Lieu : Institut Daniel Hollard · Contrat : Stage · Rémunération : Gratification Minimum €
Le Groupe Hospitalier Mutualiste de Grenoble est un Établissement de Santé Privé d’Intérêt Collectif (ESPIC) à but non lucratif, participant au service public hospitalier depuis plus de 60 ans. Deuxième acteur de santé en Isère, il offre environ 436 lits et places, répartis dans les 6 instituts qui composent le groupement hospitalier : chirurgie, médecine, cardiovasculaire, soins non programmés, urgences, femme et nouveau-né.
Contexte et description générale:
L’analyse fine des TrajectoryLogs des accélérateurs Varian Halcyon a récemment permis de démontrer que la dérive de la chambre moniteur (MU) laisse une trace mesurable dans ces fichiers. Pour le montrer, un modèle complet du faisceau a été établi, incluant le mécanisme d’intégration des signaux toutes les 20 ms, afin de comprendre la structure temporelle et spectrale de l’information contenue dans les logs.
Un modèle simplifié en signal en dents de scie sous-échantillonné a ensuite été développé, réduisant le nombre de paramètres à deux tout en reproduisant fidèlement la dynamique du faisceau. Cette simplification a permis de générer rapidement des simulations réalistes du signal intégré et d’élaborer un filtre sawtooth (en dents de scie), rephasé par intercorrélation, pour analyser la cohérence temporelle des mesures.
Les premières analyses ont montré que la moyenne de l’erreur filtrée présente des dérives et des ruptures analogues à celles mesurées sur le débit réel de la machine, confirmant la présence d’une empreinte physique de la dérive MU dans les TrajectoryLogs.
Cependant, les métriques actuelles sont encore trop simples et les signaux obtenus restent fortement bruités.
Objectifs du stage :
L’objectif du stage est d’améliorer l’estimation du débit de dose (output) de l’accélérateur Halcyon à partir des données TrajectoryLogs, en développant des méthodes de traitement du signal plus robustes et des métriques plus sensibles.
Le travail comportera les volets suivants :
1- Analyse critique du modèle actuel : comprendre les limites du filtrage sawtooth et des métriques utilisées.
2- Implémentation de filtres dynamiques avancés : filtres adaptatifs, filtrage fréquentiel ou par ondelettes pour réduire le bruit et détecter les tendances lentes.
3- Définition de nouvelles métriques : plutôt que l’erreur moyenne, on peut imaginer repérer les moments où la machine régule (comportement inattendu) et intégrer ces instants.
4- Validation croisée avec les mesures de débit réelles issues des contrôles qualité quotidiens (DailyQA3, TOP).
Les outils Python pour l’accès aux TrajectoryLogs et la modélisation du faisceau sont déjà disponibles, permettant à l’étudiant(e) de se concentrer sur l’aspect algorithmique et interprétatif du problème.
Compétences développées au cours du stage :
• Analyse avancée de signaux physiques et compréhension des mécanismes d’intégration du faisceau.
• Programmation scientifique Python (NumPy, SciPy, pandas, Matplotlib).Compréhension des systèmes de régulation et d’automatisation
• Modélisation et interprétation physique des dérives instrumentales.
• Application directe aux contrôles qualité en radiothérapie et à la surveillance des accélérateurs Halcyon.
Profil Ingénieur M2 Recherché (Focus Signal et Algorithmique)
1. Maîtrise Algorithmique et Théorique (Le Cœur du Projet)
Traitement du Signal Avancé : Expertise essentielle dans les méthodes de débruitage et de filtrage sophistiquées : filtres adaptatifs (Wiener, LMS), filtrage fréquentiel (FFT), et analyse par ondelettes.
Modélisation de Signal : Compréhension approfondie des phénomènes de sous-échantillonnage, de bruit, et de la structure spectrale/temporelle du signal physique (ici, le signal en dent de scie intégré).
Automatique / Régulation : Une connaissance des systèmes de régulation et de la théorie de l'automatisation est un atout, car l'étudiant doit pouvoir identifier les moments où "la machine régule" pour en faire une nouvelle métrique.
2. Compétences Techniques (L'Implémentation)
Programmation Scientifique Python : Maîtrise de l'écosystème Python pour le traitement du signal (NumPy, SciPy, pandas) pour pouvoir implémenter et comparer rapidement les filtres avancés.
Analyse Critique : Capacité à réaliser une analyse critique rigoureuse des limitations d'un modèle existant (le filtre sawtooth simple) pour justifier l'approche algorithmique suivante.
3. Objectif Final (Le Résultat Attendu)
Développement de Métriques : Créativité dans la définition de nouvelles métriques plus sensibles que la simple erreur moyenne, intégrant les comportements dynamiques de la machine.
Interprétation Physique : Capacité à lier les résultats algorithmiques aux dérives instrumentales réelles, confirmant l'empreinte physique de la dérive de la chambre moniteur (MU).
En résumé : On recherche un profil qui excelle dans l'analyse et la manipulation de signaux bruités, capable de développer des algorithmes robustes pour améliorer l'extraction d'information d'une série temporelle complexe. Vous ne cochez pas toutes les cases? Postulez quand même, nous vous recevrons avec plaisir!
Envoyer un CV à dimitri.reynard@avec.fr et un petit mail de présentation.