« Retour

Schmid Jérôme

Professeur HES ordinaire

Compétences principales

Signal Processing (Images/Video)

Professeur HES ordinaire

Haute école de santé - Genève
Avenue de Champel 47, 1206 Genève, CH

Domaine
Santé

Filière principale
Technique en radiologie médicale

Le professeur Jérôme Schmid travaille depuis de nombreuses années dans le domaine du traitement et de l'analyse des images médicales, en se concentrant sur la segmentation et le recalage. Il s'est spécialisé dans les modèles déformables à base physique appliqués à la modélisation du système musculo-squelettique humain. Le professeur Schmid a également exploré la combinaison des modèles déformables avec l'apprentissage automatique, ainsi que l'utilisation de l'apprentissage profond pour le diagnostic assisté par ordinateur, comme la reconnaissance des fractures osseuses dans les radiographies du poignet, la détection de la maladie de Parkinson dans l'imagerie SPECT ou la détection des lésions mammaires dans l'IRM dynamique. L'application de l'intelligence artificielle à des fins pédagogiques a également été explorée par son équipe lors de la conception du prototype de formation AIRx pour simuler la génération réaliste de radiographies.

Depuis 2011, le professeur Schmid et son équipe à la HES-SO ont acquis une solide expertise en matière de diagnostic assisté par ordinateur et de chirurgie guidée par l'image dans le cadre de plusieurs projets de recherche financés par les secteurs public et privé, notamment le Fonds national suisse de la recherche scientifique, lnnosuisse et diverses fondations suisses.

MSc HES-SO/UNIL en Sciences de la santé - HES-SO Master

Intelligence artificielle et médecine assistée par ordinateur
Acquisition et post-traitement des images radiologiques
Systèmes informatisés de santé
Mathématiques appliquées à l'imagerie radiologique

BSc HES-SO en Technique en radiologie médicale - Haute école de santé - Genève

Propriétés de l'image numérique
Reconstruction, traitement et visualisation d'images radiologiques
Etude de cas multimodalités
Méthodologie de recherche
Intelligence artificielle et médecine assistée par ordinateur

Technologies et simulation 3D en orthopédie et médecine du sport - Faculté de médecine de l'Université de Genève

Reconstruction, traitement et visualisation d'images radiologiques

En cours

DeepDAT: Investigating techniques of artificial intelligence for the diagnosis of Parkinson’s disease with Dopamine SPECT imaging

Rôle: Requérant(e) principal(e)

Financement: Partenaire du secteur privé

Description du projet :

La prévalence mondiale de la maladie de Parkinson (MP) a plus que doublé au cours de la dernière génération. Les coûts associés à la MP représentent une charge économique substantielle pour la société suisse et, bien que la maladie réagisse très bien au traitement médical, il est de plus en plus évident qu'une intervention précoce peut contribuer à améliorer la qualité de vie des patients. La technique d'imagerie SPECT du transporteur de la dopamine (DAT) a prouvé sa valeur clinique en améliorant sensiblement la confiance des médecins dans leur diagnostic de la maladie, mais elle dépend du niveau d'expertise des lecteurs. Si l'intelligence artificielle (IA) peut apporter une aide précieuse au diagnostic de la MP, ses performances dépendent fortement de la disponibilité et de la qualité des données d'entraînement. Notre objectif est d'étudier les performances de l'IA pour détecter la MP dans des ensembles de données d'imagerie hétérogènes, collectés avec différents équipements et à différents endroits. Une attention particulière sera accordée à la conception d'outils d'IA interprétables pour soutenir la prise de décision clinique.

Equipe de recherche au sein de la HES-SO: Schmid Jérôme

Partenaires académiques: Prof. Garibotto Valentina, Hôpitaux Universitaires de Genève

Durée du projet: 01.02.2022 - 01.06.2025

Statut: En cours

SUBREAM: Smart And Ultrafast Breast MR Imaging For Cancer Detection

Rôle: Requérant(e) principal(e)

Financement: Recherche suisse contre le cancer

Description du projet :

