Vous trouverez dans cette rubrique les offres de stage, de thèses, de post doctorats, de CDD et CDI à pourvoir dans les laboratoires partenaires du réseau.

Liste des annonces

2020/10/16 – Post doctorant.e – Nouvelles sondes IRM reposant sur un procédé innovant de fabrication additive

Post-doctoral Fellow position for developing new family of MRI probe based on innovative additive manufacturing process
A 2-years postdoctoral fellow position is available at the University Claude Bernard Lyon 1, Villeurbanne France. The postdoctoral fellow will participate in a multi-disciplinary research program that develops novel MRI coils dedicated to tissue engineering 3D characterizationi. The postdoctoral fellow will work as part of different research groups ( AMPERE, 3DFAB and LGEF) as well as a group of graduate students, postdoctoral fellows, faculty and scientists in the AMPERE lab as many of the work will be developed on its “plastronic” platform.
Primary research area focus
1) Integrating monitoring devices for in vivo imaging of engineered tissue constructs: heating and gas administration systems, optical physiological sensor, smartly Interfacing RF coil and peripherals to control devices. Designing dedicated MRI coil for in vivo imaging could be necessary.
2) Imaging with one multifunctional “MRI probe”: coil characterization by imaging and comparison with measurements on bench. After validation of the MRI probe, the design will be replicated to be tested by non-expert on different platforms of the French network of in-vivo imaging.

All applicants will be expected to utilize and extend state-of-the-art MRI instrumentation to developed new tools to facilitate imaging of biological constructs in vivo. Specifically, the main tasks will involve coil design/fabrication, integration of peripherals such as piezo-actuators for magnetic resonance elastography, data collection, management and analysis, image post-processing, multi-parametric cohort analysis.

2020/09/15 – Post doctorant.e IRM à ultra haut champ magnétique

Motion correction for brain Magnetic Resonance Imaging at high and ultra-high field.

We are looking for a curious, motivated, team-oriented candidate with a PhD degree in signal processing, physics, computer science, applied mathematics, biomedical engineering or related topics. Prior knowledge in magnetic resonance parallel imaging acquisition and reconstruction techniques would be advantageous.
The successful candidate will work in the central nervous system team composed of physicists, neuroscientists, clinicians and computational scientists.
Salary is based on previous experience (2.7-3.2 k€ monthly gross salary).
The position is granted by Aix Marseille University (www.univ-amu.fr) in a partnership project with
Siemens Healthineers. The work will be done at the CRMBM laboratory (www.crmbm.univ-amu.fr) which is located in the center of the lively Marseille city, within La Timone university hospital.

2020/09/15 – Ingénieur.e biomédical.e en imagerie médicale

Dans le cadre d’un projet d’Innovation Technologique porté par Stéphane Mornet (ICMCB - Institut de Chimie de la Matière Condensée de Bordeaux), l’Université de Bordeaux recrute un ingénieur(e) biomédical (spécialité imagerie médicale) pour un contrat à durée déterminée (un an minimum avec prolongement éventuel). Le/la candidat(e) sera impliqué dans un programme de R&D dédié à la maturation (preuve de concept, validation in vivo, optimisation) de nanoparticules diagnostiques innovantes. Il/elle travaillera dans un environnement interdisciplinaire à l’interface entre chimie, imagerie biomédicale et problématiques médicales.
Le travail expérimental sera réalisé sur une plateforme d’imagerie biomédicale (IRM pré-clinique et clinique, imagerie optique) située sur le campus Carreire de l’université de Bordeaux.

Missions :
1- Effectuer des mesures de relaxométrie RMN sur les nanoparticules (acquisitions, analyse des résultats et rédaction de comptes rendus)
2- Réaliser les acquisitions IRM pré-cliniques sur modèles animaux (souris)
 Mise en place des protocoles IRM
 Acquisitions des images in vivo
 Analyses qualitatives et quantitatives des résultats IRM
 Réalisation de profils pharmacocinétiques et analyses de biodistribution
 Rédaction de comptes rendus et de synthèses sur le déroulement et les résultats de l’étude IRM in vivo
3- Contribuer à l’intégration des résultats IRM avec ceux obtenues in vivo par imagerie de fluorescence et ex vivo sur prélèvement et par histologie.

2020/06/17 – Doctorat « Positron Emission Tomography Image Reconstruction »

Context and objectives.

