Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

8 mars 2020

Apprentissage de représentations multi-modales d’IRM cérébrales pour la cartographie des différences individuelles


Catégorie : Stagiaire


 

 

 

Durée: 4 à 6 mois

Niveau : école d'ingénieur ou master

Dates : printemps / été 2020

 

En imagerie cérébrale, exploiter la complémentarité offerte par différentes modalités d’images doit permettre de s’affranchir des limitations de chacune des modalités. Dans cette optique, nous avons développé une méthode d’apprentissage de représentation multi-modales qui fusionne les informations offertes par différents types d’IRM (imagerie par résonance magnétique). Cette méthode est basée sur l’apprentissage profond, et nous avons démontré qu’une telle fusion permet de mieux cartographier les différences inter-individuelles observées dans des tâches de perception auditive, à partir de deux modalités (IRM fonctionnelle de repos et IRM fonctionnelle de tâche). Ce stage s’inscrit dans la continuation de ce projet et vise à poursuivre ces travaux à la fois au niveau applicatif et méthodologique.

Dans un premier temps, l’étudiant.e procédera au traitement de données d’IRM cérébrales pour construire les caractéristiques données en entrée à cet algorithme sur une grande base de données ouverte, de type Human Connectome Project. Il.elle appliquera la méthode existante sur cette base de données afin d’évaluer quantitativement ses performances.

Dans un deuxième temps, l’étudiant.e travaillera sur des dévelopements méthodologiques visant à améliorer l’algorithme. Un des objectifs visera à généraliser l’algorithme pour qu’il fonctionne sur plus de deux modalités en ajoutant de nouveaux types d’images (IRM anatomique, IRM de diffusion).

Compétences requises:

- Très bon niveau en programmation python.

- Très bon niveau en apprentissage automatique (dont apprentissage profond).

- Connaissances en traitement d’image médicales

- Bon niveau en anglais.

 

En pratique le/la stagiaire sera intégré à l'Institut de Neurosciences de la Timone (INT, Marseille ; http://int.univ-amu.fr) et travaillera en collaboration avec l’équipe de Machine Learning du Laboratoire d'Informatique et des Systèmes (LIS, Marseille ; http://qarma.lis-lab.fr/).

Envoyer CV+lettre de motivation à akrem.sellami@univ-amu.fr et sylvain.takerkart@univ-amu.fr

 

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2020.