Le cancer du sein est le cancer le plus fréquent et la principale cause de décès par cancer chez les femmes, avec une moyenne de 1'400 décès par an en Suisse. Bien que l'imagerie par résonance magnétique (IRM) présente la meilleure sensibilité, son utilisation pour le dépistage des patients présentant des risques faibles à modérés est remise en question en raison de son coût élevé et de la disponibilité limitée des équipements. La philosophie du projet SUBREAM est de "faire mieux avec moins", en tirant parti de séquences IRM intelligentes et des avancées en intelligence artificielle. En effet, la pratique clinique actuelle de l'imagerie par résonance magnétique du sein repose encore fortement sur la caractérisation morphologique des lésions dans les images pré-contraste à haute résolution et l'imagerie de diffusion, et exploite des descripteurs élaborés manuellement à partir de la cinétique de contraste mesurée sur plusieurs séries DCE pondérées en T1 - ce qui conduit à des examens longs et sophistiqués qui peuvent encore caractériser à tort les lésions et être responsables de biopsies inutiles. Le projet SUBREAM étudiera un nouveau protocole IRM du sein visant à raccourcir de manière significative le temps d'acquisition et à améliorer les performances diagnostiques - en combinant les progrès récents de l'IA et des séquences IRM ultrarapides du sein.

Equipe de recherche au sein de la HES-SO: Schmid Jérôme , Hyacinthe Jean-Noël , Mataj-Lokaj Belinda , Chênes Christophe

Partenaires académiques: Dr. Kinkel Karen, Réseau hospitalier neuchâtelois; Prof. Lovis Christian, Hôpitaux Universitaires de Genève / Unige

Partenaires professionnels: Dr. Djema Dahila, Clinique des Grangettes

Durée du projet: 01.01.2022 - 30.06.2025

Montant global du projet: 227'750 CHF

Url du site du projet: https://gap.swisscancer.ch/publicportal#/details/KFS-5460-08-2021

Statut: En cours

Terminés

Intelligence artificielle et transformation de la profession TRM

AGP

Rôle: Co-requérant(s)

Financement: HES-SO Rectorat; Santé; VD-HESAV

Description du projet : L'intelligence artificielle (IA) se développe et s'implante dans tous les secteurs, y compris ceux de la vie quotidienne, et suscite des mutations majeures dans le monde professionnel. C'est notamment le cas du domaine de la santé, et de l'imagerie médicale en particulier. Notre projet propose une étude de terrain exploratoire, dont l'objectif est d'analyser de quelle manière les technicien·ne·s en radiologie médicale utilisent l'IA dans leur activité professionnelle et quelles transformations de leur profession cela implique. Une enquête ethnographique sera menée dans un groupe d'imagerie médicale privé en Suisse romande.

Equipe de recherche au sein de la HES-SO: Schmid Jérôme , Rey Séverine , Al-Musibli Azal

Durée du projet: 01.11.2021 - 31.08.2022

Montant global du projet: 70'551 CHF

Statut: Terminé

AIRx: Investigating techniques of artificial intelligence in the teaching of radiography

Rôle: Requérant(e) principal(e)

Financement: Fondation Hasler

Description du projet :

The “AIRx” project aims to introduce and exploit techniques of artificial intelligence (AI) in the teaching of radiography (Rx). The primary targeted audience are radiographer students, i.e. the future healthcare professionals mainly responsible of the acquisition and processing of medical images. The main objective is to deliver a radiography simulator using AI to detect human positioning and generate artificial yet realistic X-ray images. Indeed, some inadequacies in current teaching approaches are mainly explained by safety and ethical reasons: students perform real X-ray acquisitions on inanimate objects only, while they practice positioning exercises on other students without acquiring X-ray images; conversely, internships expose students to live situations – but these situations cannot be controlled like in teaching practice. Another objective is to promote the teaching of AI to health professionals while reinforicing their ICT knowledge, which is becoming a serious priority at both national and international levels. We expect innovative results in the field of ICT and in particular AI, and a practical impact on the learning experience of X-ray imaging.

Equipe de recherche au sein de la HES-SO: Schmid Jérôme , Chênes Christophe

Durée du projet: 01.11.2019 - 31.12.2020

Montant global du projet: 49'854 CHF

Statut: Terminé

High-temperature tolerant X-ray imaging detector for medical applications in harsh environments

Rôle: Co-requérant(s)

Requérant(e)s: Thiran Jean-Philipe, EPFL

Financement: Innosuisse - Swiss Innovation Agency

Description du projet :

The overwhelming majority of medical X-ray systems provided in emerging markets are still film-based, incurring very high operating costs and yielding poor image quality. Modern digital X-ray systems are not spread in these countries due to their high complexity and fragility, but also because their X-ray detectors are not working properly at high temperatures. This project aims to develop a medical x-ray detector able to provide high-quality images in very harsh environments. This detector combines state-of-the-art CMOS APS sensors in a novel hardware architecture for real-time image processing.

