PhD Position F/M PhD - Robust few-shot learning for foundational model in CT imaging

Le descriptif de l’offre ci-dessous est en Anglais

Type de contrat : CDD

Niveau de diplôme exigé : Bac + 5 ou équivalent

Fonction : Doctorant

Niveau d'expérience souhaité : Jeune diplômé

A propos du centre ou de la direction fonctionnelle

The Inria Saclay-Île-de-France Research Centre was established in 2008. It has developed as part of the Saclay site in partnership with Paris-Saclay University and with the Institut Polytechnique de Paris .

The centre has 41 project teams, 27 of which operate jointly with Paris-Saclay University (15 teams) and the Institut Polytechnique de Paris (12 teams). Its activities occupy over 600 people, scientists and research and innovation support staff, including 44 different nationalities.

The centre also hosts the Institut DATAIA, dedicated to data sciences and their disciplinary and application interfaces.

Contexte et atouts du poste

The Greater Paris University Hospitals Data Warehouse (EDS AP-HP) contains multimodal clinical data (PMSI, imaging, biological, and clinical documents) for over 14 million patients. The ANR FM2AI projet proposes to leverage 50,000 real-world clinical 3D CT scans from this exceptional data resource, to deploy a novel foundation model for abdominal-pelvic CT Imaging. The approach is designed to generalize across multiple clinical applications involving abdominal CT images, by resorting to self-supervised learning techniques for training the
foundation model, and then exploiting it for a wide class of clinical queries thanks to the innovative
few-shot learning paradigm [1], while paying attention to robustness assessment.

In this context, we are seeking for a PhD candidate with an excellent background in AI and mathematics, to design robust few-shot learning methods to allow the on-site adaptation of the foundation model and generalization to specific diagnostic tasks, such as prediction and segmentation of CT images of all body regions, without requiring massive re-annotation efforts nor GPU resources. The work will build upon the expertise of the OPIS team on few-short learning [2,3,4,5].

[1] E. Pachetti, S. Colantonio, A systematic review of few-shot learning in medical imaging, Art. Int. Med., 2024.

[2] S. Martin, M. Boudiaf, E. Chouzenoux, J.-C. Pesquet, et al., Towards practical few-shot query sets:
Transductive minimum description length inference, Proc. the Int. Conf. on Neu. Inf. Proc. Sys. (NeurIPS), 2022.

[3] S. Martin, Y. Huang, F. Shakeri, J.-C. Pesquet, I. Ben Ayed, Transductive zero-shot and few-shot CLIP, IEEE
/ CVF Computer Vision and Pattern Recognition Conference (CVPR), 2024.

[4] L. Zhou, F. Shakeri, A. Sadraoui, M. Kaaniche, J.-C. Pesquet, I. Ben Ayed, UNEM: UNrolled Generalized EM
for Transductive Few-Shot Learning, IEEE/CVF Conf. on Comp. Vision and Patt. Recognition (CVPR), 2025.

[5] M. Vu, E. Chouzenoux, J.-C. Pesquet, I. Ben-Ayed. Aggregated f-average Neural Network applied to Few-
Shot Class Incremental Learning, vol. 237, pp. 110054, Signal Processing, 2025.

Mission confiée

Missions: Develop new few-shot learning techniques for CT image classification ; Develop new model for few-shot tumor segmentation; Analyze robustness and generalization capabilities of the models ; Validation on public datasets and EDS-APHP datasets.

Environment: The phd student will be supervised by Emilie Chouzenoux (Head of OPIS team, Inria Saclay), and will interact regularly with the members of the ANR FM2AI consortium. The student will join the Inria Saclay team OPIS (https://opis-inria.eu/). He/she will be located in the Centre de la Vision Numérique, in CentraleSupélec campus, Saclay, France. He/she will enjoy an international and creative environment where research seminars and reading groups take place very often. Informatic material expenses will be covered within the limits of the scale in force.

Starting date is flexible, from the 1st Oct. 2026.

Principales activités

Main activities :

Programming in Python/PyTorch environment

Bibliographical study

Deep learning architecture design/training/testing

Mathematical optimization / convergence analysis

Writing of scientific reports

Compétences

Languages : The candidate must be fluent in english and/or french languages.

Avantages

• Subsidized meals
• Partial reimbursement of public transport costs
• Leave: 7 weeks of annual leave + 10 extra days off due to RTT (statutory reduction in working hours) + possibility of exceptional leave (sick children, moving home, etc.)
• Possibility of teleworking and flexible organization of working hours
• Professional equipment available (videoconferencing, loan of computer equipment, etc.)
• Social, cultural and sports events and activities
• Access to vocational training
• Social security coverage

Rémunération

2300€ gross/month

Informations générales

• Thème/Domaine : Optimisation, apprentissage et méthodes statistiques

  Statistiques (Big data) (BAP E)

• Ville : Gif sur Yvette

• Centre Inria : Centre Inria de Saclay

• Date de prise de fonction souhaitée : 2026-10-01

• Durée de contrat : 3 ans

• Date limite pour postuler : 2026-08-31

Attention: Les candidatures doivent être déposées en ligne sur le site Inria. Le traitement des candidatures adressées par d'autres canaux n'est pas garanti.

Consignes pour postuler

Sécurité défense :
Ce poste est susceptible d’être affecté dans une zone à régime restrictif (ZRR), telle que définie dans le décret n°2011-1425 relatif à la protection du potentiel scientifique et technique de la nation (PPST). L’autorisation d’accès à une zone est délivrée par le chef d’établissement, après avis ministériel favorable, tel que défini dans l’arrêté du 03 juillet 2012, relatif à la PPST. Un avis ministériel défavorable pour un poste affecté dans une ZRR aurait pour conséquence l’annulation du recrutement.

Politique de recrutement :

Dans le cadre de sa politique diversité, tous les postes Inria sont accessibles aux personnes en situation de handicap.

Contacts

• Équipe Inria : OPIS

• Directeur de thèse :

  Chouzenoux Emilie / emilie.chouzenoux@inria.fr

L'essentiel pour réussir

We seek for a talented candidate with Master 2 / Engineering degree, with a solid background in optimization, statistics, and a strong motivation for the medical imaging field. Experience in Python programming is necessary. An experience in PyTorch or TensorFlow is highly recommended.

The candidates are requested to send a CV and a motivation letter to apply for this position.

A propos d'Inria

Inria est l’institut national de recherche dédié aux sciences et technologies du numérique. Il emploie 2600 personnes. Ses 215 équipes-projets agiles, en général communes avec des partenaires académiques, impliquent plus de 3900 scientifiques pour relever les défis du numérique, souvent à l’interface d’autres disciplines. L’institut fait appel à de nombreux talents dans plus d’une quarantaine de métiers différents. 900 personnels d’appui à la recherche et à l’innovation contribuent à faire émerger et grandir des projets scientifiques ou entrepreneuriaux qui impactent le monde. Inria travaille avec de nombreuses entreprises et a accompagné la création de plus de 200 start-up. L'institut s'efforce ainsi de répondre aux enjeux de la transformation numérique de la science, de la société et de l'économie.