Ingénieur de Recherche H/F en développement et déploiement de modèles de détection d’anomalies non supe

Missions :
Le projet PRODROM-ND vise à développer des outils pour l’analyse de données multimodales (imagerie, données cliniques, omiques) des formes prodromiques (c’est-à-dire précédent l’apparition des symptômes de la maladie) de différentes maladies neurodégénératives. L’un des axes de travail du projet concerne le développement de modèles par apprentissage profond pour la détection de biomarqueurs d’imagerie sensibles aux signaux faibles associés aux formes prodromiques, en particulier la présence d’anomalies subtiles dans les données d’imagerie. L’objectif est de dresser un état de l’art des modèles de détection d’anomalies non supervisés (UAD pour Unsupervised Anomaly Detection) pour la neuroimagerie, définir un cadre d’évaluation standardisé et reproductibles de ces méthodes pour différentes maladies neurodégénératives, adapter les modèles existants, si besoin, aux spécificités de la problématique clinique et obtenir une première évaluation des performances de ces modèles qui servira ensuite de base pour le développement de modèles plus robustes et sensibles aux anomalies subtiles caractéristiques des stades précoces de ces pathologies.
L’équipe MYRIAD du laboratoire CREATIS a développé une expertise forte en modèle UAD pour la neuoirmagerie et développé plusieurs modèles originaux

Dans ce contexte la mission de la personne recrutée s’organisera autour de quatre axes principaux.

-Prendre en main les modèles d’UAD développés au laboratoire CREATIS et les regrouper dans une librairie de code unifiée.
-Sélectionner les modèles d’UAD pour la neuoimagerie les plus pertinents de la littérature et les intégrer à la librairie de code UAD
-Adapter les modèles UAD aux spécificités des données de neuroimagerie (aspect tridimensionnel, apprentissage de représentations dédiées, prise en compte de données cross-sectionnelles ...)
- Elaborer, en collaboration avec les autres partenaires du projet PRODROM-NN, une étude de comparaison des performances des différents modèles d’UAD de l’état de l’art et/ou développés par les différents partenaires dans des conditions expérimentales fixées et reproductibles. Ce travail nécessitera de centraliser quelques bases de données publiques et de définir des métriques de performance adaptées aux spécificités des anomalies neurodégénératives prodromales.
Activités :
• Effectuer une analyse de la bibliographie scientifique afin de dresser l’état de l’art des modèles UAD les plus performants en neuroimagerie.
• Développer la librairie de modèles UAD en unifiant les codes disponibles des différents modèles du laboratoire et de la littérature.
• Proposer des stratégies d’adaptation des modèles développés aux spécificité des données de neuroimagerie. Evaluer la faisabilité technique et calculatoire.
• Mettre en place un benchmark sur des cohortes publiques multi-sites de maladies neurodégénératives incluant des données précoces.
• Contribuer à la vie académique du grou
Voir plus sur le site emploi.cnrs.fr...

Competences :
• Formation en informatique avec une spécialisation en traitement de données de neuroimagerie.
• Maîtrise de Python et des librairies de deep learning comme PyTorch ou TensforFlow
• Maîtrise de Git et des pratiques de développement collaboratif.
• Expérience en développement de modèles UAD pour la neuroimagerie
• Capacité à analyser la littérature, à évaluer des outils disponibles et à les transformer en solutions utilisables par une équipe de recherche.
• Rigueur, autonomie, qualité de documentation et aptitude à travailler avec chercheur·ses, ingénieur·es et doctorant·es dans un contexte multidisciplinaire

Une présélection sera réalisée sur la base du CV, de l’expérience, des compétences et de la lettre de motivation. Les candidats présélectionnés seront convoqués pour une audition.
Les candidatures doivent comprendre les documents suivants :
• Un Curriculum Vitae complet,
• Une lettre de motivation, exposant les intérêts de recherche du candidat en lien avec le projet,
• Le contact d'une ou deux personnes référentes,
• Si possible, une ou deux lettres de recommandation,
• Les relevés de notes de Master (M1 et M2) ou équivalent, ainsi que tout certificat pertinent.
Contraintes et risques :