Equipe de recherche au sein de la HES-SO: Schmid Jérôme , Chênes Christophe

Partenaires académiques: Thiran Jean-Philipe, EPFL; Verdun Francis, CHUV, Institut de radiophysique appliquée (IRA)

Partenaires professionnels: Blanchard Hubert, Pristem SA

Durée du projet: 01.03.2018 - 30.07.2020

Montant global du projet: 408'985 CHF

Statut: Terminé

Development and Validation of A Multi-modal Image-based Model Generation Method for Non-invasive Dynamic Assessment of Femoroacetabular Impingement (FAI)

Rôle: Co-requérant(s)

Requérant(e)s: Zheng Guoyan, Université de Berne, ISTB

Financement: Fonds National Suisse (FNS)

Description du projet :

ENGLISH:

Femoroacetabular impingements (FAI) is defined as a painful dynamic abutment between the hip socket and the femoral head. It is a major cause of primary hip osteoarthritis and one of the key risk factors that may lead to early cartilage and labral damage in young adults. The therapy of FAI involves the surgical resection of the impinging areas of the acetabulum and the proximal femur. Based on a strong research experience on FAI, we know that its diagnosis is difficult and that the current gold standard is problematic as it requires the direct intraoperative visualization of the impingement conflict. A less invasive approach relies on a radiological analysis of standard 2D radiographs and MR images - a task however not automated and whose quality depends on the physician’s expertise. Virtual 3D impingement simulations provide a more objective and accurate way to study FAI but most approaches rely on CT scans, which expose patients to high doses of radiation. MR images were used as a non-invasive alternative to build 3D models for FAI analysis but the resulting approaches were often not fully automatic or required conditions sometimes incompatible with clinical setups (e.g., MR images with large field-of-view (FOV))

This project will develop an efficient method to generate 3D anatomical models using Computed Tomography (CT)-free imaging protocols that are used in clinical routine in order to support computer-assisted diagnosis and surgical planning of FAI. We will devise a fully automatic approach based on multi-modal images combining 2D X-ray radiograph with 3D Magnetic Resonance (MR) Images acquired with small FOV. In order to achieve this goal, we are aiming to develop A) a fully automatic, machine learning based approach for segmenting 3D MRI data acquired with small FOV; B) a disease-specific, articulated statistical shape model (DS-aSSM) based 2D-3D reconstruction technique to generate 3D patient-specific models from 2D X-rays; and C) a robust multi-modal data fusion method to fuse models generated from A) and B).Scientific and Social Impact of the Research ProjectAlthough there are many risk factors contributing to hip osteoarthritis (HOA), it is now generally accepted that more subtle bony abnormalities associated with FAI and/or developmental dysplasia (DD) contribute substantially to HOA. Various studies have suggested that computer-assisted 3D modeling techniques can help clinicians to better understand the dynamic and static factors of FAI - via patient-specific pre-operative planning and intra-operative assessment. Capitalizing on standard FAI diagnosis imaging protocol, i.e., conventional X-rays and MRI, to reduce radiation and to avoid unnecessary disruption to the standard clinical workflow, the proposed CT-free 3D anatomical model generation approach will facilitate a future wide-spread access of computational simulation and virtual surgical planning techniques for patients with FAI and address a key social challenge of our society.

FRENCH:

Le projet vise à développer des approches assistées par ordinateur pour créer des modèles personnalisées de la hanche dans le but d’étudier et traiter les conflits fémoro-acétabulaires.

L’originalité du projet réside dans l’utilisation d’acquisitions radiologiques très peu invasives (radiographies et IRM) et dans la création de méthodes informatisées robustes et totalement automatisées.

Les conflits fémoro-acétabulaires sont une des causes majeures de coxarthrose primaire et sont à l’origine de lésions du cartilage et du labrum chez les jeunes adultes. Il est estimé que 10 à 15% de la population adulte serait atteinte par une des formes de ces conflits. Afin de restituer au patient mobilité et confort, le traitement chirurgical est souvent nécessaire. Celui-ci nécessite alors une planification précise qui se base notamment sur la localisation des conflits sur les surfaces articulaires.

