L’étude et le développement du bien-être animal sont des objectifs scientifiques et éthiques de l’Anses. Dans le cadre de ses missions de laboratoire de référence européen pour la rage, le LRFSN maintient des renards roux en captivité à des fins réglementaires pour la surveillance et contrôle de la rage en Europe et pour la recherche.
Ces renards sont suivis par vidéo pour caractériser et quantifier leur activité quotidienne avec trois objectifs principaux : 1/ faciliter la détection des comportements anormaux difficilement détectables lors d’observation directe, 2/ améliorer la détection de signes cliniques lors d’études expérimentales (notamment pour raffiner les points limites), 3/ caractériser et quantifier les changements d’activité dans le cadre d’enrichissement de leurs conditions de captivité et protocoles de manipulation pour minimiser le stress des animaux et augmenter leur résilience. L’activité est définie à travers la détection et l’analyse automatique de postures (assis, début, couché) des renards dans chaque image issue des vidéos, par le modèle YOLOv4.
L’objectif de ce stage est de développer un modèle de détection précoce de changements significatifs de comportement des renards, à partir de l’analyse de séries temporelles de postures. Dans ce but, les images labellisées (par type de posture) seront d’abord converties en séries temporelles quantitatives pour établir une cinétique de comportement « normal » pour chaque individu. Dans un deuxième temps, différents modèles et algorithmes de détection d’anomalies seront testés et comparés en termes de performances de détection d’un changement de comportements.
Dans ce cadre, le/la stagiaire sera amené(e) à :
Conduire une recherche bibliographique sur :
– Les méthodes statistiques de modélisation de séries temporelles et les algorithmes de détection des anomalies sur les séries temporelles La physiopathologie de la rage, particulièrement chez les renards
– Le bien-être animal
Construire des séries temporelles univariées (par posture) pour chaque renard
Modéliser des séries temporelles et comparer les performances des algorithmes de détection d’anomalies (Shewhart, Cusum, autres selon la recherche bibliographique), selon différentes fréquences d’agrégation temporelle des données
Apporter un appui à la labellisation et à la classification des images, si nécessaire
Rédiger un rapport de stage et présenter les travaux en séminaire du laboratoire
Possibilité de visite à la Station Expérimentale d’Atton
Diplôme en cours : Master 2 en biostatistique, data science / science des données, statistiques, maths appliqués, épidémiologie, écologie, ou équivalent (Ecole d’ingénieur par exemple).
Compétences
Maitrise de l’outil R
Connaissance des méthodes d’analyses des séries temporelles avec R
Capacités rédactionnelles
Maîtrise de l’anglais scientifique
Aptitudes au travail en équipe et à la communication
Rigueur scientifique, esprit de synthèse et capacité d’organisation
Merci de consulter la fiche complète de stage : http://mesechanges.anses.fr/HTCOMNET/Handlers/AnonymousDownload.ashx?file=46183842
Date limite de réponse : : 25/10/2024 (les candidatures seront étudiées au fur et à mesure de leur arrivée)
Renseignements sur le stage : Julie Teresa SHAPIRO, chargée de recherche (julie.shapiro@anses.fr) ou Eric MORIGNAT, chargé de recherche (eric.morignat@anses.fr)
Adresser les candidatures par courriel (lettre de motivation + cv) en indiquant la référence Stage-HappyFox à :
Julie Teresa SHAPIRO (julie.shapiro@anses.fr), chargée de recherche ET Eric MORIGNAT (eric.morignat@anses.fr), chargé de recherche ET Sandrine LESELLIER (sandrine.lesellier@anses.fr), cheffe de la Station Expérimentale d’Atton
Commentaires récents