Les techniques actuelles de traitement de la tomographie par cohérence optique sensible à la polarisation (PS-OCT) peuvent récupérer la retardance scalaire résolue en profondeur et l’orientation de l’axe optique. Cependant, la dispersion des modes de polarisation induite par le système (PMD) et la présence de speckles dans les tomogrammes mesurés compliquent la reconstruction et entraînent un compromis préjudiciable avec la résolution. Nous pensons qu’une approche d’apprentissage machine devrait bien fonctionner pour générer une meilleure reconstruction. En entraînant le modèle sur des tomogrammes simulés qui incluent le PMD et le bruit du système, et en testant l’algorithme sur des PS-OCT, nous visons à démontrer un outil de reconstruction généralisée PS-OCT.