Equipe de recherche au sein de la HES-SO: Schmid Jérôme , Chênes Christophe

Partenaires académiques: Zheng Guoyan, Université de Berne, ISTB; Tannast Moritz, Université de Berne, Inselspital

Durée du projet: 01.07.2018 - 30.04.2019

Montant global du projet: 174'463 CHF

Statut: Terminé

GlobalDiagnostiX: diagnostic approprié pour les hôpitaux des pays en voie de développement

Rôle: Co-requérant(s)

Requérant(e)s: Schönenberger Klaus, Ecole polytechnique fédérale de Lausanne (EPFL): EssentialMed

Financement: HES-SO

Description du projet :

La radiologie et l’échographie sont des outils essentiels de la médecine. Pourtant, ces instruments médicaux d’importance vitale sont inaccessibles pour plus de deux tiers de la population mondiale. La cause principale de ce problème d’accès est l’inadéquation entre la technologie existante et le contexte des pays pauvres.

Le projet GlobalDiagnostiX constitue une approche innovante et ambitieuse visant à contribuer à la solution d'un problème majeur des systèmes de santé des pays pauvres : le développement et déploiement d’une technologie appropriée en imagerie médicale pour améliorer l’accès à ce moyen diagnostic clé au niveau des petits hôpitaux.

Chapeauté par la fondation EssentialMed du Centre de Coopération et Développement (CODEV) de l’Ecole Polytechnique Fédérale de Lausanne (EPFL), le projet GlobalDiagnostiX vise à développer un système d'imagerie diagnostique adapté au contexte des pays pauvres ayant un coût total de cycle de vie inférieur à $50'000 (y-compris les coûts d’achat et d’exploitation pendant 10 ans).

Actuellement, une importante coalition d’instituts de la Haute Ecole Spécialisée de Suisse Occidentale (HES-SO), de l’EPFL et de l’institut Paul Scherrer (PSI) travaille sur le développement d’un prototype. La filière Technique en Radiologie Médicale (TRM) de la Haute école de Santé de Genève (HEdS) participe à son développement, recherche des solutions innovantes et s’assure que le prototype réponde aux besoins des futurs utilisateurs.

Afin de pallier au manque de formation et assurer un soutien en continu en faveur de l’apprentissage Utilisateur sur place, la filière TRM de la HEdS travaille sur le développement d’une plateforme de formation et de soutien technologique, notamment en s’appuyant sur des solutions de type « télémédecine ».

Equipe de recherche au sein de la HES-SO: Schmid Jérôme , Fleury Eric , Chênes Christophe

Partenaires académiques: Schönenberger Klaus, Ecole polytechnique fédérale de Lausanne (EPFL): EssentialMed; EPFL, DESL - LTS5 – LSR – CODEV-EssentialTech; HES-SO, Valais, heigVD IESE / COMATEC, hepia inSTI, Edana, écal; Paul Scherrer Instritute (PSI), LSB; University Research Center on Ennergy for Health Care (CURES), University Research Center on Ennergy for Health Care (CURES); Centre hospitalier universitaire vaudois, Department of Medical Radiology; Swiss Tropical and Public Health Institute (Swiss TPH), SSCIH

Partenaires professionnels: Hôpital Universitaire de Yaoundé – CHU

Durée du projet: 01.02.2012 - 31.01.2019

Url du site du projet: http://www.globaldiagnostix.org/

Statut: Terminé

MyPlanner: implementing advanced processing of clinical 2D X-ray imaging into optimal individualized planning and intraoper-ative assistance for total joint arthroplasty

Rôle: Requérant(e) principal(e)

Financement: Innosuisse - Swiss Innovation Agency

Description du projet :

Ce projet vise à améliorer la planification chirurgicale d'arthroplastie totale en développant des approches qui réduisent la dose ionisante délivrée par l'imagerie radiologique tout en offrant un outil de planification précis aux chirurgiens. Le projet se concentre donc sur les protocoles d'acquisition radiologiques ainsi que sur le traitement informatisée de l'image radiologique.

L’utilisation du scanner (tomodensitométrie) dans l’arthroplastie totale a révolutionné la planification chirurgicale en offrant plus de précision et de reproductibilité grâce à la modélisation tridimensionnelle et personnalisée des articulations du patient. Cependant l’utilisation de cette modalité d’imagerie s’est accompagnée d’une augmentation de la dose ionisante délivrée au patient.

