Deenamo : Deep Learning Pour La Microscopie - Montpellier, France - Université de Montpellier

Université de Montpellier

Entreprise vérifiée

Montpellier, France

il y a 2 semaines

Posté par:

Sophie Dupont

beBee Recruiter

Description

**DEENAMO : DEEp learNing pour la Microscopie Acoustique // DEENAMO : DEEp learNing for Acoustic MicrOscopy**:

- Réf **ABG-121405**
**ADUM-55306**
- Sujet de Thèse- 19/03/2024- Contrat doctoral- Université de Montpellier- Lieu de travail- Montpellier - France- Intitulé du sujet- DEENAMO : DEEp learNing pour la Microscopie Acoustique // DEENAMO : DEEp learNing for Acoustic MicrOscopy- Mots clés- Deep Learning, Microscopie acoustique, Ultrasons, Imagerie ultrasonore, Traitement du signal
- Deep Learning, Acoustic Microscopy, Ultrasound, Ultrasonic imaging, Signal processing**Description du sujet**:

- Le projet DEENAMO concerne la poursuite de travaux précédents sur trois axes principaux:

- 1. Imagerie haute-résolution sur dispositif de laboratoire,
- 2. Analyse multifréquentielle du signal,
- 3. Méthodes hybrides.
- La pertinence scientifique des trois axes de recherche est développée dans les sections suivantes.
- 1. Implémentation des méthodes de Deep-Learning sur dispositif de laboratoire - Application à l'imagerie haute résolu- 2. Analyse multifréquentielle
- Ces travaux seront ensuite étendus à l'implémentation d'outils de caractérisation multifréquentielle de signaux. Celle-ci est en particulier essentielle à l'étude de matériaux granulaires, structurés ou viscoélastiques pour lesquels la structure du matériau ou ses propriétés varient avec l'échelle d'analyse. Pour ce faire, les modèles développés dans la première thèse seront généralisés afin de prendre en compte la bande passante des signaux et leurs caractéristiques spectrales. Ces travaux s'inspireront fortement des travaux réalisés, sur d'autres bandes fréquentielles, pour l'analyse du langage. Leur extension aux signaux ultrasonores correspondra au second résultat (D1) du doctorat et devrait donner lieu à une publication.
- 3. Méthode hybride
- Tous ces travaux permettront de coupler les modèles Deep-Learning développés avec les codes de simulation relatifs à la propagation des ondes au sein de milieux complexes. Ceux-ci se basent généralement sur des formulations intégrales ou matricielles des phénomènes physiques. Les développements actuels de l'Intelligence Artificielle (IA) visent alors à appliquer les contraintes des modèles usuels aux modèles d'IA afin, entre autres, de permettre une analyse temps réel des signaux dont l'explicabilité est renforcée par les modèles physiques intégrés. Ces études devraient permettre de produire une troisième publication (D2).The DEENAMO project involves continuing work in three main areas:

- 1. High-resolution imaging on laboratory equipment,
- 2. Multifrequency signal analysis,
- 3. Hybrid methods.
- The scientific relevance of the three lines of research is developed in the following sections.
- 1. Implementation of Deep-Learning methods on laboratory devices - Application to high-resolution imaging- 2. Multifrequency analysis
- This work will then be extended to the implementation of multifrequential signal characterization tools. In particular, this is essential for the study of granular, structured or viscoelastic materials, where the structure of the material or its properties vary with the scale of analysis. To this end, the models developed in the first thesis will be generalized to take into account the bandwidth of the signals and their spectral characteristics. This work will draw heavily on work carried out on other frequency bands for language analysis. Their extension to ultrasonic signals will correspond to the second result (D1) of the PhD and should lead to a publication.
- 3. Hybrid method-
Début de la thèse : 01/10/2024-
**Nature du financement**:

- Contrat doctoral**Précisions sur le financement**:

- Concours pour un contrat doctoral**Présentation établissement et labo d'accueil**:

- Université de Montpellier**Etablissement délivrant le doctorat**:

- Université de Montpellier**Ecole doctorale**:

- 166 I2S - Information, Structures, Systèmes12/05/2024