Titre : Modèle hybride pour l'extraction d'information experte dans
des documents scientifiques textuels


Présentation du contexte

DIAFIR est une entreprise créée pour développer et mettre sur le marché
des solutions basées sur des optiques infrarouges innovantes.
L'entreprise développe les potentialités de fibres optiques en verres
de chalcogénure transmettant dans le moyen infrarouge (MIR) développées
par le laboratoire Verres et Céramiques de l'université de Rennes 1. De
nombreux travaux ont montré les potentialités de ces fibres comme outil
diagnostic pour la spectroscopie MIR appliquée aux biofluides. En effet
un spectre moyen infrarouge d'un échantillon complexe est le reflet de
sa composition moléculaire qui, lorsque celui-ci est un biofluide, peut
être assimilé à une image métabolique instantanée d'un individu. Cette
technique constitue donc un outil intéressant pour le diagnostic
médical notamment.

L'Institut de Recherche Dupuy de Lôme (IRDL) est un regroupement, ayant
vu le jour en 2016, entre deux laboratoires bretons proches et
complémentaires sur de nombreuses thématiques scientifiques,
À savoir, le Laboratoire d'Ingénierie des Matériaux de Bretagne
(LIMATB) et le Laboratoire Brestois de Mécanique et des Systèmes
(LBMS).


Comme précisé précédemment, le spectre moyen infrarouge d'un biofluide
est le reflet de sa composition moléculaire. Ce spectre est
composé de plusieurs bandes d'absorption, dont la position s'exprime
en nombres d'onde (cm^-1 ), qu'il faut interpréter en termes de
fonctions chimique et faire le lien avec un contexte
biologique/clinique. Ces interprétations sont possibles notamment à
l'aide des nombreuses études publiées chaque année mais demande un
travail long et fastidieux d'analyse par des experts du domaine. Ainsi,
DIAFIR et l'IRDL se sont associés pour développer à l'aide d'un système
expert une base de données pour interpréter les spectres moyen
infrarouge dans le domaine de la biologie.


Sujet du stage

Élaboration d'un système hybride d'extraction d'informations textuelles
appliqué à l'interprétation de spectres infrarouges aux fins de
diagnostic en santé humaine

Le stage fait suite à un précédent stage de 5 mois réalisé en 2021
ayant permis de commencer le développement du système d'extraction
d'information.

Les missions suivantes devront être poursuivies/ améliorées :

-   Les métadonnées des publications devront être extraites avec pour
    objectif principal la recherche de fréquence spectrale associée à
    leur attribution biologique. Afin de cibler la recherche de
    publications, un thesaurus de mots clés a été établi. Le Traitement
    automatique du langage naturel (TALN), et en particulier les
    approches `deep learning' de type BERT seront utilisés pour
    extraire, depuis les publications de la base de publications
    scientifiques PubMed, les données liées aux fréquences du spectre
    infrarouge et leur attribution.

-   Les fréquences spectrales et métadonnées seront accrétées au sein
    d'une base de données requêtable sur tout champ avec une interface
    utilisateur adaptée au « end-user » responsable du diagnostic.

-   Mise en place d'un apprentissage incrémental (réentraîner les
    modèles lorsque des métadonnées/données spectrales ne sont pas
    trouvées ou identifiées comme fausses par un expert

-   Le système (base de données et user interface) devra être déployé
    sur  un serveur via des web services (base mongoDB et/ou
    Elasticsearch).


Compétences recherchées

-   Étudiant en stage de master 2 informatique (orientations TALN, IA,
    Apprentissage profond)

-   Dynamisme, autonomie, rigueur, capacités rédactionnelles et de
    synthèse

-   Fort intérêt pour les sujets transversaux
    (statistique-médecine-biologie)

-   Maîtrise de Python, outils du TALN, Sklearn, Pytorch, gensim, etc.

Connaissance des architectures web service (REST), MongoDB,
Elasticsearch


Informations de l'offre:

Contrat : Stage Étudiant
Date de début : Janvier-février 2022
Durée : 5 mois
Lieu : Université de Bretagne Sud, Campus de Tohannic, 56000 Vannes
Rémunération : 1000¤ net par mois

Merci de bien vouloir faire parvenir CV et lettre de motivation par
mail à :

-   Olivier Sire : Olivier.sire@univ-ubs.fr
-   Hugues Tariel : _Hugues.tariel@diafir.com

*Date limite de candidature : **15/11/2022*