Posté par hdeleau le 29 août 2019.
Ce jeudi a eu lieu la soutenance de thèse de Nicolas Courilleau qui a ainsi obtenu le grade de docteur.
Nous lui adressons toutes nos félicitations.
Composition du Jury :
M. Min Hyuk Kim, Chair Professor, KAIST, Daejeon, South Korea, Rapporteur
M. Jean-Luc Mari, Professeur, Aix-Marseille Université, Rapporteur
M. Christophe Renaud, Professeur, Université du Littoral Côte d’Opale, Examinateur
M. Vincent Nozick, Maître de conférences, Université Paris-Est Marne-la-Vallée, Examinateur
M. Gilles Mergoil, Président de Neoxia, Paris, Invité
M. Laurent Lucas, Professeur, Université de Reims Champagne-Ardenne, Co-directeur
M. Yannick Remion, Professeur, Université de Reims Champagne-Ardenne, Co-directeur
RÉSUMÉ :
La visualisation de données est un aspect important de la recherche scientifique dans de nombreux domaines. Elle permet d’aider à comprendre les phénomènes observés voire simulés et d’en extraire des informations à des fins notamment de validations expérimentales ou tout simplement pour de la revue de projet. Nous nous intéressons dans le cadre de cette étude doctorale à la visualisation de données volumiques en imagerie médicale et biomédicale, obtenues grâce à des appareils d’acquisition générant des champs scalaires ou vectoriels représentés sous forme de grilles régulières 3D. La taille croissante des données, due à la précision grandissante des appareils d’acquisition, impose d’adapter les algorithmes de visualisation afin de pouvoir gérer de telles volumétries. De plus, les GPUs utilisés en visualisation de données volumiques, se trouvant être particulièrement adaptés à ces problématiques, disposent d’une quantité de mémoire très limitée comparée aux données à visualiser. La question se pose alors de savoir comment dissocier les unités de calculs, permettant la visualisation, de celles de stockage. Les algorithmes se basant sur le principe dit « out-of-core » sont les solutions permettant de gérer de larges ensembles de données volumiques.
Dans cette thèse, nous proposons un pipeline complet permettant de visualiser et de traiter, en temps réel sur GPU, des volumes de données dépassant très largement les capacités mémoires des CPU et GPU. L’intérêt de notre pipeline provient de son approche de gestion de données « out-of-core » permettant de virtualiser la mémoire qui se trouve être particulièrement adaptée aux données volumiques. De plus, cette approche repose sur une structure d’adressage virtuel entièrement gérée et maintenue sur GPU. Nous validons notre modèle grâce à plusieurs applications de visualisation et de traitement en temps réel. Tout d’abord, nous proposons un microscope virtuel interactif permettant la visualisation 3D auto-stéréoscopique de piles d’images haute résolution. Puis nous validons l’adaptabilité de notre structure à tous types de données grâce à un microscope virtuel multimodale. Enfin, nous démontrons les capacités multi-rôles de notre structure grâce à une application de visualisation et de traitement concourant en temps réel.