Etudiant : BOUKHRIS ABDELHAMID

Filière : Master Web Intelligence et Sciences des Données (WISD)

Encadrant : Pr. RIFFI JAMAL

Annèe : 2025

Résumé : Lors de mon stage, j’ai travaillé sur l’amélioration des méthodes d’estimation de profondeur pour la chirurgie mini-invasive, en explorant les approches monoculaires et stéréoscopiques. J’ai implémenté et évalué des modèles d’apprentissage de pointe tels que RAFT, RAFT-Stereo et FoundationStereo sur le jeu de données chirurgical SCARED. Mon travail a consisté à développer une chaîne de traitement pour gérer des images haute résolution via un découpage en patchs et la reconstruction de cartes de disparité précises avec PyTorch, ainsi qu’à réaliser une analyse comparative de l’exactitude, du temps d’inférence et de la robustesse des modèles. J’ai également documenté en détail l’architecture et les mécanismes internes de RAFT-Stereo, contribuant à l’avancement de méthodes pour une perception de profondeur en temps réel et fiable en chirurgie assistée par ordinateur.