Offre de Stage PFE - Développement et Évaluation de modèles de Deep Learning pour la Chirurgie du Rachis

Société : SurgiQual Institute

SQI est une société Grenobloise organisée en SCOP depuis 2008 et structurée autour de deux pôles : le développement de technologies médicales logicielles et les aspects qualité et affaires réglementaires. SQI intervient dans tous les domaines nécessitant la conception de dispositif médical logiciel, avec une forte expertise dans le développement de logiciels de planning, de navigation et de robotique chirurgicales en conformité avec l’IEC 62304. En parallèle de ses activités de développement logiciel, SQI collabore à différents projets de recherche et d’innovation avec des partenaires académiques, cliniques et industriels.

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.

Voir le fichier joint