Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : LIS UMR 7020
Durée : 4 à 6 mois
Contact : marc-emmanuel.bellemare@univ-amu.fr
Date limite de publication : 2020-03-01

Contexte :
Le travail se déroulera à Marseille essentiellement au laboratoire d’informatique et des systèmes (LIS) dans l’équipe Image & Modèles. Le LIS UMR 7020 fédère plus de 375 membres. La recherche y est structurée au sein de pôles (calcul, science des données, analyse et contrôle des systèmes, signal et image), et centrée sur des activités dans les domaines de l’informatique, de l’automatique, du signal et de l’image.

Sujet :
Le stagiaire s’attachera a définir les paramètres les plus efficaces du point de vue de l’architecture et des données pour la segmentation d’IRM par une approche dite « deep-learning ».
Les troubles de la statique pelvienne regroupent un ensemble de pathologies associant une perte des rapports anatomiques normaux des organes pelviens, et une altération dramatique de la qualité de vie des malades. Ces troubles regroupent des pathologies handicapantes à des degrés variés mais leur physiopathologie reste encore mal connue ce qui complique leur prise en charge. L’IRM dynamique s’avère être une des meilleures modalités pour l’évaluation du degré de pathologie des patientes. Mais l’interprétation. des images et surtout la réalisation de mesures sur ces dernières peut être une tâche fastidieuse pour le clinicien. La proposition de méthodes permettant des mesures objectives et reproductibles serait une contribution pertinente pour l’aide au diagnostic. La segmentation des principaux organes impliqués est alors une étape primordiale mais difficile. Nous avons déjà proposé des méthodes semi-automatiques reposant sur des approches à base de contour actifs et de recalage. Il s’agit alors d’estimer l’apport des approches à base de réseaux de neurones convolutionnels pour cette problématique. Nos travaux actuels reposent sur l’utilisation d’un réseau à architecture U-Net dont les résultats seront comparés aux 2 approches existantes au laboratoire. Le problème de l’adaptation de la base d’apprentissage est particulièrement sensible et sera au centre du projet.

Profil du candidat :
Le candidat ou la candidate de niveau Bac+5 sera intéressé(e) par un projet pluridisciplinaire et par l’imagerie médicale. Les domaines abordés concernent la segmentation d’IRM et les approches par apprentissage profond, dites « deep-learning ».

Formation et compétences requises :
Des compétences en classification et apprentissage seront particulièrement appréciées. Une expérience de la programmation avec l’environnement python est attendue

Adresse d’emploi :
Laboratoire d’Informatique et Systèmes – LIS – UMR CNRS 7020 – Aix-Marseille Université
Campus scientifique de St Jérôme – Av. Escadrille Normandie Niemen -13397 Marseille Cedex 20
Tél. : 33 (0)4 91 05 60 30 – www.lis-lab.fr

Document attaché : Sujet_Master2_SegmentationDeep.pdf