Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : Sesstim, Aix Marseille Université
Durée : 6 Mois
Contact : raquel.urena@univ-amu.fr
Date limite de publication : 2024-02-29

Contexte :
Estimer l’âge d’un enfant est crucial pour comprendre son développement général. L’âge chronologique est la donnée la plus communément utilisée puisque les dates de naissance des patients sont connues dans la majorité des cas. Cependant, cet âge chronologique ne reflète pas entièrement la maturité physiologique d’un individu et n’est donc pas un facteur fiable [1]. Par conséquent, la croissance d’un enfant peut être estimée en évaluant un âge biologique.
L’estimation de l’âge biologique (EAB) s’applique dans divers domaines, notamment en odontologie pédiatrique et en orthodontie, où elle constitue un outil fondamental pour le diagnostic et la planification des traitements [2]. Cette estimation se pratique également couramment dans le domaine judiciaire, en contexte d’évaluation de responsabilité pénale, d’établissement d’un profil biologique ou d’identification de migrants mineurs isolés [3].
La précision de l’EAB chez les enfants revêt une importance cruciale en odontologie pédiatrique, avec des implications dans les domaines de la clinique, du médico-légal et de l’orthodontie. L’estimation de l’âge biologique (EAB) est une clé pour évaluer la croissance et le développement du patient, facilitant la planification des traitements et soutenant la vérification de l’âge dans des contextes médico-légaux.

Sujet :
L’objectif est de mettre en place un système de deep learning capable d’estimer à la fois un âge dentaire à partir de radiographies panoramiques dentaires et un âge osseux à partir de téléradiographies de profil. Le stagiaire travaillera sur l’implémentation et l’évaluation de méthodes de Machine Learning et Deep Learning en utilisant des données réelles (radiographies dentaires et téléradiographies de profil). Les missions incluent le nettoyage et l’analyse des données, la recherche de méthodes d’IA applicables, l’implémentation, l’entraînement des modèles et la documentation des développements réalisés.

Profil du candidat :
Bonne connaissance en deep learning et traitement d’images. Maîtrise de l’environnement Python, Pytorch, Keras et Tensorflow. Capacité d’analyse et de synthèse, autonomie, esprit d’initiative, connaissances du secteur de la santé appréciées, aptitude à travailler en mode projet avec une communication efficace (Français et/ou Anglais).

Formation et compétences requises :
M2 en Informatique, Statistique ou Mathématiques

Adresse d’emploi :
Faculté des sciences médicales et paramédicales – 27 Bd Jean Moulin 13385 Marseille Cedex 5 FRANCE

Document attaché : 202401110930_Proposition-Stage-Dentaire.pdf