Stage M2/Ingénieur : Classification de lésions cutanées

13 Janvier 2024

---

Catégorie : Stagiaire

---

Objectif :

Les lésions cutanées sont une maladie grave à l’échelle mondiale [1]. Par exemple, la détection précoce du mélanome sur des images biomédicales augmente considérablement le taux de survie. Cependant, la reconnaissance précise d’une lésion cutanée est difficile. Une classification automatique et fiable des lésions cutanées est essentielle pour améliorer la précision et l’efficacité des traitements. Notre but est de développer une chaine de traitement afin d’identifier la lésion cutanée présente dans une image analysée. Cette chaine sera composée d’une étape de segmentation suivie par une étape de classification. Chaque élément de la chaine sera modélisé avec un réseau de neurones [2]. À terme, les deux réseaux de neurones pourront être fusionnés pour disposer d’un unique réseau qui effectue l’intégralité du traitement de l’image analysée. Pour l’étape de classification, nous utiliserons un algorithme récemment développé par notre équipe de recherche [3]. Le stagiaire aura à sa disposition de nombreuses images [4] pour entrainer et tester les algorithmes développés.

 

Contexte :

L’équipe SIS (Signaux, images et systèmes) du laboratoire I3S collabore sur ce sujet avec une entreprise spécialisée dans l’imagerie de la peau.

 

Poursuite en thèse :

Ce sujet de stage est réalisé dans le cadre d’un projet régional. En fonction des résultats obtenus, le stagiaire pourra poursuivre en thèse (financement déjà obtenu).

 

Profil recherché :

Formation niveau M2/Ingénieur en mathématiques appliquées et/ou en informatique.

Ces travaux requièrent les compétences suivantes :

- Programmation informatique : les développements informatiques seront réalisés en Python et Pytorch (connaître préalablement Python n’est pas nécessaire mais souhaitable)

- Notions de bases en machine learning (en particulier sur les réseaux de neurones).

 

Lieu du stage : campus SophiaTech (Sophia Antipolis).

 

Encadrant du stage : M. Lionel Fillatre (professeur des universités)

Courriel : lionel.fillatre@i3s.unice.fr

Durée : de 4 à 6 mois (démarrage en mars/avril 2024 selon les contraintes du stagiaire).

Rémunération : environ 650 euros par mois.

Procédure pour déposer sa candidature : envoyer son CV et ses résultats académiques niveau L1, L2, L3, M1 et M2 à lionel.fillatre@i3s.unice.fr

 

Bibliographie :

[1] J. Zhang, Y. Xie, Y. Xia and C. Shen, "Attention Residual Learning for Skin Lesion Classification," in IEEE Transactions on Medical Imaging, vol. 38, no. 9, pp. 2092-2103, 2019.

[2] http://www.deeplearningbook.org/

[3] Marie Guyomard, Susana Barbosa, Lionel Fillatre, "Kernel Logistic Regression Approximation of an Understandable ReLU Neural Network". ICML 2023, Honolulu, Hawaii, USA.

[4] https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/DBW86T