Développement d'algorithmes de Machine Learning pour la détection de crises d’épilepsie
Joignez-vous à OCTO et l'association AURA pour la conception d’un système de détection des crises d’épilepsie

Missions

  • Réaliser un état de l’art des systèmes de détection de crises d’épilepsie s’appuyant sur le signal cardiaque (electrocardiogramme)
  • Explorer 2 jeux de données mise à disposition par la communauté scientifique internationale et par un établissement médical partenaire de l’association Aura.
  • Concevoir et améliorer un modèle de détection des crises d’épilepsie en collaboration avec des neurologues.

Conditions

Type de stage : Stage de fin d'études
Lieu : Paris
Rémunération : 1500 € bruts
Date : 2021

Profil

  • F/H
  • Vous êtes passionné(e) par la data science et vous intéressez à la finalité du problème que vous tentez de résoudre.Vous êtes à l’aise en Python et avez une première expérience avec les librairies de traitements de données (NumPy, pandas) et les frameworks de machine learning/deep learning (scikit-learn, TensorFlow).
  • Vous êtes curieux(se), aimez travailler en autonomie et êtes capable de prendre des initiatives.
  • Vous souhaitez vous impliquer dans une initiative scientifique, médicale et collaborative.

Contexte

Un des enjeux du projet réside dans la conception d’algorithmes performants capables de détecter les crises d’épilepsie pour un grand nombre de patients. Ces travaux sont réalisés avec une démarche "open science" en collaboration avec les partenaires médicaux d'AURA.

Objectifs du stage

• Étape 1: Réaliser un état de l’art des différentes approches d’analyse des données et des méthodes de détection des crises basées sur le signal ECG (électrocardiogramme).

• Étape 2: Explorer un jeu de donnée ouvert TU EEG Seizures (700 patients, 5000 enregistrements) ainsi qu’un jeu de donnée mis à disposition par un établissement médical partenaire.

• Étape 3: Formaliser la tâche d’apprentissage et développer les modèles statistiques :
- Identifier le(s) cadre(s) d’apprentissage qui vous semble(nt) le(s) plus adapté(s) (supervisé / non supervisé, classification / régression, etc.),
- Implémenter les méthodes appropriées au problème posé,
- Évaluer les performances de ces méthodes et identifier leurs limites,
- Structurer votre code (couverture de tests, intégration continu)

• Étape 4: Vous partagerez au sein de la communauté OCTO ce que vous aurez appris, à travers une restitution interne et un article sur le blog OCTO. Ces travaux pourront également donner lieu à une publication scientifique.

Encadrement

Vous serez encadré(e) par deux consultants Data Scientist et Data Engineer des tribus Nouvelles Architectures de Données et Big Data Analytics chez OCTO. Vous serez suivi(e) tout au long de votre projet (entretiens hebdomadaires avec votre tuteur, soutien de la communauté OCTO en cas de difficultés techniques…).