Offre en lien avec l’Action/le Réseau : – — –/– — –
Laboratoire/Entreprise : Laboratoire LISTIC – Université Savoie-Mont-Blanc
Durée : 4 à 6 mois
Contact : jean-yves.ramel@univ-smb.fr
Date limite de publication : 2025-01-26
Contexte :
Machine Learning sur Graphes (GNN et VGAE) pour des applications en neurosciences et imagerie multimodales.
L’objectif de ce travail n’est pas seulement de produire un système de classification obtenant de bonnes performances mais aussi de mettre en place des modèles permettant d’expliquer les décisions produites.
Sujet :
Missions :
1. Étude de l’état de l’art sur les représentations graphes adaptées à la représentation d’images 3D multimodales et sur les modèles GNN et VGAE permettant le traitement de telles données.
2. Sélection du mode de construction des graphes en utilisant des techniques de segmentation d’images déjà implémentées appliquées à des IRM cérébrales T1 et TEP. Il s’agira de définir les meilleurs paramètres à utiliser pour intégrer les informations multimodales de manière pertinentes au sein des graphes (mode de segmentation, mode de création des nœuds et arêtes, attributs des nœuds et arêtes du graphes).
3. Mise en place de modèles GNN et/ou VGAE et des procédures d’explicabilité associées. Application à l’analyse de graphes représentant des cerveaux humains sein ou ayant un niveau de pathologie plus ou moins important. L’objectif n’est pas uniquement de classifier mais aussi
d’identifier les bio-marqueurs associés à la tâche étudiée.
4. Les modèles proposés pourront être évalués sur un dataset d’images IRM 3D T1 et TEP de cerveaux humains (détection précoce de la maladie d’Azheimer).
5. Comparaison des performances avec d’autres modèles afin de déterminer la pertinence des solutions proposées dans ce contexte. Évaluation des performances des modèles pour la détection de patterns ou d’anomalies liés à la progression des maladies d’Alzheimer.
Plus d’infos : http://jyramel.free.fr/DATA/stage202425jyr.pdf
Profil du candidat :
• Étudiant(e) en Master 2 ou école d’ingénieurs en Informatique, Machine Learning, Data Science.
• Compétences en Machine Learning (notamment variational autoencoders, GNN, VGAE)
• Maîtrise de Python et des bibliothèques associées (PyTorch, TensorFlow, scikit-learn).
• Esprit analytique, capacité à travailler en équipe
Formation et compétences requises :
Tuteurs / Contacts
jean-yves.ramel@univ-smb.fr – Antoine.bourlier@univ-tours.fr
Merci d’envoyer votre CV et lettre de motivation
Adresse d’emploi :
Laboratoire LISTIC – Bureau 204
Bat 2D – Polytech-Annecy-Chambery
Université Savoie-Mont-Blanc
Campus Savoie-Technolac
73376 Le BOURGET du LAC cedex