Emploi - FLI

In this section, you will find internships, thesis, post-doctorates, fixed-term and permanent contract vacancies in the network’s partner laboratories.

Liste des annonces

6 1 … 24 25 26 … 28 7

2016/09/02 Post-doctoral position : Diffusion-weighted MR spectroscopy methods to measure brain metabolites diffusion

The present offer is for a post-doctoral position in MIRCen’s magnetic resonance group. Position is funded by a grant from the European Research Council (INCELL project, PI: Julien Valette). It is available now and secured until November 2018. The post-doc will work in close collaboration with the PI on the development of diffusion-weighted MRS strategies to measure brain metabolite diffusion over several orders of magnitude of diffusion time, in order to explore brain intracellular compartments over vastly different spatial scales. In particular, the potential of long-lived spin states and 13C-labeled metabolites with long T1 will be investigated to reach diffusion times up to ~10 seconds. The post-doc will also work on the development of diffusion-weighted spectroscopic imaging.
Methods will be evaluated in the healthy rodent brain, including advanced data modeling as developed in the group to extract information about cellular morphology, and comparison with confocal microscopy data. Methods will then be applied in rodent models of neurodegeneration to assess cellular alterations.

2016/08/31 PhD student in protease imaging by Dynamic Nuclear Polarization, Bordeaux

TITLE : In vivo proteolysis mapping using Overhauser-enhanced MRI

Proteases, tightly regulated under physiological conditions, become overexpressed in several situations. Any non-invasive tools are welcome to understand such processes in vivio, both for their fundamental features and for diagnosis of related diseases.
The project deals with molecular imaging and is at the crossroad of developmental physics, biochemistry and medicine. The work to be performed is two-fold. First, DNP-NMR (Magnetic Resonance enhanced by Dynamic Polarization) developments are still needed to enhance imaging performance (image quality and acquisition time). MRI sequence developments in acquisition and reconstruction are expected. Second, new DNP-MRI-visible nitroxide probes (developed in collaboration) shall be evaluated for their targeting of certain proteases that can occur in various diseases (cancer, inflammation). The goal is then to target in vivo abnormal proteolysis through DNP-MRI.

2016/08/31 PhD student in protease imaging by Dynamic Nuclear Polarization, Bordeaux

2016/08/19 Ingénieur en imagerie, Lyon

Définition générale de la fonction
• Définition des orientations stratégiques en recherche technologique avec le praticien responsable du pôle puis mise en œuvre
• Assurer un soutien technique des équipes para médicales et médicales du PAM dans le cadre des projets de recherche
• Assurer l’interface scientifique auprès des différents constructeurs d’imagerie
• Assurer la formation continue technologique des équipes paramédicales et médicales
• Assurer une veille technologique
• Elaboration de tableaux de bord et d’outils de management techniques
• L’Ingénieur en Imagerie bénéficiera des compétences et de l’expertise des médecins radiologues et nucléaires du Pôle d’Activité Imagerie

Principales activités du poste
• Contribution directe aux projets de recherche en cours
• Participer à la conception des études, à la rédaction du protocole avec les investigateurs et les Attachées de Recherche Clinique et à l’acquisition et analyse d’images
• Participer à la rédaction d’articles scientifiques et à l’encadrement des étudiants en thèse de médecine
• Développement de nouveaux projets dans les thématiques d’intérêt du PAM Imagerie
• Aider les médecins et les Attachées de recherche Clinique du PAM Imagerie à la mise en place des essais cliniques et assurera le suivi et la qualité scientifique et technique des projets de recherche clinique
• Aider à la conception des cahiers d’observation
• Organiser les réunions de travail et préparer les documents nécessaires à ces réunions

2016/08/19 Ingénieur en imagerie, Lyon

2016/08/19 Python software developer position in functional neuroimaging

Modern non-invasive neuroimaging techniques such as functional Magnetic Resonance Imaging (fMRI) explore brain mechanisms by providing metabolic-related measures of brain activity under controlled cognitive states. The most commonly used fMRI technique relies on the Blood Oxygen-Level Dependent (BOLD) contrast, namely the subsequent increase of oxyhemoglobin rate following the firing of neurons that occurs during an activation experiment along which the participant is submitted to various experimental stimuli. In this context, fMRI indirectly provides maps of neural activity by assuming that the BOLD response, via the HRF for Hemodynamic Response Function, is known and set to a fixed canonical shape. The clinical dissemination of fMRI, to detect functional anomalies is limited since normal ageing [Gauthier, NeuroImage 2013 ; Fabiani, NeuroImage 2013] and numerous pathologies such as Stroke [Attyé, HBM 2013 ; Krainik, Stroke 2005] and Alzeihmers's desease [Cantin, Neuroimage 2011] involve an altered vascular response. The analysis of such data with a canonical model limits the interpretation of the diminution or the absence of BOLD signal (see eg [1]). Unfortunately most currently available software (SPM, FSL, AFNI) do not take into account the variability of the HRF. Hence, we have developed the PyHRF software [2] in Python that implements a joint detection estimation (JDE) approach [3-5] able to jointly estimate activations and the unknown HRF. To build on this improvement, the current proposal therefore aims at overcoming the issues of (i) interpretability of the fMRI results by a better characterization of the neuro-vascular coupling and (ii) providing reliable dynamical functional measures of brain activity, exploitable in a clinical context.

