Stage Ingénieur Contrast Agent Detection on X-Ray Images Master'S Thesis H/F Philips

Job Title

Job Description

Stage: Leveraging the Power of Foundational Models to Segment Interventional X-Ray Images

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 coeur 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 .

• Découvrir .

• En savoir plus sur .

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 .

#LI-EU

#LI-OFFICE

#LI-FIELD