Détection automatique de bruits respiratoires pathologiques dans le but d’évaluer l’encombrement bronchique

Période, durée

le plus tôt possible, 24 semaines

Profil recherché

Élève de master2 ou d’école d’ingénieur

Gratification

4,05€/h (standard)

Lieu

Annecy-le-vieux ; Maison de la mécatronique ; laboratoire Symme

Sujet

Les activités du laboratoire SYMME sont en grande partie tournées vers l’innovation pour la santé et vers l’innovation industrielle. A l’heure où les produits atteignent une grande complexité et imposent d’exploiter les processus de production, le laboratoire SYMME est organisé pour avoir une vue d’ensemble sur la valeur ajoutée du produit et envisager l’optimisation globale de la chaîne de valeur d’un produit.

CONTEXTE :
MUKROBS est une étude clinique lors de laquelle nous enregistrons des bruits respiratoires pathologiques en différents sites de la cage thoracique.
Lors de l’étude clinique, nous récoltons donc sur différents patients des données acoustiques pour lesquelles nous cherchons à identifier et compter principalement 3 types de sons (craquement, sibilant, ronchis). Nous sommes en train de recueillir des milliers d’enregistrements bruts de durée différentes, sur un groupe pathologique et un groupe témoin, pour un effectif total de 60 sujets.

MISSIONS :
• Réaliser un état de l’art sur les modèles de machine Learning qui existent déjà pour la détection de bruits pulmonaires adventices, afin d’identifier le ou les modèles les plus pertinents pour notre étude. Ainsi qu’une bibliographie sur les techniques de traitement du signal utilisable pour les sons respiratoires.
• Il faudra ensuite avancer sur la construction de notre propre base de données issue des mesures de l’étude clinique.
• Au final, il faudra appliquer ce(s) modèle(s) sur nos données.

PROFIL :
Cette offre s’adresse à des étudiants en Bac+4 ou Bac +5.
• Autonomie
• Curiosité
• Dynamisme
• Machine Learning
• Traitement du signal

 

Contact

Marine.Loubet
@univ-smb.fr

Equipe projet

Christine Barthod, enseignant-chercheur IUT-A / SYMME
Laurent Goujon, enseignant-chercheur IUT-A / SYMME
Marine Loubet, doctorante SYMME