Imagerie du réseaux de porosité cellulaire de la dent par super-resolution en apprentissage profond informée par la physique et la biologie

Ce projet vise à améliorer les capacités actuelles d'imagerie du réseau cellulaire de la dentine dentaire, un enjeu biomédical à fort potentiel pour la biologie fondamentale en dentaire. Cette porosité possède une géométrie et topologie très spécifiques, mais présente des caractéristiques communes avec le réseau de porosité cellulaire de l'os ou de systèmes vasculaires : une morphologie tubulaire organisée en au moins 2 niveaux hiérarchiques distincts et formant un réseau.

La super-résolution par apprentissage profond est une branche active du traitement d'images applicable à un grand champs d'applications, notamment dans le domaine biomédical. De nombreux modèles de super-résolution ont été proposés avec des architectures de plus en plus complexes et lourdes dans une quête de précision et de généralisabilité. Néanmoins, il n'est absolument pas clair de définir ce qui détermine la performance de ces modèles génériques.

Notre but est donc d'utiliser les connaissances acquises sur la physique et rôle biologique de la porosité cellulaire de la dentine comme levier pour concevoir des modèles plus efficaces et explicables pour ce type d'application en:

1. sélectionnant et en optimisant les architectures de modèle et les fonctions de perte appropriées
2. identifiant les échelles dimensionnelles pertinentes pour l'échantillonnage des données en vue de l'entraînement des modèles
3. concevant des indicateurs de qualité d'image adaptés pour l'évaluation des modèles. 

Ce projet fortement interdisciplinaire requiert donc des connaissances approfondies en modélisation physique des systèmes complexes, en microscopie optique et imagerie, en imagerie par apprentissage profond et en biophysique.