Développement et validation d’algorithmes d’intelligence artificielle, appliqués à l’haptique s[...]

CEA Université de Paris Laboratoire d’Interfaces Sensorielles & Ambiantes; Saclay; Sur place; EUR 20 000 - 40 000; Plein temps

Résumé du poste

Un laboratoire de recherche en technologies haptiques à Saclay recherche un doctorant pour développer de nouvelles méthodes d'évaluation clinique utilisant des technologies haptiques et l'algorithmie de machine learning. Le candidat idéal aura une formation en recherche clinique et des compétences en analyse de données. Le poste propose un environnement de travail stimulant axé sur l'innovation scientifique.

Qualifications

• Expérience en algorithmie de machine learning et technologies haptiques.
• Solides compétences en recherche et validation de méthodes cliniques.
• Capacité à travailler dans un environnement de recherche interdisciplinaire.

Responsabilités

• Développer des méthodes d'évaluation clinique des déficits tactuo-moteurs.
• Participer à l'analyse de données et à la validation des résultats.
• Contribuer à la rédaction de publications scientifiques.

Connaissances

Algorithmie de machine learning

Technologies haptiques

Analyse multimodale

Compétences en évaluation clinique

Formation

Diplôme de Master

Description du poste

Topic description

L'objectif de cette thèse est de développer de nouvelles méthodes d'évaluation clinique utilisant des technologies haptique surfaciques, développées au CEA List, et des algorithmes de machine learning pour tester et mesurer l'intégration tactile-motrice. En particulier, la thèse investiguera et validera le développement d'un pipeline d'analyse multimodale qui convertit les signaux haptique et les données des exercices de dextérité (c'est‑à‑dire les événements de stimulation tactile, la cinématique des doigts, les forces de contact et le timing en millisecondes) en biomarqueurs fiables et interprétables de la perception tactile et du couplage sensorimoteur, puis classera les schémas d'intégration normatifs par rapport aux schémas atypiques avec une fidélité clinique pour l'évaluation.

The aim of this PhD thesis is to develop new clinical assessment methods using surface haptics technologies, developed at CEA List, and machine learning algorithms for testing and monitoring tactile‑motor integration. In particular, the thesis will investigate and validate the development of a multimodal analytics pipeline that converts surface haptics signals and dexterity exercises inputs (i.e. tactile stimulation events, finger kinematics, contact forces, and millisecond timing) into reliable, interpretable biomarkers of tactile perception and sensorimotor coupling, and then classify normative versus atypical integration patterns with clinical fidelity for assessment.

Résultats attendus :

• une nouvelle technologie et des modèles pour la mesure rapide et réalisable des déficits tactuo‑moteurs en milieu clinique, avec une validation initiale pour différents troubles du neurodéveloppement (c'est‑à‑dire la psychose, le trouble du spectre autistique et la dyspraxie).
• Les méthodes développées et les données collectées fourniront : une bibliothèque de caractéristiques ouverte et versionnée pour l'évaluation tactuo‑motrice ; des classifieurs avec des points de fonctionnement prédéfinis (sensibilité / spécificité) ;

et une pipeline « edge‑ready » sur le dispositif, c’est‑à‑dire capable de fonctionner localement sur une tablette tout en respectant les contraintes de latence, de calcul et de confidentialité des données. Le succès sera mesuré par la reproductibilité des caractéristiques, des tailles d’effet cliniquement significatives et une logique de décision interprétable qui se rapporte à la neurophysiologie connue plutôt qu’à des artefacts.

Expected results :

• an open, versioned feature library for tactile‑motor assessment;
• classifiers with predefined operating points (sensitivity / specificity);
• an on‑device / edge‑ready pipeline, i.e. able to run locally on a typical tablet hardware whilst meeting constraints on latency, computing, and data privacy.

Success will be measured by reproducibility of features, clinically meaningful effect sizes, and interpretable decision logic that maps back to known neurophysiology rather than artefacts.

Pôle fr : Direction de la Recherche Technologique

Pôle en : Technological Research

Département : Département Intelligence Ambiante et Systèmes Interactifs (LIST)

Service : Service Interactions et Réseaux

Laboratoire : Laboratoire d’Interfaces Sensorielles & Ambiantes

Date de début souhaitée : 01-09-

Ecole doctorale : Santé Publique : Épidémiologie et Sciences de l’Information Biomédicale (ED)

Directeur de thèse : Lindberg Pavel

Organisme : Université Paris Cité

Laboratoire : Inserm U ‑ Centre de Psychiatrie et Neurosciences (CPN)

Funding category

Public / private mixed funding

Funding further details