Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

24 janvier 2019

Stage de Master II: Segmentation d'images médicales multimodales par méthode de deep-learning


Catégorie : Stagiaire


Stage de Master II au Laboratoire LITIS de l'Université de Rouen. Equipe Quantif.

 

Contexte et objectifs du stage: L'équipe Quantif (Quantification en Imagerie Fonctionnelle) est focalisée sur les techniques relatives à l'imagerie médicale. Cette équipe est insérée dans le laboratoire LITIS (Laboratoire d'Informatique, de Traitement de l'Information et des Systèmes) de l'université de Rouen. Quantif est une équipe multidisciplinaire incluant aussi bien des spécialistes en traitement du signal et des images, des informaticiens, des médecins oncologues et des physiciens radiologues. Durant le stage proposé, l'étudiant sera amené à améliorer la détection de volumes tumoraux à partir de différentes modalités d'images IRM. L'objectif de ce stage est d'utiliser les méthodes d'apprentissage profond (Deep learning) pour segmenter des images médicales. En effet, le tracé manuel des contours tumoraux dans les images médicales est une opération chronophage. De plus, le diagnostic établi est très subjectif et peut varier considérablement d'un spécialiste à un autre selon son expérience professionnelle. Ceci conduit alors à considérer les annotations fournies comme non fiables. Ainsi, dans ce stage, l'étudiant devra construire un algorithme d’apprentissage capable d'apprendre avec des données annotées qui sont non fiables. Ce stage pourra conduire à la poursuite en thèse de doctorat, ainsi nous serons très exigent sur le niveau du candidat.

 

Compétences requises:

- Informatique: Python, compétence en C, C++ ou Java sont un plus.

- Mathématiques: De solides compétences en statistiques et en traitement du signal et de l'image sont absolument nécessaires. Des connaissances en analyse numérique, EDP, seront également appréciées.

-Anglais: Niveau technique requis.

 

Contacts:

- Jérôme Lapuyade-Lahorgue: jerome.lapuyade-lahorgue@univ-rouen.fr

- Amal Mahboubi <amal.mahboubi@unicaen.fr>

- Site internet: http://www.litislab.fr/equipe/quantif/

 

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2018.