Stage M2 6 mois -Lyon- H/F : Classification Images de microscopie holographique pour la microbiologie

Type de poste
Niveau d'étude minimal
Dates
Durée du poste
Contrat renouvelable
Contrat non renouvelable
Date de prise de fonction
Date de fin de validité de l'annonce
Localisation
Nom de la structure d'accueil
Adresse

40 avenue Tony Garnier
69007 LYON
France

Contacts
Chloe mahieu
Email du/des contacts
chloe.mahieu@bioaster.org
Description

MISSION et objectifs
La microscopie holographique est une technique d’imagerie permettant de capter à la fois la phase et l’amplitude des ondes lumineuses diffractées par un objet et d’obtenir, sans marquage et après reconstruction numérique, une information en 3 dimensions spatiales d’objets microscopiques, même transparents. Cette microscopie computationnelle, dite quantitative de phase, est particulièrement bien adaptée à l’étude phénotypique de micro-organismes individuels, vivant et transparents.
L’objectif du projet est d’appliquer la microscopie holographique à l’étude de souches bactériennes afin d’identifier leur phénotype. L’objectif du stage est de développer un modèle de classification à partir des images holographiques acquises durant la croissance bactérienne.

Activités :
– Compréhension du prototype de microscopie holographique et de l’acquisition d’une base de données images
– Reconstruction des images holographiques via les codes MATLAB
– Prétraitement des images et extraction des paramètres informatifs des cellules individuelles
– Développement d’un pipeline de préparation de la base d’apprentissage des séries temporelles d’images
– Développement d’un modèle de classification de séries temporelles d’images, basé le framework de machine learning TensorFlow
– Intégrations des pipelines à l’infrastructure de calcul existante
– Communication des résultats au projet et à BIOASTER

RATTACHEMENT
La mission sera rattachée au pôle data science et data management de BIOASTER, avec une forte interaction avec le pôle d’Ingénierie des Microsystèmes Biologiques et Optique Avancée

PROFIL
Compétences:
– Élève ingénieur, master niveau Bac +5 en data science et un background sur biologie moléculaire
– Bonne connaissance de l’apprentissage automatique, notamment des méthodes de clustering (kNN, DBSCAN, etc) et de classifications (réseaux de neurones convolutionnels, forêts aléatoires, etc.)
– Bonne connaissance de Python, connaissance de la bibliothèque sckikit-learn ou d’autres framework de machine learning
– Connaissance générale de GNU/Linux (Red Hat, CentOS, Scientific Linux)
– Bonne connaissance en traitement image
– Connaissance générale de Matlab
– Bonne connaissance du français et de l’anglais scientifique et technique
– Une connaissance en holographie numérique n’est pas requise
Qualités personnelles
– Capacité à travailler à l’interface de plusieurs champs disciplinaires
– Rigueur et organisation
– Esprit curieux et créatif
– Bonnes capacités relationnelles (travail en équipe)
– Respect de la confidentialité

Equipe adhérente personne morale SFBI
Equipe Non adhérente