Recently, the PyHRF functionalities have been extended to make it easier to use by non experts and clinicians. Preliminary tests have been carried out on clinical data. Under the supervision of the project partners and in collaboration with neuroradiologists from the Grenoble Institute of Neuroscience (GIN), the work will mainly consists of :
• Continuing the software evaluation and implementing the required modifications ;
• Implementing an interface for a facilitated use, typically by clinicians ;
• Integrating the software into a pipeline for automatic reporting in a clinical context ;
• Participating in the setup of additional clinical experiments.

References:
[1] Badillo S, Vincent T, Ciuciu P. Group-level impacts of within-and between-subject hemodynamic variability in fMRI. Neuroimage. 2013 Nov 15;82:433-48.
[2]Vincent T, Badillo S, Risser L, Chaari L, Bakhous C, Forbes F, Ciuciu P. Flexible multivariate hemodynamics fMRI data analyses and simulations with PyHRF. Frontiers in Neuroscience. 2014;8.
[3] Vincent T, Risser L, Ciuciu P. Spatially adaptive mixture modeling for analysis of fMRI time series. IEEE Transactions on Medical Imaging. 2010 Apr;29(4):1059-74.
[4] Risser L, Vincent T, Forbes F, Idier J, Ciuciu P. Min-max extrapolation scheme for fast estimation of 3D Potts field partition functions. Application to the joint detection-estimation of brain activity in fMRI. Journal of Signal Processing Systems. 2011 Dec 1;65(3):325-38.
[5] Chaari L, Vincent T, Forbes F, Dojat M, Ciuciu P. Fast joint detection-estimation of evoked brain activity in event-related fMRI using a variational approach. IEEE transactions on Medical Imaging. 2013 May;32(5):821-37.

2016/08/19 Ingénieur développeur en Neuroimagerie Fonctionelle

L’IRM fonctionnelle (IRMf) permet d’explorer le fonctionnement cérébral en détectant les réseaux neuronaux sollicités dans différentes conditions expérimentales, sensorielles ou cognitives. L'analyse classique des données d'IRMf d'activation repose sur un modèle de régression, où le signal BOLD (Blood Oxygen Level Dependent) acquis dans chaque voxel est décomposé en une composante stimulus-induite (signal d'intérêt) et du bruit. Le signal d'intérêt est construit à partir de deux éléments : D'une part, il est défini à partir du paradigme expérimental au cours duquel les stimuli sensoriels ou cognitifs sont délivrés à intervalles de temps relativement réguliers, induisant chez le participant des activations cérébrales spécifiques. D'autre part, ce signal s'appuie sur un modèle canonique du couplage neurovasculaire, c'est-à-dire d'une forme de réponse impulsionnelle pour ce système qu'on appelle la fonction de réponse hémodynamique (FRH). La plupart des logiciels d'analyse des données en IRMf (SPM, FSL, AFNI) considèrent cette FRH comme constante dans tout le cerveau et identique pour tous les individus alors que de nombreux travaux dans la littérature (cf par exemple [1]) ont montré sa variabilité à travers les régions cérébrales (région motrice et frontales plus lentes que les régions sensorielles) et les classes d'âge, pour ne citer que les résultats chez le sujet sain. Lorsque la FRH du sujet examiné diffère de la canonique, ce qui est le cas pour certains patients, il en résulte une sous-estimation de l’amplitude de réponse, donc un risque de faux résultats négatifs. Cela constitue un frein à la pénétration de l'IRMf comme outil d'investigation en clinique.

Le logiciel PyHRF [2], écrit en langage Python, implémente une approche de détection-estimation conjointe (DEC) de l'activité cérébrale [3-5], où la détection des activations corticales est réalisée conjointement à l’estimation de la FRH inconnue, en analysant les données non lissées spatialement. Cette détection-estimation est réalisée dans différentes parcelles d'intérêt pavant le volume cérébral. Cette approche permet ainsi de dépasser la limite soulignée préalablement qui existe dans les logiciels concurrents.

Récemment les fonctionnalités du logiciel PyHRF ont été étendues pour le rendre déployable et utilisable par des non-spécialistes, notamment en clinique. Très concrètement, le logiciel permet de naviguer dans le cerveau, et notamment dans les régions sollicitées au cours de l'expérience, afin de visualiser les activations et leur décours temporel au travers du profil de FRH estimé. Des tests préliminaires ont été réalisés sur des données cliniques.

