accès doctorat unique et mutualisé
Portail interne d'information, de services, de communication des doctorants & docteurs
ADUM Mon compte ADUM Actu Recherche Emploi Informations sur le doctorat ADUM
diplome
Thèse en ligne
diplome
Consulter la fiche auteur

Arnaud QUILLENT - Admis au titre de docteur


Identifiant ORCID 0000000163581293
Identifiant Hal https://hal.archives-ouvertes.fr/search/index/?q=%2A&authIdHal_s=arnaud-quillent

Doctorat Informatique, données, IA


Thèse soutenue le 24 mars 2025 - Institut Polytechnique de Paris Télécom Paris

Ecole doctorale : Ecole Doctorale de l'Institut Polytechnique de Paris

Sujet : Rôle de l’apprentissage profond dans la reconstruction tridimensionnelle en tomosynthèse du sein

Mots-clés de la thèse : Tomosynthèse du sein,Apprentissage profond,Reconstruction,Problème inverse,

Direction de thèse : Isabelle BLOCH

Co-encadrement de thèse : Vincent BISMUTH

Co-encadrement de thèse : Christophe KERVAZO

Co-encadrement de thèse : Saïd LADJAL

Unité de recherche : Laboratoire de Traitement et Communication de l'Information UMR 5141 - Palaiseau
Intitulé de l'équipe : IMAGES : Image, Modélisation, Analyse, GEométrie, Synthèse

Production scientifique

- Arnaud Quillent, Vincent Bismuth, Isabelle Bloch, Christophe Kervazo, Saïd Ladjal 2024. Deep-learning uncertainty estimation for data-consistent breast tomosynthesis reconstruction   2024 IEEE International Symposium on Biomedical Imaging (ISBI), 1-5, https://hal.science/hal-04598329v1
- Arnaud Quillent, Vincent Bismuth, Isabelle Bloch, Christophe Kervazo, Saïd Ladjal 2023. A deep learning method trained on synthetic data for digital breast tomosynthesis reconstruction   Proceedings of Machine Learning Research, 227:1813-1825, https://hal.science/hal-04178641/document
Dernière mise à jour le 19 novembre 2025