STAGE Ingénieur.e Recherche Modélisation 3D paramétrique (F/H)

Dassault Systèmes; Vélizy-Villacoublay; On-site; EUR 10,000 - 15,000; Part time

Job summary

Dassault Systèmes recherche un stagiaire pour rejoindre l’équipe Healthcare Immersive Experiences, au sein du département Corporate Strategy & Research, à Vélizy-Villacoublay. Le stage porte sur le développement d’un modèle paramétrique et régulier 3D des artères coronaires, en s’appuyant sur des méthodes de modélisation géométrique et d’apprentissage profond.

Vous travaillerez sur des architectures adaptées et des données synthétiques pour améliorer la planification et le recalage en imagerie.

Qualifications

• Stage centrée sur la modélisation géométrique et l’IA appliquée à la médecine.
• Conception et évaluation d’architectures 3D et de géométries anatomiques.

Responsibilities

• Développer un modèle paramétrique et régulier 3D des artères coronaires.
• Formaliser la géométrie complexe des réseaux vasculaires via des méthodes comme B-splines, NURBS ou champs de distance implicites.
• Concevoir, implémenter et évaluer l’architecture adaptée répondant aux contraintes algorithmiques et cliniques.

Job description

Dassault Systèmes a pour ambition stratégique de révolutionner les sciences de la vie, avec le développement du jumeau virtuel, et par conséquent de transformer la pratique médicale. Au sein du département Corporate Strategy & Research, vous intégrerez l'équipe Healthcare Immersive Experiences, spécialisée en vision par ordinateur, modélisation 3D, intelligence artificielle, réalité augmentée et réalité virtuelle. Sa mission est d'inventer les techniques et contenus immersifs de demain, grâce à des expériences innovantes s'appuyant sur le jumeau virtuel de l'être humain, dans le but d'améliorer la vie des patients et le travail des médecins.

La médecine clinique conventionnelle repose sur une expertise hautement spécialisée dans l'exécution de procédures complexes et l'interprétation de structures anatomiques denses. L'émergence des technologies immersives et des modèles génératifs de l'intelligence artificielle offre une opportunité majeure de transformer la pratique clinique, notamment en accélérant la planification chirurgicale et en optimisant le processus décisionnel.

Dans le contexte des pathologies coronariennes, la modélisation et la manipulation de la géométrie morphologique 3D sont critiques pour le diagnostic et le planning interventionnel. Toutefois, le développement de solutions d'IA appliquées est fortement limité par la rareté et l'hétérogénéité des données médicales. En raison des contraintes réglementaires, du coût élevé de l'annotation par des experts et de la variabilité inter-patient, l'acquisition de bases de données volumétriques annotées reste prohibitive. Pour contourner ce verrou méthodologique, la modélisation paramétrique et l'apprentissage de variété (manifold learning) permettent de capturer la variance géométrique sous-jacente des arbres coronaires au sein d'un espace latent de faible dimension (via ACP/PCA ou auto-encodeurs), constituant ainsi un a priori géométrique et topologique particulièrement discriminant.

Vos missions

Au cours de ce stage, vous développerez un modèle paramétrique et régulier 3D des artères coronaires. L'objectif est de formaliser la géométrie complexe des arborescences vasculaires au moyen d'une paramétrisation continue (ex. B-splines, NURBS ou champs de distance implicites). Loin de se substituer aux données réelles, ce cadre fait office de modèle statistique de forme standardisé. Il constitue une base méthodologique centrale permettant d'aborder plusieurs tâches clés en géométrie 3D et vision par ordinateur, notamment la génération de données anatomiques synthétiques, la reconstruction de formes et le recalage de structures spécifiques à chaque patient.

Vous débuterez par une revue de la littérature approfondie sur les approches de modélisation géométrique (analyse statistique de forme, représentations implicites ou explicites) et d'apprentissage profond structuré. Sur cette base, vous concevrez, implémenterez et évaluerez l'architecture la plus adaptée pour répondre aux contraintes algorithmiques et cliniques identifiées.