Développement et évaluation de modèles d'apprentissage profond frugaux

Contexte Ce stage sera réalisé au sein de l’équipe GMCAO du laboratoire TIMC qui développe depuis 1985, des méthodes d’assistance aux gestes médico-chirurgicaux en liens étroits avec des équipes cliniques et des partenaires industriels. Les modèles d’apprentissage profond en imagerie médicale sont de plus en plus complexes et nécessitent des plateformes d’apprentissage spécialisées pour les entraîner et les évaluer. Pour pallier ces problèmes, un nouveau paradigme appelé PocketNet a été proposé afin de réduire la taille des modèles d’apprentissage profond.

job offers

Open Pasts Développement et évaluation de modèles d’apprentissage profond frugaux Segmentation semi-automatique par apprentissage profond

Segmentation semi-automatique par apprentissage profond

Contexte Ce stage de master 2 sera réalisé au sein de l’équipe GMCAO du laboratoire TIMC qui développe depuis 1985, des méthodes d’assistance aux gestes médico-chirurgicaux en liens étroits avec des équipes cliniques et des partenaires industriels. Ce projet de stage s’inscrit dans le cadre du projet PSPC DIANA porté par la société Koélis qui vise à démocratiser l’usage de l’intelligence artificielle dans le cadre du diagnostic des cancers de la prostate.