STAGE Apprentissage de représentations

DASSAULT SYSTEMES; Vélizy-Villacoublay; Sur place; EUR 13 000 - 20 000; Plein temps

Résumé du poste

Dassault Systèmes recrute pour un stage dédié à l'innovation dans le domaine de la modélisation 3D et de la simulation anatomique. Vous travaillerez sous la direction de la Recherche sur des approches de modélisation du vivant et sur des technologies de jumeau numérique pour la santé numérique.

Le stage vise à concevoir des méthodes morphométriques basées sur l'apprentissage profond auto-supervisé et l'analyse géométrique, avec des évaluations sur la segmentation, la classification et la

Qualifications

• Objectifs: concevoir des méthodes d'analyse morphométrique spécifiques à l'anatomie vasculaire.
• Appliquer l'apprentissage profond auto-supervisé et des outils d'analyse géométrique pour apprendre des représentations pertinentes.
• Évaluer la pertinence du modèle pour des applications (segmentation, classification, détection de pathologies).

Responsabilités

• Etude de l'état de l'art pour l'apprentissage de représentations et l'apprentissage génératif pour l'analyse de réseaux vasculaires.
• Elaboration d'un modèle d'apprentissage de représentations applicable aux réseaux vasculaires.
• Evaluation de la pertinence d'un tel modèle pour diverses applications et comparaison avec l'état de l'art.

Connaissances

Deep learning

Self-supervised learning

Morphometric analysis

Geometric analysis

Anatomie vasculaire

Description du poste

Au cœur de l'innovation à Dassault Systèmes, vous intégrerez une équipe sous la direction de la Recherche, dédiée aux nouvelles approches de modélisation 3D et simulation anatomique. 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

Depuis le développement de l'imagerie médicale et plus récemment de méthodes de segmentation automatique, il est devenu facile d'accéder à des données géométriques de l'anatomie humaine. L'accès à ces formes ouvre la voie au développement de méthodes numériques d'analyse morphométriques, permettant de décrire, comparer, ou classifier les patients selon leurs particularités anatomiques.

De nombreuses méthodes ont été proposées pour répondre à ces besoins, hybridant géométrie et apprentissage profond selon les données et l'objectif visé. Cependant, une très large majorité de ces méthodes est dédiée à l'étude d'organes dont la géométrie relativement simple permet de se contenter de déformations difféomorphiques.

Les réseaux de vaisseaux sanguins résistent encore et toujours aux méthodes d'anatomie computationnelle, en particulier car (1) ils sont naturellement hiérarchiques et multi-échelle, (2) leur géométrie change très largement d'un patient à un autre, et (3) leur structure hiérarchique change également très largement d'un patient à un autre. Ils ne sont donc pas du tout adaptés pour l'utilisation naïve de méthodes difféomorphiques, ou créées pour des surfaces.

Vos missions

L'objectif de ce stage est de concevoir des méthodes d'analyse morphométrique spécifiques à l'anatomie vasculaire. En particulier, les méthodes développées s'appuieront sur des techniques d'apprentissage profond auto-supervisé combinées à des outils d'analyse géométrique, afin d'apprendre des représentations pertinentes des réseaux vasculaires. Les travaux menés pourront s'appuyer sur les recherches déjà menées par l'équipe sur le sujet.

En particulier, votre mission pourra impliquer les étapes suivantes :

• Etude de l'état de l'art pour l'apprentissage de représentations et l'apprentissage génératif pour l'analyse de réseaux vasculaires.
• Elaboration d'un modèle d'apprentissage de représentations applicable aux réseaux vasculaires.
• Evaluation de la pertinence d'un tel modèle pour de multiples applications (segmentation, classification, détection de pathologies, …) et comparaison avec diverses méthodes issues de l'état de l'art.