STAGE Développement de méthode de simulation biomédicale

Au sein de Dassault Systèmes, vous intégrez pour ce stage une équipe de recherche dynamique qui place l'innovation au cœur de ses priorités.

Rattachée au département Recherche, cette équipe développe des approches avancées de modélisation, simulation et apprentissage automatique appliquées à des domaines médicaux stratégiques tels que la cardiologie, la neurologie et l'oncologie. Dans le cadre de la stratégie de Dassault Systèmes et du projet MediTwin, nous œuvrons à faire de l'entreprise un acteur majeur de la santé numérique.

Notre défi : développer la modélisation et la simulation du vivant pour concevoir le jumeau numérique 3D personnalisé de chaque patient. Cette technologie innovante transforme l'approche médicale en offrant aux médecins une compréhension approfondie des pathologies et la possibilité de développer des traitements vraiment personnalisés.

Créer un jumeau numérique humain représente un défi technologique complexe qui s'articule autour de deux étapes principales : la reconstruction 3D des organes à partir d'images médicales souvent imparfaites, puis la simulation du comportement de ce modèle numérique dans différentes conditions.

Notre équipe s'attache particulièrement à cette seconde étape en développant des méthodes de simulation biomédicale capables d'intégrer les données médicales propres à chaque patient pour prédire avec précision ses caractéristiques physiologiques. Cette simulation présente des challenges uniques au domaine médical : les phénomènes sont multi-physiques et multi-échelles, les calculs numériques sont coûteux, et les données médicales sont souvent bruitées, incomplètes et hétérogènes.

La modélisation de l'écoulement sanguin représente un réel défi, en particulier dans les réseaux vasculaires de grande taille présentant une géométrie et une topologie complexes. Bien que les méthodes de simulation les plus avancées permettent une modélisation très précise, elles entraînent également des coûts de calcul élevés. À cet égard, les techniques de réduction de dimensionnalité et la modélisation "surrogate" de la microcirculation sanguine deviennent intéressantes.

Vos missions

L'objectif de ce stage est double : explorer des descriptions haute-fidélités, de faible dimension et interprétables de l'écoulement sanguin dans les capillaires, puis résoudre un problème inverse de reconstruction de réseaux vasculaires candidats à partir de marqueurs physiologiques du flot sanguin.

Des méthodes récentes permettent déjà une paramétrisation de faible dimension des formes vasculaires complexes, mais leur interprétation physiologique fait encore défaut. Le lien entre l'arrangement vasculaire et le comportement de l'écoulement reste encore à établir. Une fois établi, il s'agira de résoudre un problème inverse pour prédire des design vasculaires correspondants à des critères physiologiques cibles.

En particulier, vous devrez :

* Développer des modèles surrogate haute-fidélité et interprétables pour la microcirculation dans des formes vasculaires complexes, en extrapolant à partir de méthodes de simulations qui peuvent capturer des phénomènes non locaux et non linéaires de l'écoulement
* Explorer les formes vasculaires via des paramétrisations existantes de faible dimension, et leur impact sur l'écoulement sanguin
* Intégrer cette modélisation de la microcirculation dans des techniques de changement d'échelle
* Résoudre le problème inverse : inférer de bonnes paramétrisations vasculaires qui répondent à des descripteurs physiologiques cibles

Ce stage vous offrira une opportunité unique de contribuer à une recherche de pointe avec un impact sociétal majeur, tout en développant une expertise rare et très recherchée à l'intersection de l'intelligence artificielle et de la simulation numérique.

Vos qualifications

Actuellement en Master 2 / Bac+5 en Ecole d'ingénieur ou Université, vous vous spécialisez en mathématiques appliquées (particulièrement en apprentissage statistique et/ou en simulation numérique) et recherchez un stage entre 5 et 6 mois.

Compétences techniques souhaitées :

* Maîtrise du langage de programmation Python, notamment PyTorch
* Analyse des EDP et EDO
* Expérience pratique en deep learning
* Des connaissances en C/C++ seront appréciées
* Une première expérience en recherche (projet de fin d'études, stages précédents) sera valorisée.

Compétences professionnelles souhaitées :

* Curiosité scientifique
* Autonomie
* Capacité à restituer et esprit de synthèse
* Très bonnes capacités d'analyse et de rigueur dans l'étude d'un problème

Nous rejoindre c'est aussi

Intégrer une entreprise scientifique au cœur de l'innovation technologique, portée par une forte croissance depuis plus de 40 ans.

Principaux avantages et bénéfices :

* Environnement collaboratif et innovant
* Collaboration internationale
* Diversité des technologies, produits et solutions
* Engagement en faveur de la diversité et de l'inclusion