Nuclear imaging, especially positron emission tomography (PET), is a powerful tool of nuclear medicine in oncology. The development of multimodality (PET-CT, PET-MR) along with advances in PET technology enable ever-increasing precision and accuracy in the quantification of molecular processes in vivo. However, PET measurements do not directly lead to images and a complex inverse tomographic problem has _first to be solved. This task of tomographic reconstruction is essential in PET as it may have a significant impact on image quantification, and thus the outcome. In this context, this PhD project focus on the development of innovative tomographic image reconstruction methods in order to tackle current and future challenges raised by applications where the recorded signal is weak.
Our team has a recognized expertise in 90Y PET imaging for postinfusion quantitative assessment following radioembolization therapy in liver cancer [1]. The challenge of this application is to be able to evaluate the delivered dose inside and outside the targeted lesions, from the reconstruction of the
90Y PET signal [2]. This signal is characterized by very few interesting events hidden in a high level of background events [3, 4], making the tomographic reconstruction problem very ill-posed. From current state-of-the-art methods, reconstructed images su_er from high levels of noise and local bias, which do not allow for precise dosimetry.
In the continuation of the efforts lead by the team, the candidate will work on the development and evaluation of methods adapted to this challenging application. The PhD project has two main objectives.
The first objective is to build innovative PET reconstruction algorithms allowing to further optimize the compromise between bias and noise, as compared to currently investigated algorithms. These algorithms could be driven by the flexible -divergence [5] and include a penalty term based on the recently proposed deep image prior [6]. The second objective is to develop a method able to associate confidence values on dosimetry measurements extracted from the reconstructed PET images. As PET images intrinsically suffer from inaccuracy and/or imprecision, being able to deliver confidence values or intervals associated to them seems natural but is a challenge. The developments would be based on recently proposed bayesian posterior bootstrap methods [7] that provided promising preliminary results when applied to PET reconstruction.
Current protocols are running on PET/CT scanners. A hybrid PET/MR scanner will be installed in 2021 at the University Hospital. Future patients treated with 90Y will benefit from the use of this scanner for improved liver imaging thanks to MR. The use of MR information in the PET reconstruction process and the estimation of confidence values is of particular interest. Taking advantage of multimodality will be an integrated part of the PhD project.

The position is funded by iemens Healthineers (these Cifre). The collaboration between Siemens Healthineers and the University Hospital is of long duration. The project will also be conducted in partnership with the Numerical Science Laboratory in Ecole Centrale Nantes and will be associated with the work done by a current PhD student.

2020/05/18 – CDD « Technicien Biologie / Biochimie / Biophysique pour l’imagerie préclinique »

L’agent devra assurer les missions suivantes :
· préparer les expérimentations en respectant le protocole préétabli ;
· Acquisitions et traitements des données micro-CT
· Surveiller statuts sanitaires ;
· Appliquer les réglementations du domaine d’étude ;
· Recueillir et mettre en forme les informations nécessaires à la bonne conduite de l’expérimentation ou requises par la législation ;
· Tenir un cahier de laboratoire ;
· Gérer les stocks et les commandes ;
· Assurer l’entretien et la maintenance de premier niveau du matériel et des équipements ;

2020/05/05 – Doctorat « Dosimetric improvements for selective internal radiation therapy of hepatic tumours and impact on patient response »

Liver cancer is the sixth most common cancer in the world but the second leading cause of cancer mortality in men. Among the different types of liver cancer, some can be treated by selective internal radiation therapy (SIRT), which consists in injecting Yttrium-90 (90Y) β-emitter microspheres into the liver. This project aims at improving SIRT treatments by bringing state-of-the-art dosimetric techniques to SIRT that will be validated through Monte-Carlo simulations, and developing deep learning methods to predict treatment response from previous dosimetric models.
The 90Y microspheres injection treatment has multiple steps. An acquisition of magnetic resonance imaging (MRI) is performed, followed by a simulation of the treatment via a technetium-99m macroaggregated albumin (Tc99m-MAA) single-photon emission computed tomography (SPECT)/CT scan. This SPECT/CT scan leads to compute a pre-treatment dosimetry and allows to determine the amount of 90Y microspheres needed for the treatment. Right after the injection of 90Y microspheres, a positron emission tomography (PET)/CT scan is acquired to compute a 90Y-treatment dosimetry. This dosimetry should be as accurate as possible to document the actual dose delivered to the targets in SIRT. Besides, there is increasing evidence of a dose-effect relationship in the case of SIRT. However, dosimetric results are known to be very sensitive to technical factors (acquisition, reconstruction, segmentation, dosimetric models) and, in the absence of standardised techniques, a bunch of dosimetric thresholds has been reported in the literature. Until recently, most of the dosimetry models have been carried out using empiric formulae or simplified dosimetric models.
The first aim of this work is to validate a more accurate dosimetric model for both the Tc99m-MAA-pre-treatment and the 90Y-post-treatment by using a Monte-Carlo approach with the GATE toolkit. This validation implies simulations of physical phantoms representative of the liver uptake in SIRT and comparisons with state-of-the-art techniques such as the voxelized dosimetry used in clinical routine.
Based on the data collected since 2012, the second aim of this work is to develop a supervised deep learning classification approach to predict the treatment response using either the Tc99-MAA-pretreatment dosimetry or the 90Y-treatment dosimetry or both and assess correlations from our validated dosimetric calculations.

