Ari Cilingiroglu

Développement d'un modèle d'IA pour la segmentation automatique des follicules ovariens à partir d'images IRM 3D.

Méthodologie : Cycle en V / Pipeline IA Complet

Missions :

- Analyse, préparation et structuration de volumes IRM 3D

- Définition des problématiques médicales et des contraintes d'imagerie

- Développement de modèles de segmentation (U-Net 2D/3D, CNN)

- Etude exploratoire avec YOLO pour la détection préalable

- Traitement d'images médicales : filtrage, normalisation, interpolation, resampling

- Data augmentation (flip, rotation, scaling,...)

- Mise en place d'un pipeline complet : prétraitement -> entraînement -> post-traitement

- Réalisation d'une interface utilisateur simple pour visualiser les résultats

- Collaboration avec les médecins pour ajuster les besoins cliniques

- Validation expérimentale et comparaison des modèles via cross-validation

- Autonomie complète sur le workflow IA (données, modèles, expérimentations)

Outils & Technologies :

Python | TensorFlow | Keras | PyTorch | OpenCV | NumPy | Pandas | NiBabel | SimpleITK | MONAI | Scikit-Image | Git | Linux | Windows | Jupyter

Lors de mon stage d'observation à l'Hôpital Autrichien Saint-Georges, j'ai découvert le fonctionnement d'un environnement médical en suivant des professionnels de santé dans différents services. J'ai observé des interventions chirurgicales, des analyses en laboratoire et des processus de prise en charge des patients, ce qui m'a permis de mieux comprendre l'organisation hospitalière et les technologies médicales. Bien que je n’aie pas effectué de tâches médicales directes, cette expérience m’a apporté des connaissances précieuses sur les défis du secteur de la santé, renforçant ainsi mes compétences analytiques et mon adaptabilité dans des environnements critiques.