Ce projet vise à rebasculer de la tomodensitométrie à la radiographie conventionnelle en fournissant une solution qui fournirait une qualité de reconstruction anatomique comparable et qui s’intégrerait de façon harmonieuse dans le workflow clinique. Les techniques développées offriront un support aux chirurgiens orthopédiques à tous les niveaux: planification préopératoire, assistance peropératoire par guides de coupe et enfin analyse postopératoire du placement des implants.

Equipe de recherche au sein de la HES-SO: Schmid Jérôme , Chênes Christophe

Partenaires professionnels: Bernardoni Massimiliano, Medacta International SA

Durée du projet: 01.09.2014 - 31.12.2018

Montant global du projet: 145'360 CHF

Statut: Terminé

MyHip: Patient-Specific Pre-operative Planning and Intra-operative Surgical Guidance for Total Hip Arthroplasty

Rôle: Requérant(e) principal(e)

Financement: Commission pour la technologie et l'innovation (CTI)

Description du projet :

ENGLISH:

MyHip aims at creating a complete solution for the planning and execution of total hip arthroplasty (THA). By considering preoperatively the kinematics of the prosthetic hip and pelvis tilting, accurately modeled from the patient morphology, a dynamic planning for THA can be defined. This novel planning provides operating parameters which aim to minimize the onset of articular conflicts and (sub-)luxations. Furthermore, the creation of intra-operative guidance tools for the faithful reproduction of the surgical planning strengthens this dynamic planning for THA.

In this project, Artanim was responsible for the development of the dynamic simulation module of the prosthetic hip driven by motion capture data.

FRENCH:

L’arthroplastie totale de la hanche consiste à remplacer l’articulation défaillante et douloureuse par divers composants prothétiques. Cette chirurgie généralement efficace conduit parfois à des mécanismes fonctionnels indésirables qui impliquent une révision précoce de la prothèse.
Ces effets découlent en général d’une planification mal adaptée et caractérisée par un mauvais choix et positionnement des implants. La planification conventionnelle se base essentiellement sur une analyse de clichés radiographiques, adoptant ainsi une approche « statique » qui ignore à tort la dynamique de l’articulation prothétique.

Le projet MyHip se base sur l’hypothèse qu’une planification, qui considère de façon personnalisée la dynamique de la hanche prothétique, apportera au patient un meilleur confort et une efficacité mécanique sur le long terme.
En se basant sur l’imagerie médicale et la capture de mouvement optique, la morphologie du patient, son inclinaison pelvienne ainsi que sa mobilité sont modélisés et utilisés dans une simulation informatique. Cette assistance par ordinateur permet de détecter tous conflits articulaires et de corriger ainsi le choix et la pose des implants.

Le projet contribue aussi au développement de guides de coupes, qui permettent de reproduire de façon plus fiable et plus précise le planning chirurgical.

Equipe de recherche au sein de la HES-SO: Schmid Jérôme , Chênes Christophe

Partenaires académiques: Charbonnier Caecilia, Fondation Artanim; Christofilopoulos Panayiotis, Hôpitaux Universitaires de Genève

Partenaires professionnels: Bernardoni Massimiliano, Medacta International SA

Durée du projet: 01.02.2012 - 31.01.2014

Montant global du projet: 269'750 CHF

Url du site du projet: https://www.hesge.ch/heds/recherche-developpement/projets-recherche/myhip

Statut: Terminé

2025

Multimodal deep learning fusion of ultrafast-DCE MRI and clinical information for breast lesion classification

Article scientifique ArODES

Belinda Lokaj, Valentin Durand de Gevigney, Amal-Dahila Djema, Jamil Zaghir, Jean-Philippe Goldman, Mina Bjelogrlic, Hugues Turbé, Karen Kinkel, Christian Lovis, Jerome Schmid

Computers in biology and medicine, 2025, 188, 109721

PEOPLE@HES-SO Annuaire et Répertoire des compétences

Schmid Jérôme

Professeur HES ordinaire

Compétences principales

Imagerie médicale

Artificial Intelligence (AI)

Traitement d'images

Digital image processing

Signal Processing (Images/Video)

Computer Vision

Machine Learning

Professeur HES ordinaire

PEOPLE@HES-SO
Annuaire et Répertoire des compétences