Stage Ingénieur R&D – "Anatomy Score Maps for Neurovascular X- ray" (H/F)
Quick Summary
Les images fluoroscopiques et ciné par rayons X acquises lors des interventions neurovasculaires contiennent à la fois l'anatomie normale et des structures artificielles, notamment des cathéters, des guides, des stents, des tubes et des plombages dentaires. Distinguer ces structures de manière fiable pourrait faciliter l'interprétation des images et les analyses en aval.
Le stage consistera à développer et à comparer des méthodes permettant de produire des cartes au niveau du pixel mettant en évidence les structures artificielles dans les images neurovasculaires par rayons X. L'un des principaux défis est la généralisation à des dispositifs qui n'étaient pas représentés dans les données d'entraînement.
Pendant environ 6 mois, le stagiaire travaillera avec les images par rayons X disponibles et les annotations internes existantes. Le travail portera d'abord sur des images individuelles ; l'exploitation de l'information temporelle des séquences ciné pourra être envisagée par la suite, mais n'est pas obligatoire.
Le projet comparera des approches complémentaires :
- la segmentation supervisée, notamment avec des modèles de type U-Net entraînés à partir des annotations grossières existantes ;
- l'apprentissage de représentations non supervisé et auto-supervisé, par exemple avec des méthodes de type SimCLR ou BYOL, suivi d'une détection d'anomalies ou d'une détection à une classe (one-class) ;
- la détection d'anomalies par patchs, notamment les normalizing flows et des approches telles que PatchCore, PaDiM, Deep SVDD ou les méthodes student-teacher.
La comparaison portera sur la qualité des cartes obtenues, la robustesse face à des structures artificielles inconnues et les implications pratiques des annotations disponibles. Un affinage des annotations pourra s'avérer nécessaire à mesure que les méthodes et les besoins d'évaluation se préciseront. Les critères et protocoles d'évaluation seront définis avec le comité au fil de l'avancement des travaux.
Le livrable principal sera un prototype fonctionnel générant des cartes de structures artificielles, accompagné d'une évaluation comparative des méthodes explorées et de recommandations pour la suite du développement. La performance en temps réel est un enjeu à plus long terme : au moins 10 images par seconde pourraient à terme être nécessaires, mais l'optimisation de la vitesse ne constituera pas une contrainte initiale du projet.
- Découvrir Philips, leader mondial en imagerie médicale (IRM, scanner, échographie, rayons X, etc.), reconnu pour l'excellence de ses produits 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.
- Mener un projet de recherche appliquée de bout en bout, de l'état de l'art jusqu'au prototype, aux côtés d'experts en deep learning et en imagerie interventionnelle.
- Réaliser une revue ciblée de l'état de l'art en segmentation, apprentissage auto-supervisé et détection d'anomalies appliqués à l'imagerie.
- Implémenter, entraîner et comparer plusieurs approches de deep learning : segmentation supervisée, apprentissage de représentations auto-supervisé, détection d'anomalies par patchs.
- Évaluer la robustesse des méthodes face à des dispositifs inconnus et contribuer, si nécessaire, à l'affinage des annotations.
- Définir, avec vos encadrants, les critères et protocoles d'évaluation, puis développer un prototype fonctionnel et formuler des recommandations.
- Participer à des projets de recherche visant à innover dans le contexte des procédures interventionnelles minimalement invasives guidées par l'image, en particulier dans le domaine neurovasculaire.
- Vous êtes en dernière année d'école d'ingénieur ou en Master 2 (de préférence recherche) avec une spécialisation en intelligence artificielle, vision par ordinateur, traitement d'image ou mathématiques appliquées.
- Vous avez une expérience concrète en deep learning, idéalement appliqué à l'image (CNN, U-Net, etc.), acquise lors d'un stage de recherche ou technique, de projets académiques ou de projets personnels.
- Vous avez vous-même implémenté, entraîné et fait évoluer des modèles de deep learning, au-delà de l'intégration ou de l'utilisation de modèles existants.
- Vous possédez de solides connaissances en statistiques, machine learning, deep learning et traitement d'image.
- Vous maîtrisez Python et au moins un framework de deep learning (PyTorch, TensorFlow ou Keras).
- Une première expérience en segmentation d'images, apprentissage auto-supervisé ou détection d'anomalies est un plus, tout comme une exposition au domaine médical.
- Vous faites preuve de curiosité scientifique, de rigueur et d'autonomie, et vous savez expliquer et défendre vos choix techniques.
- Vous possédez une excellente communication et une capacité à travailler en équipe.
- Vous maîtrisez l'anglais de manière courante.
What We Offer
~1 min readUn travail porteur de sens mérite une rémunération juste et transparente.
Nous sommes convaincus que nous sommes meilleurs ensemble que séparément. Pour nos équipes basées dans les bureaux, cela représente une présence à temps plein dans les locaux de l'entreprise au moins trois jours par semaine.
Nous sommes une entreprise spécialisée dans les technologies de la santé. Nous avons bâti
toute notre entreprise autour de la conviction que chaque être humain compte.
Et nous ne nous arrêterons pas tant que chaque individu n'aura pas accès aux soins de santé de qualité qu'il mérite. Faites le travail de votre vie pour aider à améliorer la vie des autres.
- En savoir plus sur notre entreprise.
- Découvrir notre riche et passionnante histoire.
- En savoir plus sur notre objectif.
Si ce poste vous intéresse et si vous correspondez à de nombreux critères ; pas nécessairement
à tous, nous vous encourageons à postuler. Vous serez peut-être le candidat idéal pour ce
poste, ou pour un autre, chez Philips. Apprenez-en davantage sur notre engagement envers la diversité et l'inclusion ici.
#LI-EU
#LI-OFFICE
#LI-FIELD
Location & Eligibility
About this job
- Posted
- Today
Listing Details
- Posted
- November 17, 2026
- First seen
- November 17, 2026
- Last seen
- November 17, 2026
Posting Health
- Days active
- 0
- Repost count
- 0
- Trust Level
- 51%
- Scored at
- November 17, 2026
Signal breakdown
Stay ahead of the market
Get the latest job openings, salary trends, and hiring insights delivered to your inbox every week.
No spam. Unsubscribe at any time.