Snabbfakta
-
- Hauts-de-France
Ansök senast: 2024-12-01
PhD student in control (M/ F)
Informations générales
Intitulé de l'offre : Doctorant en automatique (H/F)
Référence : UMR8201-JOSBRO-020
Nombre de Postes : 1
Lieu de travail :
Date de publication : mardi 17 septembre 2024
Type de contrat : CDD Doctorant/Contrat doctoral
Durée du contrat : 36 mois
Date de début de la thèse : 1 novembre 2024
Quotité de travail : Temps complet
Rémunération : La rémunération est d'un minimum de 2135,00 € mensuel
Section(s) CN : Sciences de l'information : traitements, systèmes intégrés matériel-logiciel, robots, commandes, images, contenus, interactions, signaux et langues
Description du sujet de thèse
Détection d'évènements critiques et commande des dynamiques de l'anesthésie.
Contexte de travail
Cette thèse fait partie du projet ANR JCJC "Clinical" (Time-series Classification for Critical Events Detection and Prediction in Anesthesia Monitoring), qui vise à développer un nouveau système d'aide à la décision clinique afin d'aider les anesthésistes dans leur pratique. En effet, les systèmes d'aide à la décision actuels sont généralement limités à la détection des seuils et des écarts dans le cas du monitoring de l'anesthésie, et un nombre considérable d'alarmes sont labelisées comme cliniquement non pertinentes dans les opérations à risque modéré et élevé. Ce projet vise à exploiter les potentialités des méthodes de contrôle, d'optimisation et d'apprentissage afin de proposer des approches génériques et explicables, permettant de fusionner les différentes données mesurées et de concevoir des systèmes avancés pour la détection et la prédiction d'événements critiques et complexes. En outre, ce projet permettra de s'attaquer à des problèmes complexes liés à la dynamique de l'anesthésie, tels que la modélisation et l'estimation, afin de mieux caractériser les réactions des patients aux médicaments, ainsi que la surveillance en présence d'incertitudes et d'événements critiques. L'atout particulier de ce projet est la disponibilité de grandes bases de données ouvertes, ainsi que de données annotées provenant d'autres projets, permettant de mieux caractériser les modèles largement utilisés, et donc de parvenir à un suivi efficace et personnalisé.
Les principaux défis du projet sont :
•La détection et la prédiction des événements critiques liés aux dynamiques de l'anesthésie : en proposant une méthodologie générique et explicable pour la classification des séries temporelles d'anesthésie, en fusionnant différents types de données et en extrayant des caractéristiques cliniquement pertinentes résultant des observations des anesthésistes et des paramètres spécifiques estimés pour chaque patient, dans le but de détecter et de prédire les événements critiques liés à la dynamique de l'anesthésie.
•L’aide à la décision clinique en utilisant des approches d’automatique : pour parvenir à une surveillance personnalisée et sûre de l'anesthésie, à travers une meilleure estimation des paramètres des patients, en améliorant la caractérisation de la réaction des patients aux médicaments et en tenant compte des complexités et des incertitudes inhérentes, ainsi qu'en incluant les événements détectés dans la stratégie de contrôle.
•La validation des approches développées : en utilisant les bases de données et les simulateurs disponibles et en tenant compte des anesthésistes.
recruté.e fera partie de ce projet et sera impliqué.e dans différentes missions et tâches liées aux défis soulevés.
Contexte de travail / infos sur le Contrat de recherche concerné :
Cette thèse se déroulera au sein du département Automatique du laboratoire LAMIH (UMR 8201) en collaboration avec le GIPSA-Lab (UMR 5216), elle s’inscrit dans le cadre du projet ANR Clinical qui vise à développer un système d’aide à la décision clinique pour les dynamiques d’anesthésie, ce projet est en collaboration également avec le CHU de Grenoble
Le poste se situe dans un secteur relevant de la protection du potentiel scientifique et technique (PPST), et nécessite donc, conformément à la réglementation, que votre arrivée soit autorisée par l'autorité compétente du MESR.
Contraintes et risques
Les compétences requises sont les suivantes :
Formation en automatique
Connaissances en apprentissage automatique
Compétences en programmation
Anglais professionnel
Le poste se situe dans un secteur relevant de la protection du potentiel scientifique et technique (PPST), et nécessite donc, conformément à la réglementation, que votre arrivée soit autorisée par l'autorité compétente du MESR.
Informations complémentaires
Compte tenu des spécificités de l'unité, des fermetures sont imposées par l'UPHF : 4 ou 5 semaines pour la fermeture estivale, 2 semaines en fin d'année, 1 semaine pendant les vacances d'hiver, 1 semaine pendant les vacances de printemps. L' recruté.e sera de prendre ses congés durant ces périodes.
Fler jobb från Talent
