Annonce

Les commentaires sont clos.

Stage M2/Ingénieur à Sophia Antipolis : Deep Learning pour la détection de tumeurs dans des radiographies

1 December 2021


Catégorie : Stagiaire


Titre long : Deep Learning pour la détection et la localisation de tumeurs dans des radiographies du foie

Sujet : Il s'agit de développer un réseau de neurones profond pour détecter et quantifier des tumeurs dans des images radiographiques du foie. Cette détection doit être la plus fiable et la plus robuste possible.

Contexte : L’équipe MediaCoding du laboratoire I3S collabore sur ce sujet avec le Centre Hospitalier Universitaire (CHU) de Nice. Le stagiaire pourra donc bénéficier de l’expertise d’un professeur gastro-entérologue et hépatologue.

 

Objectif :

Le Deep Learning (ou apprentissage profond) est une technique d’analyse de données qui permet d’obtenir des résultats de classification ou d’estimation très performants quel que soit le domaine applicatif. Ce sujet de stage s’intéresse à l’utilisation du Deep Learning pour l’analyse d’images médicales. Il s’agit plus particulièrement de détecter et localiser des lésions dans le foie. Nous disposons d’un jeu de données réelles d’images tomographiques étiquetées [1]. Les étiquettes décrivent la position et la forme des lésions dans les images. Le but du stage est d’utiliser un réseau de neurones pour estimer l’état du foie du patient.

De nombreux réseaux de neurones existent pour segmenter le contenu d’images [2]. Dans ce stage, il s’agira donc d’identifier les réseaux les plus prometteurs et de les appliquer aux images tomographiques du foie. Le stagiaire devra vérifier avec soin la qualité des informations qui peuvent être extraites de la segmentation, notamment l’estimation de la taille des lésions. Les lésions n’ont bien évidemment pas toutes les mêmes dimensions. Le réseau de neurones aura tendance à mieux détecter les lésions importantes. Le stagiaire pourra s’appuyer sur des travaux récents de notre équipe de recherche [3] afin de développer un réseau de neurones dont les performances en détection et en localisation des tumeurs seront robustes par rapport à la taille et à l’emplacement des lésions.

 

Profil recherché :

Ces travaux requièrent les compétences suivantes :

- Programmation informatique : les développements informatiques seront réalisés en Python et Pytorch (connaître préalablement Python n’est pas nécessaire mais souhaitable)

- Notions de bases en machine learning (en particulier sur les réseaux de neurones).

 

Lieu du stage : campus SophiaTech (Sophia Antipolis).

 

Encadrant du stage : M. Lionel Fillatre (professeur des universités)

Courriel : lionel.fillatre@i3s.unice.fr

 

Durée : de 4 à 6 mois (démarrage en mars/avril 2022 selon les contraintes du stagiaire).

 

Rémunération : environ 550 euros par mois.

 

Procédure pour déposer sa candidature : envoyer son CV, sa lettre de motivation et ses résultats académiques niveau L1, L2, L3, M1 et M2 à lionel.fillatre@i3s.unice.fr

 

Bibliographie :

[1] https://arxiv.org/pdf/1901.04056.pdf

[2] http://www.deeplearningbook.org/

[3] Cyprien Gilet, Susana Barbosa, and Lionel Fillatre. Discrete box-constrained minimax classifier for uncertain and imbalanced class proportions.IEEE Transactions on Pattern Analysis and Machine Intelligence, 2020