Research Engineer in Ai for Biological Microscopy

**Type de contrat **:CDD

**Niveau de diplôme exigé **:Bac + 5 ou équivalent

**Fonction **:Ingénieur scientifique contractuel

**Niveau d'expérience souhaité **:Jeune diplômé

**A propos du centre ou de la direction fonctionnelle**:
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.

**Contexte et atouts du poste**:
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), et C. Lefort (XLIM, CNRS, Limoges).

**Mission confiée**:
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. L’intérêt de la microscopie CARS est de fournir des informations spectroscopiques sans marquage (label-free). L’usage des sources laser à très large spectre dites « supercontinuum » a été introduit pour explorer toutes les vibrations de l’échantillon. On parle alors de solution M-CARS, pour CARS Multiplexé. De plus, la détection spectrale de l’instrument dédié donne accès à l'imagerie M-CARS hyperspectrale qui permet de collecter et d'analyser un large spectre de lumière pour chaque pixel d'une image. Chaque pixel de l'image contient donc un spectre large (1024 points), fournissant des informations sur la composition des substances présents dans la scène.

Par cette solution technique originale de M-CARS hyperspectrale, nous avons démontré récemment que la « zone muette » d’un spectre M-CARS est en réalité pourvoyeuse d’information discriminante pour l’échantillon, une technique encore inexplorée dans le domaine biomédical. La méthode d’exploitation des données mise en œuvre actuellement est fastidieuse et peut être en proie à un certain nombre de difficultés d’exploitation des données.

Les images hyperspectrales produites par la solution M-CARS génèrent une grande quantité de données en raison du nombre de pixel d’une image (minimum 10 pixels × 10 pixels, 50×50 usuellement, jusqu’à 1024 × 1024) chaque pixel contenant 1024 points spectraux.

La personne recrutée aura pour mission d’investiguer des solutions issues de l'intelligence artificielle (IA) pour exploiter ces données de manière efficace et d’en extraire les informations discriminantes présentes. Une base de données hyperspectrale M-CARS enregistrée sur du muscle, sera exploitée, dans lequel le réseau de myosine est clairement identifié par SHG, un moyen de contraste très connu.

Entre les stries de myosine, se trouvent les stries d’actine, une protéine qui ne présente aucune signature de SHG ni vibrationnelle. Or, une signature discriminante a été observée dans la « zone muette » des spectres M-CARS et une discrimination par niveau d’intensité a été mise en évidence. Il s’agit d’identifier la signature spectroscopique par M-CARS hyperspectrale par des solutions d’IA. La mission consiste en la construction d'une stratégie d’IA permettant de retrouver cette information discriminante.

Dans un second temps, il s’agira de tester d’autres échantillons biomédicaux, comme les neurones, les plantes ou les bactéries afin de discriminer différentes populations par la méthode d’IA mise en œuvre.

**Principales activités**:

- 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

**Compétences**:

- La maîtrise du langage de programmation Python et de l'enviro