Résumé
L’objectif de ce stage est de développer une chaine de traitement d’images biologiques d’échantillons sanguins permettant de réaliser un diagnostic fiable et reproductible de la présence de marqueurs du cancer.
Ces images (cf illustration dans pdf joint) sont obtenues à l’aide d’un dispositif innovant développé par l’Institut des Nanotechnologies de Lyon (INL) à partir de structures semi-conductrices à base des jonctions « p-n »
Le cadre méthodologique de ce projet d’analyse d’images reposera sur une approche de classification par apprentissage (machine learning). Le principe est d’extraire des caractéristiques discriminantes de l’image puis d’élaborer un modèle de prédiction à partir d'une base de données d'apprentissage. Nous privilégierons des méthodes de détection de changement (outlier detection) de type one-class support vector machine (OC-SVM) ou support vector data description (SVDD) qui permettent d’établir le modèle de prédiction à partir de l’apprentissage sur des échantillons de la classe normale uniquement.
La première partie du stage consistera à concevoir et implémenter l’architecture du système de classification (choix des caractéristiques, de l’algorithme de classification..). La seconde partie sera consacrée à l’analyse des performances diagnostiques du système à partir de bases d’images collectées par l’INL sur des modèles cellulaires et animaux du laboratoire CARMEN de Lyon.
Ce projet s’inscrit dans le cadre d’une collaboration avec l’INL et le laboratoire CarMeN de Lyon financé par un programme BQR de l’INSA de Lyon.
Compétences demandées
- Traitement numérique de l’image,
- Idéalement, connaissances en apprentissage machine
- Programmation C/C++/Matlab
- Motivation et goût pour la recherche interdisciplinaire.
- Autonomie
Rémunération
520 euros par mois environ