Missions

Vous serez chargé·e de :
* Piloter la collecte de données MEG avec empreinte de tête (head-cast) pour une étude d’atteinte/interception visuomotrice, en assurant une synchronisation robuste avec la cinématique basée sur la vidéo et l’oculométrie, ainsi qu’un contrôle qualité rigoureux.
* Concevoir et mettre en œuvre la chaîne d’analyse de bout en bout : prétraitement, reconstruction de source, analyses à résolution en profondeur (laminaires) et détection/analyse des bouffées bêta ; produire du code réutilisable et bien testé.
* Coordonner l’intégration inter-sites au sein d’un consortium ANR (Lyon – Marseille – Strasbourg) impliquant la MEG laminaire (Lyon), l’électrophysiologie laminaire chez le NHP (Marseille) et la modélisation computationnelle (Strasbourg) pour étudier le rôle des bouffées bêta sensorimotrices dans le traitement prédictif : aligner protocoles, métadonnées et plans d’analyse ; contribuer aux comparaisons inter-espèces.
* Faire progresser et documenter notre boîte à outils open source d’analyse de MEG laminaire (laMEG), y compris tutoriels, exemples et jeux de données de validation.
* Assurer la diffusion (preprints, revues, conférences) et contribuer à la gestion de projet (jalons, rapports ANR, plan de gestion des données).
* Encadrer des étudiant·e·s/ingénieur·e·s et promouvoir des pratiques de laboratoire inclusives et reproductibles.

Activités

* Acquisition & CQ : préparer les dossiers éthiques/consentements ; former les opérateur·rice·s ; conduire les sessions MEG ; mettre en place des tableaux de bord de CQ en ligne/hors‑ligne ; tenir les journaux d’étalonnage.
* Intégration comportementale : déployer la vidéo multi‑caméras synchronisée pour la cinématique 3D sans marqueurs et l’oculométrie ; gérer le timing, les triggers et les métadonnées ; mettre au propre et conformer les jeux de données au format BIDS/MEG‑BIDS.
* Modélisation & statistiques : réaliser la modélisation de source laminaire ; dériver les caractéristiques des bouffées bêta (temporalité, taux, forme d’onde) ; relier les marqueurs neuronaux au comportement via GLMMs/modèles bayésiens ; conduire des analyses de sensibilité et de robustesse.
* Validation méthodologique : établir des benchmarks entre pipelines alternatifs (filtres, détecteurs de bouffées, modèles direct/inverse) ; effectuer de la validation croisée et des contrôles basés sur des simulations ; documenter performances et limites.
* Ingénierie logicielle : contribuer du code maintenable à laMEG ; ajouter des tests unitaires/intégration et de l’intégration continue ; packager des exemples et notebooks.
* Collaboration : coordonner les standards de code/données avec Marseille (électrophysiologie NHP) et Strasbourg (modélisation computationnelle) ; organiser des analyses inter‑sites.
* Diffusion & formation : rédiger manuscrits/preprints ; présenter en réunions ; animer des ateliers internes ; soutenir les livrables ANR et le partage des données.

Compétences

* Doctorat en neurosciences, génie biomédical, informatique ou discipline voisine.
* Solides compétences en Python et MATLAB ; contrôle de version (git) et workflows reproductibles.
* Expérience en analyse MEG/EEG ; maîtrise de MNE‑Python/SPM/FieldTrip ; à l’aise avec la reconstruction de source et le traitement du signal.
* Connaissance des oscillations cérébrales/bouffées bêta ; une expérience en real‑time/closed‑loop setups is a plus.
* Atouts : expérience en MEG laminaire / MEG ; HMMs ou modèles d’états ; vision par ordinateur/cinématique ; HNN ou modèles de masses/spiking ; HPC.
* Excellentes compétences rédactionnelles et orales en anglais. Le français n’est pas requis.

Contexte de travail

Le poste est basé à Lyon, France, au sein de l’équipe Decision, Action, and Neural Computation (DANC) de l’Institut des Sciences Cognitives Marc Jeannerod (ISCMJ, CNRS). La/Le post‑doctorant·e collaborera au sein du consortium ANR Bursts2Predict (MEG laminaire humaine à Lyon ; électrophysiologie laminaire NHP à Marseille ; modélisation computationnelle à Strasbourg), avec des déplacements inter‑sites possibles.

Contraintes et risques

Aucun