Stage ingénieur H/F "Diffusion Models for Device Detection in Interventional Radiology" (Master's thesis)

Job Title

Stage ingénieur H/F "Diffusion Models for Device Detection in Interventional Radiology" (Master's thesis)

Job Description

Stage: Diffusion Models for Device Detection in Interventional Radiology

La radiologie interventionnelle consiste à guider des procédures médicales à l'aide d'imagerie radiographique en temps réel. La détection précise des dispositifs interventionnels est cruciale pour de nombreuses applications cliniques dans ce domaine. Cependant, détecter ces dispositifs dans des séquences radiographiques est difficile en raison de la complexité des images et des signaux à faible contraste. Une technique courante pour améliorer l'interprétation des images est d'utiliser les propriétés des rayons X pour améliorer les structures d'intérêt par soustraction d'images. Cette soustraction nécessite une estimation de l'arrière-plan, ce qui peut être difficile en raison des contraintes techniques (comme le mouvement des structures dans le temps).

L'objectif de ce stage est d'explorer des modèles d'IA générative pour créer des arrière-plans réalistes pour les images radiographiques et générer des séquences soustraites cohérentes afin de faciliter la détection/la segmentation des structures d'intérêt. Le stage se concentrera sur les problèmes inverses, en particulier l'inpainting et la super-résolution, et pourra explorer des méthodes génératives telles que les modèles de diffusion. Les informations temporelles seront également prises en compte pour améliorer la qualité de la reconstruction.

Ce poste vous donne la possibilité de :

• Découvrir Philips, leader mondial en imagerie médicale dont les produits en IRM, scanner, ultrasons, rayons X etc… reconnu pour son excellence et ses technologies de pointe.

• Travailler à Medisys, un centre de R&D mondial au cœur de Paris dédié au traitement d’images médicales grâce à l’intelligence artificielle, au sein du futur Philips Health Technology Innovation Paris.

Votre fonction :

• Explorer et concevoir des algorithmes d'intelligence artificielle fonctionnant sur des graphes, des méthodes prometteuses mais encore peu utilisées en imagerie médicale.

• Participer à des projets de recherche visant à innover dans le contexte de procédure interventionnelle minimalement invasive, guidées par l'image, en particulier dans le domaine cardiaque.

Vous êtes la personne qu'il nous faut si :

• Vous êtes en 3e année d’école d’Ingénieur ou de Master Recherche avec une spécialisation en intelligence artificielle, machine learning, traitement d'image ou mathématiques appliquées;

• Vous possédez des onnaissances en statistiques, machine learning, deep learning, traitement d'image ;

• Vous avez l'expérience du langage Python, connaissance de Tensorflow/Keras/Pytorch ;

• Vous possédez un excellente communication et capacité à travailler en équipe ;

• Vous maitrisez l'anglais de manière courante

Comment nous travaillons ensemble

Nous sommes convaincus que nous sommes meilleurs ensemble que séparément. Pour nos équipes basées dans les bureaux, cela représente une présence à temps plein dans les locaux de l'entreprise au moins trois jours par semaine.

À propos de Philips

Nous sommes une entreprise spécialisée dans les technologies de la santé. Nous avons bâti

toute notre entreprise autour de la conviction que chaque être humain compte.

Et nous ne nous arrêterons pas tant que chaque individu n'aura pas accès aux soins de santé de qualité qu'il mérite. Faites le travail de votre vie pour aider à améliorer la vie des autres.

• En savoir plus sur notre entreprise.

• Découvrir notre riche et passionnante histoire.

• En savoir plus sur notre objectif.

Si ce poste vous intéresse et si vous correspondez à de nombreux critères ; pas nécessairement

à tous, nous vous encourageons à postuler. Vous serez peut-être le candidat idéal pour ce

poste, ou pour un autre, chez Philips. Apprenez-en davantage sur notre engagement envers la diversité et l'inclusion ici.

#LI-EU

#LI-OFFICE

#LI-FIELD