Sous la direction des responsables scientifiques du projet et en collaboration avec des neuroradiologues du GIN (Grenoble Institut des Neurosciences), il s’agira de :
- Poursuivre l’évaluation du logiciel et d’y apporter les modifications nécessaires ;
Implémenter une interface homme-machine pour faciliter l’utilisation ;
- Intégrer l’outil dans la chaîne de production de rapports d’expertise (reporting automatique pour intégration dans la routine hospitalière) par exemple au format HTML ;
- Participer a la mise en place d’expériences cliniques supplémentaires.

Le poste offrira :
- L’opportunité de travailler dans un un projet multi-partenaires riche en échange entre des équipes leaders dans leur domaine de recherche en imagerie cérébrale et traitement d’images ;
- L’opportunité de travailler dans un environnement interdisciplinaire, à l’interface entre le monde de la santé, l'imagerie médicale et le traitement d'images
- L’opportunité de travailler dans un environnement couplant des dispositifs diagnostiques cliniques (scanner IRM) et des objectifs opérationnels motivants (amélioration du logiciel pour un projet clinique innovant sur l’accident vasculaire cérébral).

Date de prise de fonction : dès que possible et au plus tard octobre 2016
Durée : 12 mois

Pour être éligible, le dossier de candidature devra comporter :
- Une lettre de motivation pour le poste, détaillée et personnalisée ;
- Un CV complet intégrant l’expérience du candidat ainsi que ses formations académiques ;
- Des lettres de recommandation ou des noms et coordonnées de personnes pouvant apporter leur soutien au candidat.

2016/07/12 Ingénieur en traitement d’image, Bordeaux

Le candidat aura pour rôle le développement d’outils de traitement d’images et leur automatisation en se basant sur les travaux réalisés par les équipes de recherche du site spécialisées dans ce domaine.
Son travail devra permettre à l’ensemble de la communauté en Imagerie Biomédicale d’utiliser de manière simple les nouvelles méthodes de traitement d’images et les appliquer sur un grand nombre d’examens. Les outils qu’il développera seront essentiellement utilisés pour la Neuro-Imagerie chez l’homme et le traitement des images anatomiques, de diffusion et d’IRM fonctionnelle de repos et d’activation.
Le développement d’outils plus spécifiques à l’imagerie pré-clinique (segmentation en imagerie cardiaque, IRMf chez le petit animal, …) pourra également être réalisé.

Le poste est ouvert à partir du 1er Septembre 2016 pour une durée de 1 an renouvelable.

2016/07/12 Ingénieur en traitement d’image, Bordeaux

2016/06/28 Permanent researcher position, BrainOmics, Neurospin, CEA

The recruited researcher will explore the role of genetics and environmental disturbances in the variability of rich phenotypes originating from imaging and/or medical, behavioral scores. In collaboration with neuroscientists and physicians, she/he will perform works to discover new biomarkers and markers/models for basic research in neurosciences (e.g. development, ageing). The research will be (not exclusively) performed on the neuroimaginggenetics cohorts being built at NeuroSpin (IMAGEN, EU-AIMS, Senior, ...) for studies in neuroscience, neurodegenerative diseases, psychiatry, oncology (radiomics) or preclinical studies.

Essential Skills and Qualifications

· Ph.D. in applied mathematics, bioinformatics, image processing, biostatistics, machine learning, genetic epidemiology or related disciplines.
· Initial training or current position should bring knowledge in genetics, genetics epidemiology or genomics.
· Experience in applying and developing Machine Learning techniques in massive high-dimensional data. Any experience related to the use/development of biostatistics, machine learning, graphical models for association, heritability, integration studies between imaging phenotypes and genetic, epigenetic and gene expression measures.
· Experience in scientific programming ideally in Python. Experience with domain frameworks in Biostatistics (R/Bioconductor, Galaxy) Neuroimaging (Nipype, SPM, FSL, BrainVisa), Machine Learning (Scikit-learn).
· Good communication skills to work in a multi-professional team. Interest and knowledge in neuroimaging, neuroinformatics and bioinformatics will be appreciated. The candidate has a PhD and spent one or more PostDoc periods in scientific fields related with imaging-genetics. Ideally, she/he published several papers as a first author, and built a professional network in related scientific fields.

The position is very interdisciplinary, and proficiency in each domain is not expected. Therefore, candidates demonstrating skills in one or two domains and a motivated interest in innovative and interdisciplinary approaches are welcome.

Starting time: end of year 2016
Expected answers before end of July 2016
Interviews of the applicants in September 2016.

http://tinyurl.com/NS-ImagingGenetics