Offre de Stage PFE - Développement et Évaluation de modèles de Deep Learning pour la Chirurgie [...]

SurgiQual Institute; Meylan; Sur place; EUR 40 000 - 60 000; Plein temps

Résumé du poste

Une institution de recherche propose un stage de fin d'études en IA à Meylan. Le candidat développera des modèles prédictifs pour la correction des déformations vertébrales, participant à des tâches variées comme le benchmark des modèles et le traitement de données. Nous recherchons un étudiant en dernière année, maîtrisant Python et les frameworks de Deep Learning. Des qualités d'autonomie et de travail en équipe sont essentielles.

Qualifications

• À l'aise avec la programmation en Python.
• Bonne connaissance des frameworks de Deep Learning.
• Capacité à travailler en équipe.

Responsabilités

• Développer des modèles pour la correction de déformations.
• Réaliser des comparaisons de performances entre modèles.
• Participer au traitement des images médicales.

Connaissances

Programmation Python

Deep Learning (PyTorch, TensorFlow)

Formation

Étudiant en dernière année de Master ou d'École d'Ingénieur

Description du poste

Contexte

Dans le cadre d’un projet de recherche sur la chirurgie des grandes déformations du rachis, nous proposons un stage de fin d'études axé sur la proposition automatique de planning préopératoire. Plus particulièrement, le stage se focalisera sur le développement et l’évaluation de modèles prédictifs pour la correction des déformations de la colonne vertébrale pathologique. Il sera aussi envisagé d’intégrer des informations multimodales pour personnaliser la correction des déformations. Une base de données d’images de rachis préopératoires et postopératoires ainsi que des rapports médicaux annotés seront utilisés pour entrainer les modèles d’apprentissage.

Missions

En collaboration avec l'équipe de recherche et développement, voici les différentes tâches à effectuer :

Développement de Modèles : Modéliser la colonne vertébrale et mettre en place une architecture d’apprentissage pour la correction de la déformation de la colonne, en s’inspirant des architectures de type Graph Neural Network par exemple. Des modèles multimodaux seront aussi investigués pour prendre en compte des informations cliniques textuelles guidant cette correction.

Benchmarking : Réaliser des comparaisons de performances entre les différents modèles et architectures qui seront développés.

Prétraitement et Annotation des Données : Participer au pipeline de traitement des images médicales, incluant le nettoyage, l'annotation, et l'augmentation des données pour améliorer les performances des modèles.

Data Augmentation : Mettre en place des techniques d’augmentation de données pour pallier le manque de données annotées et améliorer la robustesse des modèles.

Profil recherché

Nous recherchons un(e) étudiant(e) en dernière année de Master ou d'École d'Ingénieur, spécialisé(e) en IA. Le(la) candidat(e) doit être à l'aise avec la programmation (Python) avec une bonne connaissance des Frameworks de Deep Learning tels que PyTorch ou TensorFlow.

Qualités personnelles

Nous recherchons une personne autonome, rigoureuse et capable de travailler en équipe avec la volonté de s’intégrer dans un collectif. Une grande capacité d'apprentissage, une appétence pour la recherche et la résolution de problème seront fortement valorisées.