À l’approche de la remise des diplômes de la promotion 2015-2018, nos 102 étudiants ingénieurs en dernière année ont terminé leur stage de fin d’étude avant d’entrer officiellement dans la vie professionnelle.
Parmi l’ensemble des sujets, nous vous proposons un témoignage sur deux d’entre eux, significatifs de l’activité de nos élèves. Suzanne et Constance nous livrent leur expérience de stage, sur 2 sujets d’excellence :
Suzanne Bussod a réalisé son stage au sein CREATIS (Centre de REcherche en Acquisition et Traitement de l’Image pour la Santé) avec pour sujet : « Fantôme et développement d’algorithme pour la tomographie spectrale ».
quelques explications: un fantôme est un dispositif numérique ou physique permettant de reprendre les mêmes caractéristiques que les tissus qu’il caractérise. Il sert de référence pour des études tant algorithmiques que sur les interactions lumière/matière.
La tomographie spectrale quant à elle, est un dispositif d’imagerie à rayons X permettant d’imager un volume 3D en y ajoutant une dimension énergique. Cette méthode permet, après résolution d’un problème, d’obtenir les matériaux qui composent l’objet.
Dans le cadre d’un projet avec l’Agence Nationale des Recherches (ANR) qui a pour but d’utiliser la tomographie spectrale pour la détection de l’arthrose, Suzanne a développé un fantôme de genou à partir de données réelles acquises à l’European Synchrotron Radiation Facility à Grenoble. Ce fantôme lui a ensuite servi à simuler les données de tomographie spectrale et d’évaluer l’algorithme permettant de décomposer les matériaux.
Au cours de ce stage Suzanne a travaillé avec l’équipe de tomographie du laboratoire CREATIS ainsi qu’avec des médecins/chercheurs orthopédiste, physiciens, cliniciens et ingénieurs de recherche.Pour Suzanne : « Ce stage m’a aussi permis de poursuivre en thèse avec les mêmes encadrants sur le sujet ‘Algorithmes basés sur l’apprentissage profond pour la tomographie spectrale. »
Constance Hersant a effectué son stage de fin d’étude chez QuantCube Technolgy, une start-up spécialisée en intelligence artificielle pour l’économie. Le projet sur lequel elle a travaillé durant six mois avait pour but de définir l’évolution urbaine d’une ville à partir d’images satellites grâce à l’utilisation du deep learning.
Elle nous raconte son projet : « Dans un premier temps, j’ai créé le set d’entrainement comportant l’image satellite de villes avec leur labellisation sous forme de masque. Ensuite, j’ai implémenté et optimisé un réseau de neurones convolutionnels, le plus évolué jusque là, en langage Python. La bonne classification d’une image satellite en zone urbaine ou naturelle est faite pixel à pixel. Plusieurs codes ont été réalisés et implémentés dans la chaine de prédiction afin d’obtenir la meilleur classification possible, donnant un résultat avec une erreur relative de moins de 5%.