2020/02/27 – CDI Ingénieur plateforme big data pour la neuroimagerie

La mise en place au CEA d’une plateforme pour la médecine du futur va nécessiter, non seulement, le
développement d’une infrastructure importante au Très Grand Centre de Calcul du CEA (TGCC)
pour héberger du stockage et des moyens de calcul, mais également la création d’un portail métier
développé à Neurospin pour les besoins propres à l’univers de la neuroimagerie. Ce portail sera
principalement composé de services et d’outils logiciels qui serviront d’interface entre les chercheurs
du CEA et d’ailleurs et l’infrastructure du TGCC. Il permettra de fluidifier l’analyse des très grandes
bases de données comme UK Biobank (100 000 sujets), ou des agrégations complexes de bases de
données issues de la plateforme CATI (https://cati-neuroimaging.com/).
Ce poste a pour but de permettre la mise en place, la maintenance et l’évolution de cette plateforme
métier afin de répondre aux défis suivants :
 Amener la communauté du big data vers la neuroimagerie, en mettant à disposition de
grands gisements de données annotées et les moyens de calcul adéquats.
 Harmonisation des données et des méta-données. La réutilisation des données et des logiciels
par différents chercheurs étant un aspect important de la plateforme, il est indispensable de
fournir les outils permettant d’assurer une cohérences entre les organisations des données et des
métadonnées des différentes études.
 Gestion des droits. Les bases de données collectées par le CATI n’appartiennent pas au CEA.
Un des objectifs de la plateforme est de créer un cloud mis à disposition des utilisateurs de
chaque base avec des droits sous la responsabilité de chaque promoteur. Ce service nécessite
des développements conséquents.
 Développement logiciel et sécurité. Les logiciels de recherche sont en constante évolution. La
plateforme métier devra apporter le meilleur compromis entre, d’une part, les chercheurs qui
souhaitent pouvoir modifier très librement le coeur des logiciels et, d’autre part, l’utilisation des
logiciels dans une plateforme exigeant un haut niveau de sécurité.

2019/12/20 – Stage « Classification d’images rétiniennes par apprentissage profond pour l’aide au diagnostic en ophtalmologie »

Dans le domaine médical, l’analyse d’images fondée sur l’apprentissage profond (Deep Learning) a conduit récemment à des avancées significatives dans le dépistage précoce de pathologies, dans l’aide au diagnostic, ou dans la segmentation de structures anatomiques. Ce domaine de recherche très actif devrait conduire dans les prochaines années à une forte modification de l’exploitation et de l’interprétation des images médicales par les médecins spécialistes en imagerie médicale.
En ophtalmologie, des travaux innovants en classification par « Deep Learning » ont récemment été menés [1-3] pour le dépistage et le diagnostic de deux pathologies chroniques : la Rétinopathie Diabétique (RD) et la Dégénérescence Maculaire Liée à l’Âge (DMLA), qui sont à l’origine d’un déclin irréversible de l’acuité visuelle. Nos travaux [4] s’inscrivent dans ce contexte et exploitent une importante base de données constituée d’images de fond d’œil et d’images acquises par une nouvelle
technique d’imagerie rétinienne : l’OCTA (Angiographie par Tomographie de Cohérence Optique).

Objectifs du stage
Nos travaux en Deep Learning se fondent sur une importante base de données d’images OCTA récemment constituée dans le cadre d’un partenariat avec le service d’Ophtalmologie de l’Hôpital Intercommunal de Créteil (CHIC) qui est une référence dans le domaine des pathologies rétiniennes.
Sur cette base de données, nous avons mis en œuvre plusieurs architectures de réseaux de neurones pour classifier les images OCTA et obtenu d’excellents résultats dans la différenciation des cas sains et pathologiques.
L’objectif du stage est d’exploiter cette base de données et les architectures de réseaux de neurones développées afin d’identifier des cartes de caractéristiques (« feature maps ») permettant de discriminer différents types de pathologies rétiniennes.

