la phototoxicité. L’apport de cette approche sera notamment démontré pour l’imagerie rapide des processus morphogénétiques lors du développement de la drosophile.

Les enjeux principaux de cette thèse concernent en particulier l’imagerie de processus dynamiques, pour lesquels il sera nécessaire de concevoir de nouvelles techniques d’apprentissage et de traitement statistique des données, de façon à être capable :
- non seulement de prédire l’évolution de l’échantillon ou des paramètres d’intérêt en fonction du temps, et ceci à partir d’un très faible nombre de mesures,
- mais également de décider où et quand de nouvelles mesures doivent être effectuées pour vérifier et raffiner les prédictions.
Nous mettrons également en avant la recherche de solutions algorithmiques rapides et non supervisées, i.e. ne nécessitant pas de réglages de paramètres de la part d’un utilisateur.

Compétences recherchées :
- Bonnes connaissances dans le domaine du traitement des données ou des images.
- Des compétences sur le traitement statistique des données serait un plus.
- En fonction de ses affinités personnelles, l’étudiant(e) pourra mettre l’accent sur des aspects théoriques, avec par exemple des approches mêlant théorie de l’estimation et théorie de l’information pour la conception d’expériences, ou sur des aspects plus appliqués.

Financement :
Cette thèse est financée par le projet ANR TemporalSmartScan sur une durée de 3 ans. Le candidat ou la candidate retenu(e) sera ainsi amené(e) à collaborer avec des spécialistes en microscopie optique, qui seront chargés de la mise en œuvre expérimentale du microscope pour des applications à l’étude de la morphogénèse chez la drosophile.

Les candidat(e)s intéressé(e)s par le sujet proposé sont invité(e)s à soumettre un CV détaillé, leurs relevés de notes (Master 1, Master 2), ainsi que les coordonnées de deux personnes de référence.

Pour plus d'information:
https://sites.google.com/view/loc-le-goff-phd-home-page/news

Contexte de travail

Cette thèse se déroulera à l'institut Fresnel, dans l'équipe PhyTI et en collaboration avec l'équipe MOSAIC.
Adresse:
Institut Fresnel - Domaine Universitaire de Saint Jérôme, 13397 Marseille, France

Le poste se situe dans un secteur relevant de la protection du potentiel scientifique et technique (PPST), et nécessite donc, conformément à la réglementation, que votre arrivée soit autorisée par l'autorité compétente du MESR.