Etalonnage dosimétrique du système de monitorage d'un faisceau de Flashthérapie à ultra haut débit de dose de l’installation IRAMIS
Les faisceaux dit Ultra-flash sont des faisceaux pulsés d’électrons de haute énergie (plus d’une centaine de MeV) dont la durée des impulsions est de l’ordre de la femto-seconde. L’installation IRAMIS (CEA saclay) utilise l’accélération laser pour produire ce type de faisceaux avec ne vue leur application à la radiothérapie. Le LNHB est chargé d’établir la traçabilité dosimétrique de l’installation IRAMIS, pour ce faire il doit étalonner le moniteur de cette installation. Les installations de radiothérapie actuelles sont fondées sur des accélérateurs linéaires médicaux fonctionnant avec des énergies atteignant 18 MeV en mode électron. Le LNHB dispose d’un tel équipement. Il est utilisé pour établir les références nationales en termes de dose absorbée dans l’eau, dans les conditions décrites dans le protocole AIEA TRS 398
L’établissement de la traçabilité dosimétrique implique de choisir les conditions de mesure sur l’installation, de connaitre les caractéristiques du dosimètre utilisées pour le transfert et les éventuelles corrections à appliquer aux mesures compte tenu des différences entre l’installation IRAMIS et celle du LNHB.
POST-DOC/CDD Reconstruction tomographique en rayons X basée sur des méthodes Deep-Learning
Le CEA-LIST développe la plateforme logicielle CIVA, référence de la simulation des procédés de contrôle non destructif. Elle propose notamment des outils pour l’inspection radiographique X et tomographique qui permettent, pour un contrôle donné, de simuler l’ensemble des radiographies en prenant en compte divers phénomènes physiques associés, ainsi que la reconstruction tomographique correspondante. Le CEA-LIST comporte par ailleurs une plateforme expérimentale pour l’inspection robotisée par tomographie à rayons X.
Le travail proposé s’intègre dans la contribution du laboratoire à une ANR bilatérale franco-allemande impliquant des partenaires académiques et industriels et portant sur l’inspection d’objets de grandes dimensions permise par la plateforme robotisée. Afin de pouvoir mener à bien la reconstruction 3D de l'objet, un nombre suffisant de radiographies doit être réalisé. Dans bien des situations, certains angles de vues ne peuvent pas être acquis en raison des dimensions de l'objet et/ou des limitations de mouvement des robots utilisés, entraînant une perte de qualité de la reconstruction 3D.
Les contributions attendues portent sur l’utilisation de méthodes de Deep-Learning, pour compléter les projections manquantes d’une part, et réduire les artéfacts de reconstruction d’autre part. Ce travail inclut des étapes basées sur CIVA que sont la constitution d’une base de données simulées et l’évaluation par mesure POD (Probability Of Detection).
Le(la) candidat(e) aura accès aux facilités du centre de recherche de Paris Saclay et sera amené(e) à valoriser ses résultats sous la forme de communications scientifiques (conférences internationales, publications).
Profil du candidat :
Docteur en traitement de données ou intelligence artificielle.
Anglais niveau courant (présentation orale, rédaction de publications scientifiques).
Une connaissance préalable de la physique des rayons X et des méthodes de reconstruction tomographique serait appréciée.
Optimisation d’une approche métrologique pour l’identification de radionucléides basée sur le démélange spectral
Le Laboratoire national Henri Becquerel (LNE-LNHB) situé au CEA/Saclay est le laboratoire responsable des références françaises dans le domaine des rayonnements ionisants. Depuis quelques années, il est impliqué dans le développement d’un outil d’analyse automatique des spectres gamma à faible statistique fondé sur la technique du démélange spectral. Cette approche permet notamment de répondre aux contraintes métrologiques telles que la robustesse de la prise de décision et l’estimation non biaisée des comptages associés aux radionucléides identifiés. Pour étendre cette technique à la mesure de terrain et en particulier à la déformation des spectres due aux interactions dans l’environnement d’une source radioactive, un modèle hybride de démélange spectral combinant des méthodes d’apprentissages statistique et automatique est en cours de développement. Cette solution mathématique a pour but l’implémentation d’une estimation conjointe des spectres mesurés et des comptages associés aux radionucléides identifiés. L’étape suivante sera la quantification des incertitudes des grandeurs estimées à partir du modèle hybride. L’objectif est également d’investiguer la technique du démélange spectral dans le cas de la détection des neutrons avec un détecteur NaIL. Le futur candidat contribuera à ces différentes études dans le cadre d’une collaboration avec le Laboratoire d’ingénierie logicielle pour les applications scientifiques (CEA/DRF).
