2020-2023
DeepLearn
Approche "Deep Learning" pour l'analyse de signaux ultrasonores
Responsable :
Équipes de recherche :
Axe(s) de recherche :
Partenaires :
OBJECTIF : Développer des approches de Deep-Learning pour le traitement automatique de signaux ultrasonores – Application à l’imagerie haute résolution.
Les signaux ultrasonores hautes fréquences sont soumis à de fortes atténuations conduisant à une dégradation du SNR et à des difficultés d’identification réduisant la qualité des images.
Le projet DeepLearn vise au développement de méthodes d’intelligence artificielle et plus précisément de Deep Learning permettant de repousser les limites actuelles de détection basées sur des méthodes conventionnelles de traitement du signal.
Problématique scientifique :
Développement et déploiement d’outils de traitement du signal permettant d’optimiser :
- Les rapports SNR,
- L’identification des temps de vols,
de signaux ultrasonores hautes-fréquences.
Voir aussi
RADNEXT
RADiation facility Network for the EXploration of effects for indusTry and research
Partenaires :
CERN, GSI, UMCG Particle Therapy Research Center (PARTREC), GANIL SPIRAL2, University of Jyväskylä, RADiation Effects Facility, UCLouvain, Institut Paul Scherrer, CNA, UJF CAS, TRIUMF, STFC-ISIS, ENEA-FSN
Financé par :
FILTER
Nouvelles stratégies pour la réduction de la densité de dislocations en épitaxie de III/V sur Silicium
