Research Engineer in AI for biological microscopy

Le centre de recherche Inria de Saclay a été créé en 2008. Sa dynamique s’inscrit dans le développement du plateau de Saclay, en partenariat étroit d’une part avec le pôle de l’Université Paris-Saclay et d’autre part avec le pôle de l’Institut Polytechnique de Paris . Afin de construire une politique de site ambitieuse, le centre Inria de Saclay a signé en 2021 des accords stratégiques avec ces deux partenaires territoriaux privilégiés.

Le centre compte 40 équipes-projets , dont 32 sont communes avec l’Université Paris-Saclay ou l’Institut Polytechnique de Paris. Son action mobilise plus de 600 personnes, scientifiques et personnels d’appui à la recherche et à l’innovation, issues de 54 nationalités.

Le centre Inria Saclay - Île-de-France est un acteur essentiel de la recherche en sciences du numérique sur le plateau de Saclay. Il porte les valeurs et les projets qui font l’originalité d’Inria dans le paysage de la recherche : l’excellence scientifique, le transfert technologique, les partenariats pluridisciplinaires avec des établissements aux compétences complémentaires aux nôtres, afin de maximiser l’impact scientifique, économique et sociétal d’Inria.

L'Ingénieur.e sera intégré.e à l’équipe-projet OPIS, sous la responsabilité hiérarchique de la chef d’équipe
Emilie Chouzenoux.

Le projet s'effectuera en collaboration avec E. Chouzenoux et J.-C. Pesquet (OPIS), C. Lefort (XLIM, CNRS, Limoges), et le CHU de Limoges. 

Le poste est proposé pour un an, renouvelable une fois.

La microscopie CARS (Coherent Anti-Stokes Raman Scattering) est une technique avancée d'imagerie optique non linéaire qui permet d'obtenir des informations vibrationnelles d’échantillons biomédicaux sans marquage (label-free). L’usage des sources laser à très large spectre dites « supercontinuum » a été introduit pour explorer toutes les transitions énergétiques de l’échantillon. Avec la détection spectrale de l’instrument, l'imagerie M-CARS devient hyperspectrale (HM-CARS). Chaque pixel de l'image contient un spectre de 1024 points, dépendant de la composition des substances de la cible.

Par cette solution originale, les porteurs du projet ont démontré récemment que la « zone muette » d’un spectre HM-CARS est en réalité pourvoyeuse d’information discriminante pour l’échantillon. Cette technique est encore inexplorée dans le domaine biomédical. La méthode actuelle d’exploitation des données est en effet fastidieuse et peut être en proie à un certain nombre de difficultés d’exploitation.

L’objet principal de ce travail est de développer une stratégie d’IA en vue d'inférer l’information discriminante des maladies musculaires, de façon rapide, fiable, et automatisée.

• Comprendre la problématique posée de traitement d'images
• Analyser la base de données
• Déploier une approche IA supervisée pour résoudre le problème posé
• Rédiger des rapports scientifiques
• Participer à des réunions scientifiques avec les collaborateurs

• La maîtrise du langage de programmation Python et de l'environnement PyTorch ou TensorFlow est nécessaire.
• Une expérience dans le domaine de l’apprentissage automatique / réseaux de neurones est fortement recommandée.

• Restauration subventionnée
• Transports publics remboursés à hauteur de 75%
• Congés: 7 semaines de congés annuels + 10 jours de RTT (base temps plein) + possibilité d'autorisations d'absence exceptionnelle (ex : enfants malades, déménagement)
• Possibilité de télétravail et aménagement du temps de travail
• Équipements professionnels à disposition (visioconférence, prêts de matériels informatiques, etc.)
• Prestations sociales, culturelles et sportives (Association de gestion des œuvres sociales d'Inria)
• Accès à la formation professionnelle
• Sécurité sociale

Selon profil