Titre du Stage : Développement d’un système de segmentation automatique des tumeurs du sein en 2D/3D par Deep Learning supervisé
Smart It Partner
Ariana, TN
De 30 juin à 30 août, 2025
Temps plein
Description du Stage
Dans le cadre de l’amélioration des outils d’aide au diagnostic médical, ce stage a pour objectif de développer une solution de segmentation automatique des tumeurs mammaires dans des images médicales (mammographies, échographies, IRM). En s’appuyant sur des techniques avancées de Deep Learning supervisé, le ou la stagiaire participera à la création, l'entraînement et l’évaluation de modèles performants (U-Net, V-Net, etc.) pour une segmentation précise des masses tumorales en 2D et 3D.
Le projet se base sur l’exploitation de bases de données médicales publiques (DDSM, Breast Ultrasound Dataset, TCIA, etc.) avec annotations validées par des experts.
Vos Missions
Les responsabilités de ce stage sont fournies ci-dessous :
- Chargement, nettoyage et anonymisation des images (formats DICOM, NIfTI, PNG).
- Application d’algorithmes de normalisation, resizing, denoising et augmentation.
- Implémentation de modèles (U-Net, DeepLabV3+, 3D U-Net…).
- Entraînement sur des paires image/masque avec validation croisée.
- Calcul de métriques : Dice, IoU, Hausdorff distance.
- Comparaison des résultats avec les annotations de radiologues.
- Optimisation des hyperparamètres et du temps d’inférence.
- Mise en place d’un prototype fonctionnel pour démonstration.
- Rédaction d’une documentation technique.
- Rapport final détaillant la méthodologie, les résultats et les perspectives.
Les Compétences requises
- Connaissance en traitement d’images médicales (DICOM, IRM, etc.).
- Maîtrise de Python et de bibliothèques Deep Learning (PyTorch ou TensorFlow).
- Connaissances en modèles CNN pour segmentation : U-Net, V-Net, etc.
- Compétence en prétraitement de données médicales et en visualisation (OpenCV, ITK, nibabel, matplotlib…).
- Bonne maîtrise des métriques d’évaluation (Dice, IoU, etc.).
- Autonomie, rigueur et esprit d’analyse.
- Capacité à lire et comprendre des articles scientifiques.
- Bonnes compétences en communication écrite (rédaction de rapports).
Environnement et Technologies
- Langage : Python 3.x
- Frameworks : PyTorch, TensorFlow, Keras
- Bibliothèques d'imagerie médicale : nibabel, pydicom, SimpleITK
- Traitement d’images : OpenCV, scikit-image
- Environnements de développement : Jupyter Notebook, VSCode
- Plateformes de calcul : GPU local ou cloud (Google Colab, AWS, Azure, etc.)
- Versioning : Git, GitHub
Aperçu du stage
| Titre | Développement d’un système de segmentation automatique des tumeurs du sein en 2D/3D par Deep Learning supervisé |
| Nom de l'entreprise | Smart It Partner |
| Emplacement | Ariana, TN |
| Temps | Temps plein |
| Date Debut | 30 juin, 2025 |
| Date Fin | 30 août, 2025 |
| Gratification | 0 |
| Type de Stage | ETE |
Smart It Partner
Département IT