Site emploiBienvenue

Vous serez membre du Laboratoire de Psychologie et NeuroCognition (LPNC), unité mixte de recherche CNRS structurée en cinq équipes thématiques (Vision & Émotion, Corps & Espace, Langage, Mémoire et Développement & Apprentissage). Ses membres (plus de 60 permanents et 58 temporaires) mènent une activité de recherche en Sciences Cognitives, combinant les approches des sciences humaines et sociales, des sciences de l’ingénieur appliquées à la cognition et des sciences de la vie. Le LPNC est affilié au CNRS depuis 1978, principalement à l’Institut Biologie section 26 et secondairement à l’Institut Sciences humaines et sociales (INSHS, section 34). Ses deux tutelles universitaires sont l’Université Grenoble Alpes et l’Université Savoie Mont-Blanc. https://lpnc.univ-grenoble-alpes.fr/

Description de l'équipe:
Vous serez rattaché à l’équipe « Vision et Emotion » du LPNC (UMR 5105 ; responsable : David Alleysson CR CNRS et Carole Peyrin DR CNRS). Vous serez placé sous l’autorité hiérarchique de Christian Martial Mermillod et de Monica Baciu, collaborateur du projet BRAINSYNC.

Livraison d’un modèle d’IA de brain decoding validé sur (1) des sujets sains puis (2) des données patients et publication(s) scientifique(s).
Développement d’un ou plusieurs modèles d’IA frugaux et interprétables pour le décodage de l’activité cérébrale.
Validation expérimentale sur données multimodales (IRMf / ECoG).
Rédaction et publication d’articles scientifiques internationaux à comité de lecture.
Contribution au rapport final du WP5 et à la dissémination des résultats (open data / open science).

• Concevoir et optimiser des modèles de décodage neuronal : apprentissage profond (CNN 4D, Transformers, RNN) sur données IRMf et ECoG
• IA explicatif : Appliquer des modèles de machine learning pour guider la neuroréhabilitation post-AVC
• IA prédictif : Optimiser des modèles de deep learning sur des données multimodales (IRMf/MEG) pour relier lésions cérébrales et handicaps fonctionnels
• Développer et implémenter des stratégies d’apprentissage adaptatif et incrémental (e.g. modèle DreamNet, curriculum learning)
• Réaliser l'analyse statistique et computationnelle des signaux cérébraux (IRMf 11.7T, ECoG) pour relier activité neurale et fonctions cognitives/motrices
• Participer à la construction de modèles de prédiction de la récupération motrice post-AVC, en lien avec l’atlas anatomo-fonctionnel (WP3)
• Etre en collaboration interdisciplinaire avec les partenaires du projet (CEA, CHU Grenoble, APHP, Clinatec)
• Diffusion scientifique : rédiger des articles, faire des présentations à des conférences internationales, contribuer aux livrables du projet.
• Encadrer des stagiaires et participer à la formation du LPNC

• Excellente maîtrise des méthodes de machine learning / deep learning, notamment pour les séries temporelles et données spatiales
• Connaissances solides en neuroimagerie (IRMf, ECoG, MEG) et en traitement du signal
• Compétences en programmation scientifique (Python, PyTorch/TensorFlow, Git).
  Familiarité avec les pipelines de traitement d’IRMf (FSL, SPM, Nilearn)
• Capacité à travailler dans un environnement interdisciplinaire (neurosciences – IA – clinique)
• Autonomie scientifique, rigueur et capacité d’initiative
• Goût pour la recherche collaborative et le travail en équipe

Bon niveau de communication orale et écrite en anglais


Expérience professionnelle souhaitée de 2 à 5 ans