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.

Etude de l’impact des erreurs de recalage dans la segmentation des AVC 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. 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. Les algorithmes de deep learning sont aujourd’hui couramment utilisés pour assister les radiologues dans cette tâche, en proposant notamment des outils de segmentation de pathologies à la fois fiables et robustes. Ces algorithmes utilisent souvent plusieurs séquences simultanément pour obtenir les meilleures performances. Dans ce cas, il est crucial que les images soient correctement alignées en entrée du réseau de neurones. Malheureusement, cette condition est rarement remplie en pratique clinique car le patient bouge pendant l’acquisition. Des algorithmes de recalage sont alors utilisés pour corriger ces mouvements et améliorer l’alignement des données. Néanmoins, il reste souvent des mouvements résiduels entre les images qui ne sont pas corrigés. L’impact de ces erreurs de recalage sur les performances des algorithmes de deep learning est aujourd’hui mal connu.

Intégré(e) à l’équipe Recherche et Innovation d’Olea Medical, votre mission consistera à explorer cette problématique dans le cadre de la segmentation de lésions d’AVC en imagerie d’IRM de diffusion. Vous devrez comprendre comment ces erreurs perturbent les algorithmes de deep learning, aussi bien à l’entrainement qu’à l’inférence. Dans un second temps, vous explorerez de nouvelles architectures de réseau de neurone qui permettent de réduire la sensibilité des résultats aux erreurs de recalage.

Missions

• Etude de l’état de l’art sur l’impact des erreurs de recalage sur les algorithmes de deep learning.
• Mise en place d’un outil de génération d’une base de données de cas pour lesquels on contrôle l’erreur de recalage en type (rotation, translation, 2D/3D) et en amplitude.
• Mise en place d’une méthodologie d’évaluation de l’impact des erreurs de recalage sur l’entrainement et l’inférence d’un algorithme de deep learning
• Entrainement des réseaux de neurones sur des bases de données avec différents niveaux d’erreur de recalage
• Evaluation des performances.
• Mise en place de technique de réduction de l’impact des erreurs de recalage.
• 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