Data scientist en imagerie médicale - F/H

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 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.

Pour en savoir davantage : https://www.3ds.com/fr/newsroom/press-releases/meditwin-launch

Poste en CDI, basé à Vélizy Villacoublay (78)

Vos missions :

La modélisation automatisée d'un jumeau numérique de l'être humain nécessite ainsi plusieurs axes de développement, de la reconstruction 3D d'organes à partir d'images médicales bruitées, à la simulation numérique du jumeau sous divers contraintes. L'intelligence artificielle, et plus particulièrement le deep learning non supervisé, peut permettre notamment de développer des méthodes de modélisation anatomique tirant partie de grandes bases de données d'images médicales, annotées ou non. Des modèles génératifs peuvent par exemple être utilisés pour créer des atlas anatomiques déformables ou fusionner des images de modalités différentes, afin d'inférer des formes 3D anatomiques à partir d'images bruitées et multimodales. Les formes 3D reconstruites peuvent en outre être potentiellement enrichies d'une sémantique médicale issue d'une expertise humaine, par exemple via des données segmentées exploitées lors de l'apprentissage.

Votre rôle consistera à aider à la mise en place d'une infrastructure de deep learning et MLOps permettant l'apprentissage et l'inférence de modèles d'IA sur des bases de données d'images médicales, ainsi qu'à implémenter divers réseaux de neurones à la pointe de la recherche pour résoudre les défis de la reconstruction anatomique et l'inférence médicale.

Dans ce contexte, vous pourrez par exemple concevoir des méthodes d’apprentissage pour le traitement et l'analyse des images médicales, le recalage non rigide entre formes 3D, ou encore la génération d'atlas ou templates anatomiques. 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 hybrider ces méthodes avec des approches davantage géométriques, ainsi qu’explorer les manières d’enrichir ces templates grâce à des données multimodales (scanner, IRM, …) et/ou en y intégrant de la connaissance médicale non contenue dans les images du patient.

Les tâches suivantes relèveront de votre responsabilité :

• Étude et veille technologique de l'état de l'art en deep learning, notamment non supervisé, sur des images médicales.
• Organisation et préparation des bases de données d'images médicales.
• Conception et développement de composants de deep learning pour le traitement d'images médicales et l'inférence anatomique.
• Intégration continue dans l'architecture logicielle de l'équipe, mise en place de tests unitaires, démonstration des travaux réalisés via des expériences interactives.