Contexte : L'IHU Liryc (Institut de Rythmologie et Modélisation Cardiaque) est un Institut Hospitalo-Universitaire (IHU) avec une quadruple mission de recherche, de soin, d'innovation et d'enseignement, au service du patient. Il a pour vocation de mieux comprendre et traiter les dysfonctions électriques du cœur qui sont à l'origine de nombreuses maladies cardiovasculaires représentant près d'un tiers des décès dans le monde. L'IHU Liryc est structuré en fondation de coopération scientifique abritée par la Fondation Bordeaux Université (FBU). L'IHU LIRYC est partenaire du consortium MEDITWIN dont l'ambition est de proposer des jumeaux virtuels personnalisés des organes, du métabolisme, des tumeurs cancéreuses, pour mieux diagnostiquer et mieux soigner. Plus précisément, l'IHU LIRYC intervient sur le volet Mort Subite du projet, centré sur la prévention et la prédiction de la mort subite post-infarctus par le développement d'outils innovants pour améliorer la stratification des risques et réduire les décès évitables grâce à des approches basées sur des jumeaux numériques. Dans le cadre de ce projet de recherche, l'équipe du Pôle de Recherche Signal et Santé Connectée de l'IHU Liryc souhaite renforcer ses équipes. Mission : Membre de l'équipe Traitement du Signal, le candidat travaillera sur la plateforme qui exploite des enregistrements Holter ECG 12 dérivations haute résolution (≥ 1000 Hz, 24 h) pour développer des outils quantitatifs de mesure du risque arythmique. Activité Principale : Conception et implémentation d'une chaîne de traitement du signal - Pré-traitement : filtrage adaptatif, suppression d'artefacts (mouvements, interférences). - Détection automatique des complexes QRS et classification des arythmies majeures (extrasystoles, fibrillation atriale, tachycardies ventriculaires.). Extraction de biomarqueurs cardiaques - Potentiels Tardifs Ventriculaires (PTV) : détection d'activations tardives, analyse statistique. - Skin Sympathetic Neural Activity (SKNA) : décomposition du signal haute fréquence et quantification de l'activité sympathique cutanée. - Variabilité de la fréquence cardiaque (SDNN, RMSSD.) : calcul des métriques temps et fréquence. - Alternance de l'onde T (T-wave alternans) : méthodes spectrales et temporelles pour détecter les micro-variations. Validation et optimisation - Évaluation de performance (sensibilité, spécificité, robustesse) sur bases de données cliniques annotées. - Collaboration avec les cliniciens pour interprétation physiologique et validation croisée. Documentation et veille technologique - Rédaction de rapports techniques et publications scientifiques. - Veille sur les avancées en traitement du signal et machine learning appliqués à l'ECG. Compétences techniques - Maîtrise des traitements numériques du signal (filtrage, débruitage, transformées, analyse spectrale). - Expérience en détection automatique de QRS et d'arythmies ECG. - Connaissance des algorithmes d'extraction de PTV, SKNA, SDNN et T-wave alternans. - Langages : Python (NumPy, SciPy, MNE), MATLAB/Octave, C/C++ (atout), normes et librairies biomédicales (WFDB, PhysioNet). - Bonnes pratiques de développement logiciel (Git, tests unitaires, CI/CD). Savoir-faire / Savoir-être - Capacité à travailler, à résoudre des problèmes et à prendre des décisions de manière autonome. - Analyse critique et rigueur scientifique. - Anglais scientifique. - Savoir communiquer avec les différents corps de métier impliqués dans le projet et capacité à travailler en équipe pluridisciplinaire. - Bonnes capacités de communication écrite et orale.