Durée du stage : 5 mois, à partir de Février ou début Mars 2020.

Références bibliographiques
[1] S. Saha, M. Nassisi, M. Wang, S. Lindenberg, S. Sadda, and Z. J. Hu, ‘Automated detection and classification of early AMD biomarkers using deep learning’, Scientific reports, vol. 9, no. 1, pp. 1–9, 2019.
[2] F. Li et al., ‘Deep learning-based automated detection of retinal diseases using optical coherence tomography images’, Biomedical Optics Express, vol. 10, no. 12, pp. 6204–6226, 2019.
[3] A. Kushwaha and P. Balamurugan, ‘Classifying Diabetic Retinopathy Images using Induced Deep Region of Interest Extraction’.
[4] K. Taibouni, Y. Chenoune, A. Miere, D. Colantuono, E. Souied, and E. Petit, ‘Automated quantification of choroidal neovascularization on Optical Coherence Tomography Angiography images’, Computers in biology and medicine, vol. 114, p. 103450, 2019.

2019/12/20 – MRI Application Scientist at Bruker

You will be integrated into our international application team, which will bring you in contact with the leading experts in the field and will require close co-operation with colleagues in the integration, soft- and hardware departments.

The tasks include:
Demonstration of our preclinical imaging systems, in particular MRI
Creating protocols, workflows and optimizing application sequences
Customer training worldwide (with a focus on Europe)
Customer teaching (in-house, webinars)
Sales and after sales support (e.g. customer hotline, customer visits)
Support of system integration and component specification
Creation of user documentation and training material
Marketing support (marketing materials, lectures, and data preparation)
Assist in trade shows and conferences worldwide
Working with small rodents

Position opened since 12/18/2019
Type of position - Regular Full-Time

2019/12/11- Ingénieur-e biologiste en plateforme scientifique au CRMBM (mobilité interne au CNRS)

Un poste d'ingénieur(e) biologiste en plateforme scientifique est à pourvoir au CRMBM.
L'activité sera effectuée sur la plateforme d'imagerie du petit animal du CRMBM, localisée à la Faculté de Médecine Timone, en interface avec les trois équipes cerveau, coeur et muscle et les fonctions supports ainsi qu'en interaction avec les collaborateurs de ces équipes et utilisateurs extérieurs (académiques, industriels). La plateforme d'imagerie du petit animal dispose de trois spectromètres imageurs IRM multinoyaux à 4,7T, 7T et 11,75T.

L'ingénieur(e) sera sous la responsabilité de Mme Angèle Viola, directrice de recherche au CNRS et responsable de l'activité cerveau petit animal, en interaction avec les responsables des équipes cœur et muscle du laboratoire ainsi qu'avec l'équipe support. Une contribution aux actions collectives du laboratoire (démarche qualité, tâches associées à l'expérimentation animale, maintenance des aimants est attendue).

Missions :
L'ingénieur-e devra concevoir, développer et conduire de protocoles d'imagerie et de spectroscopie par résonance magnétique (IRM/SRM) pour l'exploration de modèles animaux (rats et souris) de pathologies humaines affectant le système nerveux central, le muscle et le cœur.
Activités :
Concevoir des protocoles d'acquisitions IRM/SRM multiparamétriques sur rongeurs pour répondre aux objectifs des projets de recherche des chercheurs du laboratoire ou des équipes partenaires Conduire ces acquisitions IRM/SRM in vivo de modèles animaux (rongeurs) de pathologies humaines (systèmes nerveux central, cardiovasculaire et musculaire) en relation avec les projets des utilisateurs ou partenaires Evaluer les paramètres physiologiques et cliniques des animaux Mettre en place les outils de traitement des données d'imagerie et spectroscopie et prendre en charge ce traitement Participer à l'analyse des données, au choix des méthodes et à leur mise en oeuvre Conseiller les utilisateurs et les partenaires sur les techniques disponibles et l'interprétation des données Assurer la veille scientifique et technologique en imagerie et spectroscopie du petit animal Mettre en œuvre les principes de la démarche qualité mise en place au laboratoire Animer des actions de formation Appliquer et faire appliquer la règlementation en matière d'éthique animale Participer aux tâches communes liées à l'infrastructure animalerie et à la maintenance des aimants

https://mobiliteinterne.cnrs.fr/afip/owa/consult.affiche_fonc?code_fonc=E56009&type_fonction=FS EP&code_dr=12&code_bap=&code_corps=IR&nbjours=&page=1&colonne_triee=1&type_tri=ASC

Chargement ...