Implémentation et amélioration d’un processus de reconstruction 3D du bassin à partir d’une acquisition radiographique EOS

Grâce à l’utilisation de l’apprentissage machine, pour la création d’un modèle statistique 3D, et à l’apprentissage profond, pour la segmentation des informations pertinentes dans les images radiographiques EOS, une méthode de reconstruction 3D du bassin a été proposée dans le cadre d’un précédent projet mené au LIO en collaboration avec l’entreprise EOS Imaging. Cette première solution du processus de reconstruction 3D du bassin disponible au laboratoire LIO nécessite néanmoins des modifications pour être utilisable par la compagnie pour ces projets de recherche et développement (R-D). De plus, cette solution présente des erreurs maximales importantes de reconstruction 3D, de l’ordre de 2 cm, ce qui présente une limitation pour son utilisation en clinique.  

Dans le cadre de ce projet, l’étudiant(e) sera chargé(e) :

1. De maîtriser la méthode proposée, disponible au LIO, pour ensuite apporter les modifications nécessaires pour l’implémenter dans la plateforme logicielle de recherche sterLIO partagée avec le partenaire industriel EOS Imaging. Les travaux au LIO étant encadrés par un système qualité, cette implémentation devra suivre la norme ISO13468 implantée au LIO. Le stagiaire sera donc responsable de la rédaction de la documentation associée au développement.
2. Proposer des innovations à inclure dans la méthode pour améliorer/optimiser l’approche de segmentation des informations du bassin dans les images radiographiques EOS afin de réduire les erreurs maximales. Pour cela, une des solutions envisagées sera de déterminer la valeur optimale des hyper paramètres du réseau R2U-net en exécutant plusieurs apprentissages sur les grappes de Calcul Canada.

Note : L'envergure du projet pourrait être ajuster pour une maitrise recherche.