Informations générales
Entité de rattachement
Le CEA est un acteur majeur de la recherche, au service des citoyens, de l'économie et de l'Etat.
Il apporte des solutions concrètes à leurs besoins dans quatre domaines principaux : transition énergétique, transition numérique, technologies pour la médecine du futur, défense et sécurité sur un socle de recherche fondamentale. Le CEA s'engage depuis plus de 75 ans au service de la souveraineté scientifique, technologique et industrielle de la France et de l'Europe pour un présent et un avenir mieux maîtrisés et plus sûrs.
Implanté au cœur des territoires équipés de très grandes infrastructures de recherche, le CEA dispose d'un large éventail de partenaires académiques et industriels en France, en Europe et à l'international.
Les 20 000 collaboratrices et collaborateurs du CEA partagent trois valeurs fondamentales :
• La conscience des responsabilités
• La coopération
• La curiosité
Référence
SL-DRT-24-0522
Direction
DRT
Description du sujet de thèse
Domaine
Défis technologiques
Sujets de thèse
Modèle génératif conditionnel pour le calcul de la dose en radiothérapie
Contrat
Thèse
Description de l'offre
La propagation de particules par la méthode de Monte Carlo (MC) est reconnue pour sa précision mais est parfois limitée dans ses applications du fait de son coût en ressources informatiques et en temps de calcul. Cette limitation est d'autant plus importante pour le calcul de dose en radiothérapie qu'une configuration spécifique à chaque patient doit être simulée, ce qui freine son utilisation en routine clinique.
L’objectif de cette thèse est de permettre un calcul de dose accéléré et amorti par l’apprentissage d’un modèle génératif conditionnel se substituant à un ensemble de fichiers d'espace des phases (PSF), dont l’architecture sera déterminée suivant les spécificités du problème (GAN, VAE, diffusion models, normalizing flows, etc.). Outre l’accélération, la technique produirait un important gain en efficacité en réduisant le nombre de particules à simuler d’une part dans la phase d’apprentissage, mais également dans la génération des particules pour le calcul de la dose (frugalité du modèle).
Nous proposons ainsi la méthode suivante :
• Dans un premier temps, pour les parties fixes de l’accélérateur, l’utilisation d’un modèle génératif conditionnel remplacerait le stockage des particules simulées dans un fichier d’espace des phases, dont le volume de données est particulièrement conséquent. La compacité du modèle limiterait les échanges entre les unités de calcul sans avoir recours à une infrastructure de stockage spécifique.
• Dans un second temps, cette approche sera étendue à la collimation finale dont la complexité, due à la multiplicité des configurations géométriques possibles, peut être surmontée à l’aide du modèle de la première étape. Un second modèle génératif conditionnel sera entraîné afin d’estimer la distribution des particules pour n’importe quelle configuration à partir d’un nombre réduit de particules simulées.
Le dernier volet du travail de thèse consistera à mettre à profit le gain obtenu en efficacité de calcul pour aborder le problème inverse, à savoir optimiser le plan de traitement pour un patient donné à partir d’une image scanner contourée du patient et d’une prescription de dose.
Université / école doctorale
PHENIICS (PHENIICS)
Paris-Saclay
Localisation du sujet de thèse
Site
Saclay
Critères candidat
Formation recommandée
Mathématiques appliquées, Développement informatique, physique nucléaire
Demandeur
Disponibilité du poste
01/09/2024
Personne à contacter par le candidat
GARCIA HERNANDEZ Juan Carlos juan-carlos.garcia-hernandez@cea.fr
CEA
DRT/LIST/DIN/SIMRI/LEMA
CEA Saclay
LIST/DIN/SIMRI/LEMA
Bât 135 - DOSEO
91191 Gif sur Yvette
0169082897
Tuteur / Responsable de thèse
LAZARO-PONTHUS Delphine delphine.lazaro@cea.fr
CEA
DRT/LIST/DIN
CEA Saclay
DRT/LIST/DIN
Bât 565 - DIGITEO
91191 Gif-sur-Yvette
01 69 08 52 81
En savoir plus