Offre de position de post-doctorat

English below

Sujet: génération automatique de signatures d'activités quotidiennes à partir de données capteurs pour des patients sédentaires.

Contexte

cette position de post-doctorat se place dans un vaste projet (eMOB) impliquant plusieurs partenaires clermontois et étrangers, qui s'intéresse aux possibilités offertes par les outils numériques pour l'étude de la mobilité dans les suivis de santé. En particulier, on s'intéresse au suivi quotidien des personnes en situation de sédentarité, avec une condition de santé qui impose d'être suivis par des professionnels de la santé (douleurs chroniques, obésité, diabète, etc.). L'objectif est de fournir à ces professionnels des informations synthétiques et quantitatives, à l'échelle de la journée, des activités de mobilité de leurs patients. Un travail en cours dans le projet consiste à équiper les patients de capteurs de mouvements dédiés au contexte de la sédentarité. Les informations collectées par ces dispositifs sont ensuite exploitées par des approches d'apprentissage profond pour obtenir une description sémantique de l activité fine, à l'échelle de la seconde.

Description

L'objectif de ce post-doctorat consiste à produire à partir des données collectées une signature de l'activité quotidienne qui permettra de produire une visualisation simple et compréhensible par les professionnels de santé, qui permettra d'identifier les journées atypiques chez un patient en particulier, ou encore de regrouper les patients par similarité d'activité. On cherchera par exemple à identifier le type d'activité, leur intensité, leur fragmentation, ou encore leur diversité au sein de la journée, par exemple à l'échelle de la demie-heure. Le choix de cette grille de lecture sera établie en collaboration avec les experts de santé impliqués dans le projet, afin de correspondre à leurs besoins. On pourra ensuite utiliser des techniques d'apprentissage supervisé ou non supervisé afin d'identifier les signatures de journées semblables. On s'intéressera également aux données manquantes, et à l'utilisation des signatures semblables pour proposer aux professionnels de santé la visualisation d'une possible activité le reste de la journée, quand les données sont manquantes.

Informations pratiques

Contact

Pour toute information complémentaire ou pour candidater, contactez Jean-Marie Favreau.

Post-doctoral position

Subject: Automatic generation of daily activity signatures from sensor data for sedentary patients.

Context

This post-doctoral position is part of a vast project (eMOB) involving several partners from Clermont-Ferrand and abroad, which is interested in the possibilities offered by digital tools for the study of mobility in health monitoring. In particular, we are interested in the daily follow-up of people in a sedentary situation, with a health condition that requires follow-up by health professionals (chronic pain, obesity, diabetes, etc.). The objective is to provide these professionals with synthetic and quantitative information, on a daily scale, on the mobility activities of their patients. One work in progress in the project consists of equipping patients with movement sensors dedicated to the context of sedentary lifestyles. The information collected by these devices is then exploited by deep learning approaches to obtain a semantic description of the fine activity, at the scale of the second.

Description

The aim of this post-doctoral research project is to produce a signature of daily activity from the collected data, which will enable a simple and comprehensible visualization to be produced by healthcare professionals, which will make it possible to identify atypical days in a particular patient, or to group patients by similarity of activity. For example, we will seek to identify the type of activity, their intensity, their fragmentation, or their diversity within the day, for example on a half-hour scale. The choice of this reading grid will be established in collaboration with the health experts involved in the project, in order to correspond to their needs. Supervised or unsupervised learning techniques can then be used to identify signatures from similar days. Attention will also be paid to missing data and the use of similar signatures to propose to health professionals the visualisation of a possible activity for the rest of the day, when data is missing.

Practical information

Contact

For further information or to apply, please contact Jean-Marie Favreau