Contexte :
Le "compressive sensing" (CS) est une méthode très récente qui permet d'envisager une nouvelle façon d'échantillonner les signaux ou les images. En exploitant le caractère parcimonieux que présentent la plupart des données physiques, elle permet en effet de reconstruire les données acquises avec des fréquences d'échantillonnage bien inférieures à la classique limite de Shannon. Dans le contexte de l'imagerie ultrasonore, cette technique présente un intérêt majeur pour l'acquisition de données 3D. Ces acquisitions font en effet appel à des sondes comportant une matrice de capteurs. Pour des raisons d'encombrement physique, de connexion et de pilotage, seule une faible fraction de ces capteurs peut être activée. Une autre application d'intérêt correspond aux acquisitions Doppler duplex ou triplex ou des stratégies d’entrelacement des acquisition sont nécessaires et conduisent donc à une réduction de la quantité de données disponibles.
Objectif: Malgré son intérêt et à la différence d'autres modalités (en particulier l'IRM), l'application du compressive sensing en imagerie ultrasonore reste actuellement quasiment inexplorée: ceci est lié aux spécificités des signaux ultrasonores RF (nature oscillatoire et spatialement variante), qui rendent une telle application complexe. Il n'existe de fait actuellement quasiment aucune étude abordant ce problème, qui représente un verrou. Dans ce cadre, l'objectif de ce travail est donc de développer les éléments méthodologiques nécessaires à la mise en œuvre du compressive sensing en imagerie ultrasonore et d'aboutir à une démonstration de faisabilité sur des données expérimentales.
Méthodologie:
La phase centrale de ce travail consistera à développer un dictionnaire d'atomes permettant une représentation parcimonieuse (ou suffisamment compressible) des signaux ultrasonores. Deux voies seront explorées:
- d'une part l'exploitation de bases orthogonales adaptées aux caractéristiques oscillatoires et spatialement variantes des signaux ultrasonores, telles que les wave atoms
- d'autre part l'extraction par apprentissage sur les données d'un dictionnaire et l'évaluation de sa généralité/spécificité.
La qualité de ces représentations sera évaluée en particulier en montrant l'amélioration apportée relativement aux bases classiques (Fourier, DCT, ondelettes) lors de la reconstruction CS. Une attention particulière devra être apportée aux algorithmes de reconstruction (type OMP ou relaxation convexe) mis en œuvre: ainsi le volume de données correspondant à une acquisition implique la capacité de travailler en large dimension, tout en conservant des temps de calculs compatible avec la pratique "temps réel" usuelle en imagerie ultrasonore. La méthodologie développée sera évaluée en premier sur des données ultrasonores issues de simulations numériques, puis sur des données expérimentales acquises sur les échographes de recherche de la plateforme de Creatis.
Compétences requises :
- Traitement numérique du signal et de l’image, Statistiques, mathématiques appliquées
- Programmation Matlab