Maximilian TSCHUCHNIG est invité par Khalifa DJEMAL, dans le cadre d’un programme Erasmus+, du 5 mai au 29 août 2025.
Il est doctorant à l’Université de Salzbourg, Autriche.
Son sujet de thèse de doctorat s’articule autour de l’apprentissage multimodal pour améliorer la génération de CT synthétique à partir de CBCT.
Brève description du sujet de thèse
La Tomographie Informatisée à Faisceau Conique (ou Cone-beam computed tomography – CBCT) est une technique importante pour obtenir une imagerie à faible rayonnement et à haute résolution qui est également en temps réel et mobile. Cependant, le CBCT souffre d’artefacts que la tomographie conventionnelle ne connaît pas. Dans son travail de recherche, Maximilian TSCHUCHNIG analyse comment et pourquoi le CBCT peut être utilisé pour générer une tomographie synthétique (sCT). Afin d’intégrer une source d’information supplémentaire, les scans CT préopératoires sont combinés avec le CBCT pour générer un sCT peropératoire de haute qualité. Ses recherches montrent que cette approche fonctionne bien sur un ensemble de données synthétiques, améliorant la génération de sCT dans la plupart des cas. Il évalue ensuite le processus sur un ensemble de données réelles, démontrant également des résultats quantitatifs améliorés.
Maximilian TSCHUCHNIG is invited by Khalifa DJEMAL, as part of an Erasmus+ program, from May 5 to August 29, 2025.
He is a doctoral student at the University of Salzburg, Austria.
His doctoral thesis focuses on multimodal learning to improve the generation of synthetic CT from CBCT.
Brief description of thesis topic
Cone-beam computed tomography (CBCT) is an important technique for obtaining low-radiation, high-resolution imaging that is also real-time and mobile. However, CBCT suffers from artifacts that conventional tomography does not. In his research work, Maximilian TSCHUCHNIG analyzes how and why CBCT can be used to generate synthetic tomography (sCT). In order to integrate an additional source of information, preoperative CT scans are combined with CBCT to generate a high-quality intraoperative sCT. His research shows that this approach works well on a synthetic dataset, improving sCT generation in most cases. He then evaluates the process on a real data set, also demonstrating improved quantitative results.
