INTERNSHIP DETAILS

Stage Ingénieur R&D – "Anatomy Score Maps for Neurovascular X- ray" (H/F)

CompanyPhilips
LocationParis
Work ModeOn Site
PostedNovember 18, 2026
Internship Information
Core Responsibilities
The intern will develop and compare deep learning methods to generate pixel-level maps of artificial structures in neurovascular X-ray images. Responsibilities include conducting a literature review, implementing models, evaluating performance, and creating a functional prototype.
Internship Type
full time
Salary Range
€1,350 - €1,500
Company Size
72902
Visa Sponsorship
No
Language
English
Working Hours
40 hours
Apply Now →

You'll be redirected to
the company's application page

About The Company
Over the past decade we have transformed into a focused leader in health technology. At Philips, our purpose is to improve people’s health and well-being through meaningful innovation. We aim to improve 2.5 billion lives per year by 2030, including 400 million in underserved communities. We see healthcare as a connected whole. Helping people to live healthily and prevent disease. Giving clinicians the tools they need to make a precision diagnosis and deliver personalized treatment. Aiding the patient's recovery at home in the community. All supported by a seamless flow of data. As a technology company, we – and our brand licensees – innovate for people with one consistent belief: there’s always a way to make life better. Visit our website: http://www.philips.com/ Follow our social media house rules https://www.philips.com/a-w/about-philips/social-media.html
About the Role

Job Title

Stage Ingénieur R&D – "Anatomy Score Maps for Neurovascular X- ray" (H/F)

Job Description

Stage : Anatomy Score Maps for Neurovascular X-ray


Durée : 6 mois | Niveau : Master 2 (MSc) | Démarrage : entre février et avril 2027 | Lieu : Paris


Contexte et objectif


Les images fluoroscopiques et ciné par rayons X acquises lors des interventions neurovasculaires contiennent à la fois l'anatomie normale et des structures artificielles, notamment des cathéters, des guides, des stents, des tubes et des plombages dentaires. Distinguer ces structures de manière fiable permet l'application de traitements d'images sophistiqués.


Le stage consistera à développer et à comparer des méthodes permettant de produire des cartes mettant en évidence les structures artificielles dans les images neurovasculaires par rayons X, à l'échelle du pixel. L'un des principaux défis est la généralisation à des dispositifs qui ne sont pas représentés dans les données d'entraînement.


Travail proposé

Pendant environ 6 mois, le stagiaire travaillera avec les images par rayons X disponibles et les annotations internes existantes. Le travail portera d'abord sur des images individuelles ; l'exploitation de l'information temporelle des séquences ciné pourra être envisagée par la suite, mais n'est pas obligatoire.

Le projet comparera des approches complémentaires :

  • la segmentation supervisée, notamment avec des modèles de type U-Net entraînés à partir des annotations grossières existantes ;
  • l'apprentissage de représentations non supervisée et auto-supervisée, par exemple avec des méthodes de type SimCLR ou BYOL, suivi d'une détection d'anomalies ou d'une détection à une classe (one-class) ;
  • la détection d'anomalies par patchs, notamment les normalizing flows et des approches telles que PatchCore, PaDiM, Deep SVDD ou les méthodes student-teacher.

La comparaison portera sur la qualité des cartes obtenues, la robustesse face à des structures artificielles inconnues et les implications pratiques des annotations disponibles. Un affinage des annotations pourra s'avérer nécessaire à mesure que les méthodes et les besoins d'évaluation se préciseront. Les critères et protocoles d'évaluation seront définis avec le comité au fil de l'avancement des travaux.


Résultats attendus

Le livrable principal sera un prototype fonctionnel générant des cartes de structures artificielles, accompagné d'une évaluation comparative des méthodes explorées et de recommandations pour la suite du développement. La performance en temps réel est un enjeu à plus long terme : au moins 10 images par seconde pourraient à terme être nécessaires, mais l'optimisation de la vitesse ne constituera pas une contrainte initiale du projet.


