STAGE - Ingénieur(e) de recherche : Apprentissage d'un atlas anatomique à partir d'images médicales (H/F)

Au cœur de l'innovation à Dassault Systèmes, vous intégrerez une équipe sous la direction de la Recherche, dédiée aux nouvelles approches de modélisation et simulation 3D. En particulier, notre équipe a pour mission d'inventer les futures technologies qui serviront à concevoir des expériences de design 3D industriel ou anatomiques plus intuitives et davantage automatisées.

Afin de renforcer la stratégie de Dassault Systèmes en tant qu'acteur de la santé numérique, nous nous intéressons notamment aux challenges de la modélisation du vivant, afin d'être en mesure de fournir des technologies à même de concevoir le jumeau numérique 3D de n'importe quel patient. Un tel jumeau numérique peut s'avérer crucial, autant pour la compréhension des pathologies (médecine descriptive) que pour l'élaboration de traitements plus efficaces (médecine prédictive), afin de prédire l'évolution d'une pathologie ou la réponse d'un organe à une chirurgie.

La modélisation automatisée d'un jumeau numérique de l'être humain nécessite plusieurs axes de développement, de la reconstruction 3D des organes à partir d'images médicales, à la simulation numérique du jumeau sous diverses contraintes. Parmi d’autres objectifs, notre équipe cherche à exploiter les données médicales d’un patient pour inférer un modèle 3D qui lui est spécifique. Cette étape essentielle doit prendre en compte des difficultés intrinsèques au monde médical, en particulier liées à la quantité et qualité des données qui peuvent être insuffisantes pour reconstruire un modèle complet. 

Vos missions

Dans ce contexte, votre rôle consistera à implémenter et expérimenter des réseaux de neurones afin d’apprendre des atlas anatomiques (aussi appelés templates). Ces outils, permettant de modéliser les formes typiques et les déformations réalistes dans une population, capturent la variabilité 3D d’un organe afin de pouvoir inférer une anatomie spécifique même en présence de données incomplètes ou bruitées. De plus, vous pourrez explorer les manières d’enrichir ces atlas grâce à des données multimodales (scanner/IRM) et/ou en y intégrant de la connaissance médicale non contenue dans les images du patient.

En particulier, votre mission pourra impliquer les étapes suivantes :

• Etude de l’état de l’art en apprentissage profond pour le traitement des images médicales (déformations, templates).
• Conception d'une architecture d'apprentissage permettant de générer une anatomie 3D représentative d'un ensemble d’images médicales, et d’apprendre les déformations réalistes de ce modèle.
• Étude des techniques d'inférence permettant de reconstruire une anatomie spécifique à partir du modèle généré et d'une observation (inférence Bayésienne).
• Développement des modèles d’apprentissage identifiés et expérimentation sur des images réelles.