Retour aux offres d'emplois

Chargé R&I – F/H

Présentation société

Olea Medical®, société du groupe Canon Medical Systems Corporation, est un fournisseur de solutions avancées de post-traitement d’images IRM et scanner (TDM).

Implantée à La Ciotat, près de Marseille, nous concevons et commercialisons une gamme d’applications d’imagerie médicale innovantes, Olea Sphere®, améliorant de manière significative le processus de diagnostic et l’évaluation de suivi.

Notre société jouit d’une forte crédibilité grâce à la domestication d’une technologie de pointe et de partenariats avec des institutions de référence à travers le monde. En appliquant à l’imagerie médicale des méthodes d’optimisation des temps de calcul et des méthodes brevetées, basées sur l’approche probabiliste bayésienne, Olea Medical® est devenue la référence incontestée du post-traitement avancé, standardisé et indépendant de tout constructeur d’images IRM, offrant une analyse qualitative et quantitative précise et robuste.

Nos valeurs, prônées et communes à celles de Canon Medical, sont partagées et transmises au quotidien sein de notre organisation :

• Humain
• Innovation
• Expertise
• Excellence

Pour un but commun : Improved Diagnosis For Life.

Olea Medical c’est aussi cela :

• Des tickets restaurant pris en charge à 60% par Olea Medical

• Une excellente couverture mutuelle et prévoyance pris en charge à 100% par Olea Medical

• Un top CSE permettant de profiter de multiples réductions et avantages.

• Une prise en charge à 75% de vos frais de transports en commun

Mais aussi :

• Une entreprise à taille humaine alliant un management de proximité et de convivialité

• Une entreprise avec une charte de Qualité de Vie au Travail

• Une entreprise innovante dans un secteur avec des valeurs au plus proche de l’humain et en constante évolution

• Une carrière professionnelle et un programme de formation personnalisé

• Une entreprise avec une sensibilité RSE

Au travers de ses recrutements, Olea Medical cultive une politique en faveur de la diversité, de l’égalité professionnelle par la représentation des femmes au sein de ses effectifs et de l’emploi des travailleurs handicapés.

Développement d’un algorithme de recalage rigide en deep learning  – Département Recherche & Innovation

Description du stage

Le domaine de l’imagerie médicale bénéficie actuellement des récentes et spectaculaires avancées réalisées dans le domaine de la science des données pour accompagner les cliniciens toujours plus loin dans l’interprétation des examens médicaux. L'objectif de ce stage est de développer, grâce au deep learning, une méthode pour améliorer le recalage d'images IRM. Ce stage s’inscrit dans le cadre du développement d’un outil d’aide au diagnostic différentiel dans la prise en charge des patients présentant des pathologies cérébrales (tumeurs, pathologies neurodégénératives, AVC, etc…). En raison du risque de dommages irréversibles sur le cerveau, ces différents types de pathologies nécessitent un diagnostic différentiel robuste où l’imagerie par résonnance magnétique (IRM) joue un rôle central. Il est fréquent que le patient bouge pendant l’acquisition des images IRM, ce qui introduit des erreurs d’alignement des données entre elles. On parle de déplacement rigide lorsque le mouvement est limité à des rotations et des translations (cas général du cerveau), au contraire des déplacements élastiques lorsque l’image est déformée en plus d’être déplacée (cas de l’imagerie du sein, du foie, ou cardiaque par exemple). Ces erreurs ont un impact très important, aussi bien pour le radiologue qui analyse les données, que pour les algorithmes de post traitement qui requièrent des images parfaitement alignées. Des algorithmes de recalage sont alors utilisés pour corriger ces mouvements. L’approche classique pour corriger ces mouvements consiste à déplacer itérativement les deux images en minimisant une fonction de coût qui reflète leur alignement. Dans le cas de l’IRM, le problème est compliqué par le fait que les données sont constituées d’un grand nombre d’images qui échantillonnent un volume tridimensionnel. Cette approche est relativement robuste mais elle souffre de temps de calculs qui peuvent aller jusqu’à plusieurs minutes, ce qui est incompatible avec une utilisation en routine clinique. Ces dernières années, de nouvelles approchent utilisant l’apprentissage profond sont apparues pour répondre au problème du recalage. Ces méthodes sont beaucoup plus rapides (temps réel) tout en étant très robustes, ce qui en font des solutions qui pourraient être idéales pour une application clinique.

Intégré(e) à l’équipe Recherche et Innovation d’Olea Medical, votre mission consistera à explorer cette problématique dans le cadre du recalage d’imagerie cérébrale IRM. Vous devrez vous intéresser en particulier au recalage rigide d’imagerie FLAIR sur FLAIR dans le cadre d’application de suivi longitudinal de patients, et au recalage de séquence FLAIR sur de séquence DSC, pour l’analyse d’imagerie de perfusion.

Missions

• Etude de l’état de l’art sur les méthodes de recalage mono modal et multi modal en deep learning.
• Mise en place d’une méthodologie d’évaluation des performances d’algorithmes de recalage.
• Implémentation et évaluation de méthode de deep learning pour le recalage rigide d’images d’IRM cérébral
• Rédaction d’un rapport

Descriptif du profil

Compétences/Qualités

• BAC+5 en sciences de l’information, traitement d’image et/ou du signal, bio-ingénierie.
• Initié aux méthodologies du deep learning durant son cursus.
• Bonne expérience avec Python.
• Patient et rigoureux.
• Esprit d’équipe et entreprenant.
• Affinité avec l’univers de l’imagerie médicale

Postuler

MAUFRAS Sandrine
sandrine.maufras@olea-medical.com