Contrat doctoral H/F – Modèles prédictifs par apprentissage profond combinant des données cliniques et

Sujet de thèse :
Ce projet de thèse vise à développer des modèles statistiques innovants par intelligence artificielle (IA) pour la détection d’anomalies cérébrales et le pronostic du succès chirurgical chez des patients atteints d’épilepsie réfractaire aux médicaments.
Ces modèles intégreront des données d'imagerie multimodales (IRM et TEP) avec des enregistrements de signaux électrophysiologiques par magnétoencéphalographie (MEG) et des informations cliniques. Notre hypothèse est que la combinaison de ces données permettra d'identifier les zones épileptogènes (ZE) de manière non invasive afin d’optimiser la prise en charge chirurgicale, en utilisant des techniques d'intelligence artificielle (IA) avancées.
Concernant les modèles de détection de la ZE, l'objectif principal est de concevoir des modèles robustes, généralisables dans un contexte de faible régime de données et de données manquantes, et intégrant une mesure d’incertitude. Concernant le modèle pronostique, outre les caractéristiques citées précédemment, le modèle devra intégrer un module d’explicabilité, qui est une caractéristique cruciale pour garantir l'adhésion des cliniciens et pour découvrir des biomarqueurs hétérogènes du pronostic chirurgical de l’épilepsie pharmaco-résistante.
D’un point de vue méthodologique, cette thèse vise à proposer des contributions méthodologiques originales dans le domaine de modèles de détection d’anomalies subtiles et des modèles pronostiques par apprentissage profond sur des données hétérogènes.
Ce projet représente une avancée significative vers la prise en charge des patients atteints d’épilepsie pharmacorésistante.

Nous sommes à la recherche d’un candidat (H/F) disposant d’un solide dossier académique en mathématiques appliquées, informatique, apprentissage machine et analyse d’images médicales. Une bonne connaissance des librairies d’apprentissage profond (TensorFlow, Pytorch, Scikit learn) est requise, ainsi qu’une expérience significative dans la modélisation de données d’imagerie biomédicale et une bonne pratique des systèmes d’exploitation sous noyau Linux. Nous recherchons un.e candidat.e motivé.e et autonome avec un fort intérêt pour la recherche pluridisciplinaire (apprentissage statistique et traitement d’image dans un contexte médical).

Compétences / Qualifications.
• Master ou équivalent en Mathématiques Appliquées, Informatique, ou Traitement du Signal et des Images
• Très bonnes compétences en Informatique
• Motivation et aptitude à s’investir dans un travail interdisciplinaire et collaboratif.
• Bonnes capacités organisationnelles, autonomie
• Volonté de participer à des séminaires, ateliers et réunions scientifiques.
Contexte :
Le projet de thèse s’inscrit dans le cadre du projet interdisciplinaire ANR SEIZURE (ANR-24-CE45-4399) qui réunit des partenaires académiques lyonnais, spécialistes en IA et analyse d’image et du signal (CREATIS, ENS), neurosciences (CRNL) ainsi que
Voir plus sur le site emploi.cnrs.fr...