Le Segment Anything Model (SAM) est un modèle fondamental spécifiquement destiné aux tâches de segmentation. Il a été entraîné sur plusieurs milliards de masques et est conçu pour être efficace sur différents types de tâches de segmentation (interactive, sémantique, multi-instance) grâce à la variété de prompts qu'il peut accepter en entrée. Cependant, il n'a pas été exposé à un grand nombre d'images médicales lors de son entraînement et, pour cette raison, il n'est pas directement utilisable pour la segmentation d'images médicales. Une nouvelle tendance a donc émergé dans le traitement des images médicales : l'adaptation de SAM aux images médicales, en le fine-tunant, en utilisant des couches d'adaptateur, ou en mélangeant des caractéristiques de CNN.
L'objectif de ce stage est d'étudier comment SAM peut être utilisé dans le contexte de la segmentation des artères coronaires et des cathéters sur des images radiographiques interventionnelles. Tout d'abord, le stagiaire comparera les méthodes de fine-tuning de SAM sur des données radiographiques, en s'appuyant sur la littérature déjà importante sur le sujet. Ensuite, il étudiéra comment différents types de prompts peuvent être utilisés pour différents types de tâches : des gribouillis pour la segmentation interactive, du texte pour la segmentation sémantique des vaisseaux ou la segmentation d'instances des cathéters. Enfin, comme les séquences radiographiques sont des vidéos, l'utilisation de SAM2, qui améliore SAM en permettant le traitement des données vidéo, pourrait être étudiée.
Ce poste vous donne la possibilité de :
Découvrir Philips, leader mondial en imagerie médicale dont les produits en IRM, scanner, ultrasons, rayons X etc. reconnu pour son excellence et ses technologies de pointe.
Travailler à Medisys, un centre de R&D mondial au cœur de Paris dédié au traitement d’images médicales grâce à l’intelligence artificielle, au sein du futur Philips Health Technology Innovation Paris.
Votre fonction :
Explorer et concevoir des algorithmes d'intelligence artificielle fonctionnant sur des graphes, des méthodes prometteuses mais encore peu utilisées en imagerie médicale.
Participer à des projets de recherche visant à innover dans le contexte de procédure interventionnelle minimalement invasive, guidées par l'image, en particulier dans le domaine cardiaque.
Vous êtes la personne qu'il nous faut si :
Vous êtes en 3e année d’école d’Ingénieur ou de Master Recherche avec une spécialisation en intelligence artificielle, machine learning, traitement d'image ou mathématiques appliquées
Vous possédez des onnaissances en statistiques, machine learning, deep learning, traitement d'image
Vous avez l'expérience du langage Python, connaissance de Tensorflow/Keras/Pytorch
Vous possédez un excellente communication et capacité à travailler en équipe
Vous maitrisez l'anglais de manière courante
Comment nous travaillons ensemble
Nous sommes convaincus que nous sommes meilleurs ensemble que séparément. Pour nos équipes basées dans les bureaux, cela représente une présence à temps plein dans les locaux de l'entreprise au moins trois jours par semaine.
À propos de Philips
Nous sommes une entreprise spécialisée dans les technologies de la santé. Nous avons bâti
toute notre entreprise autour de la conviction que chaque être humain compte.
Et nous ne nous arrêterons pas tant que chaque individu n'aura pas accès aux soins de santé de qualité qu'il mérite. Faites le travail de votre vie pour aider à améliorer la vie des autres.
En savoir plus sur notre entreprise.
Découvrir notre riche et passionnante histoire.
En savoir plus sur notre objectif.
Si ce poste vous intéresse et si vous correspondez à de nombreux critères ; pas nécessairement
à tous, nous vous encourageons à postuler. Vous serez peut-être le candidat idéal pour ce
poste, ou pour un autre, chez Philips. Apprenez-en davantage sur notre engagement envers la diversité et l'inclusion ici.
#LI-EU
#LI-OFFICE
#LI-FIELD
daydreams - FTM Freizeit- und Trendmarketing GmbH & Co. KG
Blue Pearl (Pty) Ltd
Spassu
Booth & Partners
BruntWork
