Contexte
Le stagiaire travaillera dans le contexte du projet RHU REBONE et ORD’IA en collaboration avec les équipes de recherche et les équipes cliniques du projet. Contrairement aux cas sains, la segmentation automatique de scanner d’os fracturés est très complexe et compliquée à automatiser et nécessite une base de données importante et pertinente. Lors de ce stage l’étudiant pourra travailler sur deux axes complémentaires le développement d’un outil de screening automatique de comptes rendus médicaux pour la recherche d’images scanner dans le PACS et la constitution d’une base de données d’images scanners annotées pour la segmentation automatique d’images médicales.
Durée : 6 mois.
Développement d’un modèle de langage pour le screening de comptes rendus opératoires et radiologiques
Compétences à acquérir ou développe
- Traitement automatique du langage : Extraction d’informations cliniques à partir de textes médicaux (CR opératoires, CR de radiologie).
- Labellisation des CR et d’images : Association des label d’intérêt aux CR ainsi aux images radiologiques correspondantes en plus des métadonnées
- Validation et contrôle qualité : Vérification de la cohérence entre les comptes rendus et les annotations radiologiques
Activités confiées au stagiaire
- Analyse de textes médicaux : Utilisation de modèles de langage pour extraire de informations clés pour la classification d’images scanners au vu du choix des images pour l’entrainement de modèles de segmentation automatique (pathologie, localisation de fractures, descriptions anatomiques, complications, segments entier ou tronqués).
- Labellisation automatique : Développement d’un système permettant de labelliser les CR et les images radiologiques afin de constituer une bio-banque d’imagerie.
- Optimisation des modèles : Participation à l’entraînement et le fine-tuning des modèles.
- Validation des résultats : Contrôle qualité des labels générés et correction si nécessaire.
Constitution d’une base de données de fractures à partir de scanners de bassin
Compétences à acquérir ou développer
- Recherche et sélection des CR : Effectuer le tri automatisé sur les comptes-rendus opératoires du service de traumatologie suivant plusieurs critères comme la classification et le type de la fracture, les régions d’intérêts anatomiques, la localisation, ect.
- Recherche et sélection d’images : Identification de scanners pertinents selon des critères d’inclusion prédéfinis
- Maîtrise d’outils d’annotation : Utilisation de 3D Slicer, Python et Total Segmentator pour la pré-annotation automatique, l’annotation manuelle et automatique.
Activités confiées au stagiaire
- Sélection et annotation : Recherche les CR et les scanners de plusieurs régions
d’intérêts anatomiques comme le bassin, plateau tibial, etc dans les bases de données cliniques, puis annotation manuelle des fractures. - Implémentation des scripts python et amélioration des modèles : Tri par recherche de mot-clé et classification successive par modèle NLP (DrBert) des comptes-rendus
opératoires.
Le stagiaire sera également emmené à participer à la dynamique de l’équipe de recherche, notamment à l’acquisition de données variées au bloc opératoire pendant des chirurgies orthopédiques ou de traumatologie et à l’intégration de ces données à une base de données recherche interne à l’Institut Universitaire Locomoteur et Sport.
Modalités d’encadrement (commun aux deux projets)
Réunions hebdomadaires : Suivi régulier avec le tuteur pour évaluer les progrès et ajuster les objectifs.
- Accès aux ressources : Mise à disposition des bases de données, outils (Python, 3D Slicer) et documents de référence.
- Collaboration avec les équipes : Interaction avec les cliniciens et ingénieurs pour valider les résultats et améliorer les modèles.
