Une candidature sur mesure pour ce poste — un CV personnalisé et une lettre de motivation qui correspondent directement à l’offre.
Dassault Systèmes, au cœur de l'innovation, vous intègrerez une équipe Recherche dédiée aux nouvelles approches de modélisation 3D, simulation et apprentissage pour la santé numérique.
Votre mission consistera à implémenter et expérimenter des cas multiphysiques sur des organes de patient, avec couplages faible ou fort entre solveurs et des méthodes de réduction d’ordre ou de deep learning, afin de rendre le jumeau virtuel plus réaliste et exploitable.
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, simulation et apprentissage. Afin de renforcer la stratégie de Dassault Systèmes en tant qu'acteur de la santé numérique, nous nous intéressons notamment aux challenges liés à la modélisation et la simulation 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 ainsi plusieurs axes de développement, de la reconstruction 3D des organes à partir d'images médicales bruitées à la simulation numérique du jumeau sous diverses contraintes.
Notre équipe s'intéresse spécialement à la problématique de la simulation dans un contexte biomédical permettant de prendre en compte les données médicales d'un patient pour inférer les caractéristiques du patient. Cette étape essentielle de simulation doit prendre en compte des difficultés intrinsèques au monde médical ; en particulier, les phénomènes peuvent être multi-physiques, multi-échelles et coûteux à simuler numériquement, et les données bruitées, incomplètes et hétérogènes.
Votre rôle consistera à implémenter et expérimenter avec des cas d'usage multiphysiques sur des organes de patient et/ou médecin, permettant ainsi de rendre le jumeau virtuel plus réaliste.
Pour cela, vous pourrez expérimenter des méthodes de couplage faible ou fort entre différents types et fidélités de solveurs. En effet, cette approche peut être coûteuse et peut nécessiter l'usage de solveurs rapides basés sur une simplification du problème physique, une réduction d'ordre numérique ou un modèle appris (deep learning) permettant des inférences rapides.
En particulier, votre mission pourra impliquer les étapes suivantes :