Ce poste vous donne la possibilité de :

  • Découvrir Philips, leader mondial en imagerie médicale (IRM, scanner, échographie, rayons X, etc.), reconnu pour l'excellence de ses produits et ses technologies de pointe.
  • Travailler dans un centre de R&D mondial au cœur de Paris dédié au traitement d'images médicales grâce à l'intelligence artificielle, au sein du Philips Health Technology Innovation Paris.
  • Mener un projet de recherche appliquée de bout en bout, de l'état de l'art jusqu'au prototype, aux côtés d'experts en deep learning et en imagerie interventionnelle.

Votre fonction :

  • Réaliser une revue de l’état de l’art en segmentation, en apprentissage auto-supervisé et en détection d'anomalies appliqués à l'imagerie, tout en la ciblant au projet du stage.
  • Implémenter, entraîner et comparer plusieurs approches de deep learning : segmentation supervisée, apprentissage de représentations auto-supervisé, détection d'anomalies par patchs.
  • Évaluer la robustesse des méthodes face à des dispositifs inconnus et contribuer, si nécessaire, à l'affinage des annotations.
  • Définir, avec vos encadrants, les critères et protocoles d'évaluation, puis développer un prototype fonctionnel et formuler des recommandations.

Vous êtes la personne qu'il nous faut si :

  • Vous êtes en dernière année d'école d'ingénieur ou en Master 2 (de préférence recherche) avec une spécialisation en intelligence artificielle, vision par ordinateur, traitement d'image ou mathématiques appliquées.
  • Vous avez une expérience concrète en deep learning, idéalement appliqué à l'image (CNN, U-Net, etc.), acquise lors d'un stage de recherche ou technique, de projets académiques ou de projets personnels.
  • Vous avez vous-même implémenté, entraîné et fait évoluer des modèles de deep learning, au-delà de l'intégration ou de l'utilisation de modèles existants.
  • Vous possédez de solides connaissances en statistiques, machine learning, deep learning et traitement d'image.
  • Vous maîtrisez Python et PyTorch.
  • Une première expérience en segmentation d'images, apprentissage auto-supervisé ou détection d'anomalies est un plus, tout comme une exposition au domaine médical.
  • Vous faites preuve de curiosité scientifique, de rigueur et d'autonomie, et vous savez expliquer et défendre vos choix techniques.
  • Vous possédez une excellente communication et une capacité à travailler en équipe.
  • Vous maîtrisez l'anglais de manière courante.

À noter : l'équipe propose également un second sujet de stage, « Deep Learning for Motion Compensation in X-ray Fluoroscopy ». Si les deux sujets vous intéressent, n'hésitez pas à le préciser dans votre candidature.


Rémunération & avantages

Un travail porteur de sens mérite une rémunération juste et transparente.

  • Gratification de stage comprise entre 1 350 € et 1 500 € brut par mois pour un stage de fin d'études (Master 2)
  • Remboursement à hauteur de 75 % de votre titre de transport et prise en charge partielle de votre repas au restaurant d'entreprise

Comment nous travaillons ensemble

Nous sommes convaincus que nous sommes meilleurs ensemble que séparément. Pour nos équipes basées dans les bureaux, cela représente une présence à temps plein dans les locaux de l'entreprise au moins trois jours par semaine.


À propos de Philips

Nous sommes une entreprise spécialisée dans les technologies de la santé. Nous avons bâti

toute notre entreprise autour de la conviction que chaque être humain compte.

Et nous ne nous arrêterons pas tant que chaque individu n'aura pas accès aux soins de santé de qualité qu'il mérite. Faites le travail de votre vie pour aider à améliorer la vie des autres.

Si ce poste vous intéresse et si vous correspondez à de nombreux critères ; pas nécessairement

à tous, nous vous encourageons à postuler. Vous serez peut-être le candidat idéal pour ce

poste, ou pour un autre, chez Philips. Apprenez-en davantage sur notre engagement envers la diversité et l'inclusion ici.


#LI-EU

#LI-OFFICE

#LI-FIELD

Key Skills
Deep learningPythonPyTorchComputer visionImage processingApplied mathematicsSegmentationSelf-supervised learningAnomaly detectionMedical imagingStatisticsMachine learningResearchData analysis
Categories
Science & ResearchTechnologyHealthcareSoftwareData & Analytics
Benefits
Transportation allowanceCompany restaurant subsidy
Stage Ingénieur R&D – "Anatomy Score Maps for Neurovascular X- ray" (H/F) - InternshipsHQ