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. Il permet de limiter le nombre de paramètres dans les réseaux neuronaux convolutifs (type U-Net). Appliqué à des tâches de segmentation et de classification, les architectures PocketNet produisent des résultats comparables à ceux des réseaux neuronaux conventionnels tout en réduisant le nombre de paramètres de plusieurs ordres de grandeur.
L’objectif de ce stage sera de travailler à l’implémentation et au test exhaustif d’une variante du paradigme PocketNet. Il sera également demandé de réaliser dans un premier temps un travail de revue de la littérature existante.
Connaissances et compétences en apprentissage automatique et profond
Connaissances en traitement d’images
Bon niveau en anglais
Pour postuler, merci de nous faire parvenir un CV, un relevé de notes et une lettre de motivation.
Clément Beitone - Maître de conférence (UGA) - email
Sandrine Voros - Directrice de recherche (INSERM) - email
Jocelyne Troccaz - Directrice de recherche (CNRS) - email
| Durée | 5 à 6 mois |
| Gratification | environ 600€ / mois |
| Lieu | Laboratoire TIMC, Pavillon Taillefer, 38706 La Tronche Cedex |
| Page internet de l’équipe | TIMC - GMCAO |