Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

10 août 2017

Sujet de thèse Idex : Analyse multimodale de données biomédicales


Catégorie : Doctorant


Thèse financée par l'Idex UCA-JEDI de l'Université Côte d'Azur.

 

Contexte

Le projet « Intégration et Analyse de Données Biomédicales » (IADB) est financé par l'Idex UCA JEDI de l'Université Côte d'Azur. Il vise à améliorer le pronostic médical et l'assistance à la prise de décision dans le domaine clinique par des techniques d'analyse de masses de données. Il met en résonance des compétences en traitement de la langue naturelle (pour extraire une information symbolique des comptes rendus médicaux), en imagerie (pour l'extraction de biomarqueurs), en intégration de masses de données (pour amplifier la puissance statistique des processus d'analyse par l'intégration de très grandes cohortes médicales) et en apprentissage profond (pour classifier les données selon des indications pathologiques ou répondre à des questions cliniques).

L'une des problématiques abordées dans IADB est l'extraction de biomarqueurs à partir de signaux et d'images afin d'enrichir les données médico-administratives disponibles sur les patients et d'intégrer l'ensemble des informations disponibles dans un algorithme de pronostic et d'aide à la décision basé sur des techniques d'apprentissage à partir des données.

Sujet

Cette thèse portera plus spécifiquement sur l'extraction de biomarqueurs sur la fonction cardiaque, cérébrale, ou digestive, à partir de différentes modalités d’acquisition de données basées sur l’imagerie (échocardiogrammes, IRM cérébrales, images histologiques) et les signaux électrophysiologiques (électrocardiogramme, cartographies électroanatomiques cardiaques, électroencéphalogramme, électrogastrogramme). Ces données hétérogènes, multi-échelles et parfois incomplètes seront combinées à l’aide d’algorithmes de traitement des signaux et des images adaptés, en privilégiant les décompositions matricielles et tensorielles couplées, qui ont montré leur intérêt dans le domaine biomédical. Il est escompté que les factorisations conjointes des données multimodales fourniront de nouveaux marqueurs complémentaires à ceux issus des données médico-administratives. La pertinence clinique des nouveaux marqueurs sera évaluée au moyen d’algorithmes d’apprentissage automatique (machine learning) pour l’aide au diagnostic et le suivi des patients.

Laboratoire d’accueil

Cette thèse sera effectuée au sein du Laboratoire d’informatique, signaux et systèmes de Sophia Antipolis (I3S, UMR 7271), en étroite collaboration avec le Centre hospitalier universitaire (CHU) Nice Pasteur et le Centre hospitalier Princesse Grace de Monaco.

Prérequis

Le ou la candidat(e) devra avoir une bonne expérience en traitement du signal et de l'image. Des connaissances dans l'imagerie médicale, les signaux biomédicaux et les techniques d'apprentissage seront appréciées.

Rémunération

2 k€/mois net (thèse Idex).

Candidatures

Envoyer une lettre de motivation, un CV récent, au moins deux lettres de recommandation, et les relevés de notes de Master à <zarzoso@i3s.unice.fr>.

Délai : 30 septembre 2017.

 

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2015.