Développement d'Algorithmes pour la Détection et la Quantification de Biomarqueurs à partir de Voltammogrammes
L'objectif du post-doctorat est de développer une solution algorithmique et logicielle performante permettant la détection et la quantification des biomarqueurs d'intérêt à partir de voltammogrammes. Ces voltammogrammes sont des signaux unidimensionnels issus de capteurs électrochimiques innovants. L'étude sera réalisée en étroite collaboration avec un autre laboratoire du CEA-LIST, le LIST/DIN/SIMRI/LCIM, qui proposera des capteurs électrochimiques dédiés et novateurs, ainsi qu'avec la start-up USENSE, qui développe un dispositif médical permettant la mesure de plusieurs biomarqueurs dans l'urine.
Détection de traces de stupéfiants dans la salive par électrochimioluminescence sur électrodes diamant
La consommation de stupéfiants devient un problème pour la sécurité routière car 23 % des décès routiers en France interviennent dans un accident impliquant au moins un conducteur testé positif. Ainsi, un objectif de la sécurité Routière en concertation avec les ministères concernés (Ministère des Transports, Ministère de l’Intérieur, Ministère de la Santé et Ministère de l’Economie) est d’améliorer la lutte contre l’insécurité routière liée à la consommation de stupéfiants. Il s’agit en particulier pour cela d’augmenter et de faciliter les contrôles routiers à l’aide d’un appareil portable dédié au contrôle de l’usage de stupéfiants en bord de route, à l’image de ce qui se fait déjà pour les tests d’alcoolémie à l’aide d’un éthylomètre. Un tel appareil n’est pas aujourd’hui disponible commercialement. Les prérequis principaux de cet appareil seront de fournir des résultats de confirmation fiables, immédiats et ayant valeur de preuve pour les tribunaux ainsi qu’un coût d’achat compatible avec le déploiement à grande échelle sur les réseaux routiers français. Dans ce contexte, le sujet d'étude proposé vise à étudier la détection possible de traces de stupéfiants dans la salive à partir de la méthode d'électroluminescence sur électrode diamant dopé bore. Cette méthode est jugée prometteuse pour une telle application car elle permet potentiellement d’atteindre des seuils de détection extrêmement bas et en accord avec les besoins législatifs, offre de multiples possibilités visant à atteindre une grande sélectivité envers les cibles chimiques, avec une grande capacité de miniaturisation d’équipement et un coût de revient d’appareil et de matières premières relativement faible en comparaison aux outils analytiques de type spectromètre de masse, IMS, etc.
Reconstruction tomographique par rayons X basée sur des méthodes analytiques et Deep-Learning
Le CEA-LIST développe la plateforme logicielle CIVA, référence de la simulation des procédés de contrôle non destructif. Elle propose notamment des outils pour l’inspection radiographique X et tomographique qui permettent, pour un contrôle tomographique donné, de simuler l’ensemble des projections radiographiques (ou sinogramme) en prenant en compte divers phénomènes physiques associés, ainsi que la reconstruction tomographique correspondante.
Le travail proposé s’intègre dans la contribution du laboratoire à un projet européen qui porte sur l’inspection tomographique de containers de transport de marchandise avec des systèmes d’inspection utilisant des sources de haute énergie. Les contraintes spatiales de l’étape d’acquisition des projections (les camions transportant les containers passent dans un portique d’inspection) impliquent une adaptation de la géométrie du système source/détecteur et par conséquent de l’algorithme de reconstruction correspondant. De plus, le système ne peut générer qu’un nombre de projections réduit, ce qui rend le problème mal posé dans le contexte de l’inversion.
Les contributions attendues portent sur deux aspects distincts de la méthodologie de reconstruction à partir des données acquises. D’une part, il s’agit d’adapter les méthodes de reconstruction analytiques à la géométrie d’acquisition spécifique de ce projet, et d’autre part de travailler sur des méthodes permettant de pallier le manque d’information lié au nombre limité de projections radiographiques. Dans cet objectif, des méthodes d’apprentissage supervisé, plus spécifiquement par Deep-Learning, seront utilisées à la fois pour compléter le sinogramme, et pour réduire les artéfacts de reconstruction causées par le faible nombre de projections disponible. Une contrainte d’adéquation aux données et au système d’acquisition sera également introduite afin de générer des projections physiquement cohérentes.