Skip to main content

Offre de thèse / PhD proposal

Recrutement

From 7 April 2022 to 30 June 2022

Saint-Martin-d'Hères - Domaine universitaire

L∪M_INTERMOD : Modélisation inter-cognitive et transcognitive des biomarqueurs multimodaux avec les méthodes d’intelligence artificielle. Application au cadre unifié langage-union-mémoire
Contexte scientifique.


L’intégration des données multimodales pour élucider les processus et les réseaux neuronaux qui sous-tendent la cognition et le comportement, représente un défi majeur des neurosciences cognitives. Ceci s’associe à un changement actuel de paradigme, avec des modèles neurocognitifs qui considèrent que les comportements humains sont rendus possibles par des interactions complexes entre les fonctions cognitives. La fusion (intégration) de données multimodales pourrait non seulement compenser les limites de chaque modalité, mais aussi de détecter des caractéristiques qui sont intrinsèquement multimodales.

Objectifs et programme de recherche. Ce travail de recherche se situe à l’interface entre du langage et la mémoire déclarative et adresse la question de leur union interactive dans une perspective multimodale et intégrative, avec les méthodes d’intelligence artificielle. Le projet aura deux dimensions, neurocognitive et neuro-computationnelle. Sur le plan neurocognitif, l’objectif est de valider et enrichir ce nouveau cadre théorique L∪M langage-union-mémoire que nous avons développé récemment (Roger et al., 2022) et qui consiste en à considérer que le langage et la mémoire sont deux fonctions inséparables et que leur évaluation doit se faire de manière conjointe interactive, plutôt qu’isolément. Le projet aura également une dimension transcognitive pour tenter d’explorer ce cadre en condition normale et pathologique. Sur le plan neuro-computationnel, nous utiliserons plusieurs méthodes d’analyse (machine learning non-supervisé, théorie de réseaux et deep learning) pour la fusion multimodale et développerons l’apprentissage par transfert dans le cadre de l’IA deep learning. Les biomarqueurs multimodaux (neuropsychologie, neuroimagerie fonctionnelle et anatomique) ont été acquis dans nos travaux précédents.

Environnement de travail. Le travail de thèse sera réalisé au LPNC UMR CNRS 5105 sous la direction de Monica Baciu et une équipe coordinatrice composée de Sophie Achard LJK et Martial Mermillod LPNC La/le doctorant(e) travaillera en équipe avec des chercheurs, ingénieurs, post-doctorants, doctorants et étudiants M2R. Il/elle interagira avec les chercheurs et spécialistes du programme Cerveau & Cognition de l’UGA IDEX. Il/elle sera inscrit(e) à l’école doctorale EDISCE dans la spécialité Sciences cognitives, Psychologie Cognitive et Neurocognition. 

Profil du/de la candidat(e) :
Compétences requises : Diplôme M2R en sciences cognitives ou neurosciences cognitives ou neurosciences computationnelles ; Connaissances théoriques solides dans le domaine de la neurocognition (langage et/ou de la mémoire) ; Connaissances méthodologiques en statistiques classiques et programmation ; Une maitrise du langage Python (PyTorch et/ou Tensor Flow) sera absolument nécessaire au moment de la prise de fonction ; Anglais (B2 ou C1) ;
Compétences souhaitées : Expérience avec les données de neuroimagerie et/ou méthodes de machine learning et/ou théorie des graphes ; Connaissances/expérience IA Deep Learning, Scikit-learn, iGraph library.

Date de début de la thèse : Octobre 2022

Durée de la thèse : 3 ans

Date limite pour déposer la candidature : 30 Juin 2022

Pour postuler (Portail emploi CNRS)

Date

From 7 April 2022 to 30 June 2022

Localisation

Saint-Martin-d'Hères - Domaine universitaire

Submitted on 7 April 2022

Updated on 18 August 2023