Paris, France
Internship Explorer
Internship Explorer
Stage : Leveraging the Power of Foundational Models to Segment Interventional X-Ray Images Le Segment Anything Model (SAM) est un modèle fondamental spécifiquement destiné aux tâches de segmentation. Il a été entraîné sur plusieurs milliards de masques et est conçu pour être efficace sur différents types de tâches de segmentation (interactive, sémantique, multi-instance) grâce à la variété de prompts qu'il peut accepter en entrée. Cependant, il n'a pas été exposé à un grand nombre d'images médicales lors de son entraînement et, pour cette raison, il n'est pas directement utilisable pour la segmentation d'images médicales. Une nouvelle tendance a donc émergé dans le traitement des images médicales : l'adaptation de SAM aux images médicales, en le fine-tunant, en utilisant des couches d'adaptateur, ou en mélangeant des caractéristiques de CNN. L'objectif de ce stage est d'étudier comment SAM peut être utilisé dans le contexte de la segmentation des artères coronaires et des cathéters sur des images radiographiques interventionnelles. Tout d'abord, le stagiaire comparera les méthodes de fine-tuning de SAM sur des données radiographiques, en s'appuyant sur la littérature déjà importante sur le sujet. Ensuite, il étudiéra comment différents types de prompts peuvent être utilisés pour différents types de tâches : des gribouillis pour la segmentation interactive, du texte pour la segmentation sémantique des vaisseaux ou la segmentation d'instances des cathéters. Enfin, comme les séquences radiographiques sont des vidéos, l'utilisation de SAM2, qui améliore SAM en permettant le traitement des données vidéo, pourrait être étudiée. Ce poste vous donne la possibilité de : * Découvrir Philips, leader mondial en imagerie médicale dont les produits en IRM, scanner, ultrasons, rayons X etc. reconnu pour son excellence et ses technologies de pointe. * Travailler à Medisys, un centre de R&D mondial au cœur de Paris dédié au traitement d’images médicales grâce à l’intelligence artificielle, au sein du futur Philips Health Technology Innovation Paris.
