Choisir une formation dans le domaine de la santé, c’est se destiner à exercer une profession pleine d’avenir.
La Ra&D au sein de la HEdS-Genève est assurée par les chercheur·euse·s , avec le soutien de l'Institut de Recherche.
La HEdS-Genève c'est aussi un réseau de contacts privilégiés avec des institutions à travers le monde.
Plus grande école de santé de Suisse romande, la HEdS-Genève est la seule à réunir cinq des sept filières du domaine Santé.
Vous pouvez nous écrire en utilisant notre formulaire en ligne ou rendez-vous sur notre page FAQ :
Vous pouvez nous atteindre par téléphone ou email :
Horaire de la réception :
du lundi au jeudi
entre 7h45-12h & 13h à 15h15
le vendredi entre 7h45-12h
La réception sera exceptionnellement fermée le vendredi 2 mai 2025.
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 patientes 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.
Lokaj, B., Pugliese, M.-P., Kinkel, K., Lovis, C., Schmid, J.
(2024). Barriers and facilitators of implementation of AI : Annual Scientific Meeting 2024, European Society of Breast Imaging (EUSOBI).https://www.eusobi.org/congress/
Auteur(s) : Belinda Mataj-Lokaj Marie-Therese Pugliese Jérôme Schmid
Lokaj, B., Durand De Gevigney, V., Djema, D.-A., Kinkel, K., Lovis, C., Schmid, J.
(2024). Comparative analysis of breast lesion classification with deep learning in dynamic MRI using different types of regions of interest : Swiss Congress of Radiology.Auteur(s) : Belinda Mataj-Lokaj Valentin Durand De Gevigney
Zaghir, J., Lokaj, B., Kinkel, K., Djema, A. D., Turbe, H., Bjelogrlic, M., Durand de Gevigney, V., Schmid, J., Lovis, C., Goldman, J. P.
(2024). Efficient clinical information extraction from breast radiology reports in French : Studies in health technology and informatics.https://doi.org/10.3233/SHTI240776
Auteur(s) : Belinda Mataj-Lokaj Valentin Durand De Gevigney Jérôme Schmid
Zaghir, J., Lokaj, B., Kinkel, K., Djema, A.-D., Turbé, H., Bjelogrlic, M., Durand De Gevigney, V., Schmid, J., Lovis, C., Goldman, J.-P.
(2024). Efficient clinical information extraction from breast radiology reports in French : Medical Informatics Europe.Auteur(s) : Belinda Mataj-Lokaj Valentin Durand De Gevigney Jérôme Schmid
Lokaj, B., Durand de Gevigney, V., Goldman, J.-P., Kinkel, K., Lovis, C., Zaghir, J., Djema, D.-A., Schmid, J.
(2024). Enhancing breast lesion classification by integrating lesion characteristics and clinical data information with ultrafast MRI : European Congress of Radiology 2024 (EPOS).Auteur(s) : Belinda Mataj-Lokaj Valentin Durand De Gevigney Jérôme Schmid
Lokaj, B., Durand de Gevigney, V., Djema, D. A., Zaghir, J., Goldman, J. P., Bjelogrlic, M., Turbe, H., Kinkel, K., Lovis, C., Schmid, J.
(2025). Multimodal deep learning fusion of ultrafast-DCE MRI and clinical information for breast lesion classification : Computers in biology and medicine.https://doi.org/10.1016/j.compbiomed.2025.109721
Auteur(s) : Belinda Mataj-Lokaj Jérôme Schmid Valentin Durand De Gevigney