Offre de stage IA et imagerie médicale

24 Novembre 2024

---

Catégorie : Stagiaire

---

Stage de Recherche en IA et Imagerie Médicale (ingénieur/master) : Developpement d’une méthode de segmentation de tumeurs basée sur les techniques du Few-Shot Learning (FSL)

Durée du stage : 5 mois conventionnés

Date de début : à partir de janvier 2025 (modulable)

Contexte

L’Institut de Recherche en Informatique de Toulouse (IRIT), une des plus imposantes Unité Mixte de Recherche (UMR 5505) au niveau national, est l’un des piliers de la recherche en Occitanie avec ses 600 membres, permanents et non-permanents, et une centaine de collaborateurs extérieurs. De par son caractère multi-tutelle (CNRS, Universités toulousaines), son impact scientifique et ses interactions avec les autres domaines, le laboratoire constitue une des forces structurantes du paysage de l’informatique et de ses applications dans le monde du numérique, tant au niveau régional que national.

Ce stage se déroule à l’IRIT et s’inscrit dans un cadre interdisciplinaire, associant l’expertise en intelligence artificielle et l’analyse d’images médicales. Nous nous intéressons à l’utilisation des méthodes d’apprentissage automatique pour relever les défis posés par la segmentation des tumeurs en imagerie médicale, en particulier dans des contextes où les données annotées sont rares et coûteuses. Plus spécifiquement, ce stage porte sur l’application des techniques de few-shot learning pour le développement de modèles robustes et performants, capables de généraliser efficacement à partir de très peu d’exemples annotés.

Mission confiée

Sous la direction d’une équipe composée de deux enseignants-chercheurs spécialisés en intelligence artificielle et en analyse d’images vous aurez pour mission de :

• Explorer des approches de few-shot learning, notamment des techniques de méta-apprentissage (comme MAML) appliquées à la segmentation d’images médicales.
• Mettre en place une chaîne complète de traitement : prétraitement des données médicales, implémentation de modèles, et évaluation des performances sur des cas réels.
• Étudier les particularités des données médicales, telles que la variabilité inter-patient et la qualité des images (résolution spatiale, bruit, artefacts).
• Proposer et tester des améliorations aux modèles standards de few-shot learning, pour mieux s’adapter aux spécificités des datasets utilisés.
• Évaluer les compromis entre complexité computationnelle et précision diagnostique, en lien avec les besoins cliniques.

Nous envisageons d’explorer des approches complémentaires, telles que l’intégration de mécanismes d’attention ou l’utilisation de modèles génératifs pour l’augmentation des données, en fonction des avancées réalisées durant le stage.

Profil recherché

Étudiant·e en dernière année d’école d’ingénieurs ou de Master en informatique ou signal avec une orientation vers l’apprentissage automatique et le deep learning. Ce stage pourrait donner suite à une offre de thèse.

Compétences requises

- Investissement, rigueur, méthode et esprit d’initiative.

- Connaissances solides en machine learning et en deep learning.

- Bonne maîtrise de Python et de frameworks de deep learning (PyTorch, TensorFlow, etc.).

- Bonnes capacités de rédaction et de synthèse (français et/ou anglais).

- Des notions en imagerie médicale ou biomédicale seraient un plus.

Candidatures

Les candidatures (CV, lettre de motivation et rélevés de notes) sont à adresser par email à amel.aissaoui@irit.fr