Contexte et atouts du poste
L'équipe MIMESIS mène des recherches de pointe à l'intersection de l'informatique pour l'image médicale, de la simulation basée sur la physique et de l'apprentissage automatique.
Dans ce contexte, nous explorons le recalage rigide entre les images de fluoroscopie 2D et les images CT (Tomodensitométrie) 3D.
Les patients subissent plusieurs sessions d'imagerie avant, pendant et après le traitement. La combinaison de ces différentes images apporterait une grande valeur aux cliniciens, tant pour le diagnostic que pour le traitement. Lors des interventions mini-invasives, les cliniciens s'appuient sur la fluoroscopie 2D en temps réel, qui ne possède pas les détails anatomiques riches des scanners CT 3D préopératoires. La fusion de ces images pré- et peropératoires fournirait un guidage précieux et permettrait aux cliniciens de visualiser l'anatomie interne détaillée sans incisions cutanées.
Les techniques de recalage peropératoire visent à résoudre ce défi de fusion d'images pré- et peropératoires. La première étape pour résoudre ce problème est de développer un algorithme de recalage rigide 2D/3D robuste.
Ce stage se concentrera sur le développement d'une méthode de recalage rigide capable de fonctionner de manière fiable dans des conditions opérationnelles réalistes. La méthode devra être robuste aux mouvements déformables des tissus mous, à l'écart de domaine (domain gap) entre les données d'entraînement et les données réelles, ainsi qu'au bruit et à la variabilité des images.
Le projet impliquera à la fois de la recherche méthodologique et une évaluation pratique sur des données réelles acquises en collaboration avec des partenaires cliniques. Le code développé s'appuiera sur nos recherches existantes [1, 2] et sur la littérature du domaine [3, 4].
Ce stage représente une opportunité unique de contribuer à un sujet de recherche au cœur des interventions assistées par ordinateur, faisant le pont entre la recherche en IA et les applications en imagerie médicale.
Une opportunité de thèse (doctorat) pourra suivre le stage, sous réserve des résultats et d'un intérêt mutuel soutenu.
Références :
[1]
[3] Gopalakrishnan, Vivek, Neel Dey, and Polina Golland. "Intraoperative 2D/3D image registration via differentiable X-ray rendering." Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2024.
[4] Leskovar, Marko, et al. "Comparison of global and local optimization methods for intensity-based 2D–3D registration." Computers in Biology and Medicine 186 : 109574.
Mission confiée
Le/la stagiaire participera au développement d’un algorithme de recalage rigide robuste permettant de fusionner des images CT 3D avec des images de fluoroscopie 2D. La performance et la fiabilité de la méthode seront évaluées à la fois sur des images synthétiques et sur des images cliniques réelles. Une validation expérimentale sur modèle animal en collaboration avec l’IHU de Strasbourg permettra de valider l’efficacité de l’algorithme développé.
Principales activités
1. Concevoir, implémenter et tester des algorithmes de recalage 2D/3D en utilisant Python et PyTorch.
2. Gérer et prétraiter les jeux de données, y compris la génération de données synthétiques et la préparation d'images réelles de fluoroscopie/CT acquises auprès de partenaires cliniques.
3. Contribuer à l'élaboration d'expériences pour évaluer la précision, la vitesse et la robustesse de la méthode de recalage dans des conditions réalistes.
4. Documenter clairement le code et les procédures expérimentales pour assurer la maintenabilité et la reproductibilité de la recherche.
Compétences
Langues:
Français et/ou Anglais
Compétences techniques :
5. Connaissance de Python et PyTorch ou d'autres frameworks d'apprentissage automatique.
6. Familiarité avec la vision par ordinateur et les méthodes d'optimisation.
Compétences appréciées :
7. Connaissances en imagerie biomédicale.
8. Expérience avec les méthodes d'adaptation de domaine et les tests en scénarios réalistes.
9. Familiarité avec les modalités d'imagerie médicale (CT, fluoroscopie).
Compétences relationnelles (Savoir-être) :
10. Motivation et autonomie dans le travail de recherche.
11. Bonne communication et capacité à travailler dans une équipe pluridisciplinaire.
Avantages
12. Restauration subventionnée
13. Transports publics remboursés partiellement
14. Congés: 7 semaines de congés annuels + 10 jours de RTT (base temps plein) + possibilité d'autorisations d'absence exceptionnelle (ex : enfants malades, déménagement)
15. Possibilité de télétravail (après 6 mois d'ancienneté) et aménagement du temps de travail
16. Équipements professionnels à disposition (visioconférence, prêts de matériels informatiques, etc.)
17. Prestations sociales, culturelles et sportives (Association de gestion des œuvres sociales d'Inria)
18. Accès à la formation professionnelle
19. Sécurité sociale
Rémunération
4.35 €/heure
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.