STAGE - Ingénieur.e Recherche Segmentation cardiaque (F/H) Groupe Talents Handicap

Dassault Systèmes, l'entreprise de la 3DEXPERIENCE, est un « accélérateur de progrès humain ». Elle propose aux entreprises et aux particuliers des environnements virtuels collaboratifs qui leur permettent d'imaginer des innovations plus durables. En développant un jumeau virtuel du monde réel, grâce à la plateforme 3DEXPERIENCE et à ses applications, Dassault Systèmes donne à ses clients les moyens de repousser les limites de l'innovation, de l'apprentissage et de la production.

Les 20000 collaborateurs de Dassault Systèmes travaillent à créer de la valeur pour nos 270000 clients de toutes tailles, dans toutes les industries, dans plus de 140 pays. Pour plus d'informations, visitez notre site www.3ds.com/fr

Dans le cadre d'un consortium, l'organisation « Virtual Twin for Human » de Dassault Systèmes développe des prototypes logiciels destinés à accompagner l'évolution des pratiques médicales fondées sur le jumeau virtuel.

Vous intégrerez une équipe multidisciplinaire et dynamique travaillant, en collaboration avec des partenaires médicaux, scientifiques et industriels, sur la conception et la restitution d'informations utiles aux patients et aux professionnels de santé.

Au sein de l'équipe « Cardiology Sciences », vous participerez à des projets consacrés à la modélisation et à la simulation du cœur. Le jumeau virtuel cardiaque vise à construire, à partir de données médicales et notamment d'imagerie, une représentation personnalisée, descriptive, évolutive et prédictive du cœur d'un patient.

Cette représentation doit permettre de décrire son état, de simuler différents scénarios d'évolution de la maladie et d'évaluer plusieurs options de traitement. Elle doit également pouvoir évoluer avec les nouvelles données disponibles au cours du suivi médical.

Ce jumeau virtuel doit pouvoir être créé à partir d'imagerie médicale et enfin être capable d'afficher des résultats pertinents pour le médecin.
Dans ce contexte, la segmentation automatique des structures cardiaques, et en particulier des valves cardiaques, est une étape clef. Toutefois, l'entraînement de modèles d'IA de segmentation est souvent freiné par la rareté des données annotées et les contraintes de confidentialité. La génération d'images synthétiques via l'IA constitue une réponse stratégique pour surmonter ces verrous en augmentant et diversifiant les jeux de données d'entraînement.

La segmentation précise des structures cardiaques (ex. ventricules, oreillettes, valves) à partir de différentes modalités d'imagerie (telles que le scanner/CT, l'IRM et l'échographie) constitue le socle de la création de jumeaux cardiaques avancés. Bien que les modèles d'apprentissage profond (deep learning) offrent d'excellentes performances, leur robustesse repose fortement sur le volume de données cliniques annotées disponibles lors de l'entraînement.

Vos missions

L'objectif de ce stage est de développer des pipelines d'apprentissage profond avancés dédiés à la génération d'images synthétiques par IA et à la segmentation multimodale des structures cardiaques. En combinant IA générative, approches d'entraînement modernes et méthodes de vision par ordinateur de l'état de l'art, vous contribuerez à concevoir des modèles capables de s'adapter à différentes anatomies et modalités d'imagerie, réduisant ainsi la dépendance aux annotations manuelles d'experts.
En tant que stagiaire, vos missions seront :

• Réaliser un état de l'art approfondi de l'IA générative appliquée à la création d'images médicales synthétiques et sur les dernières architectures de Deep Learning pour la segmentation multimodale.
• Explorer et implémenter des modèles d'IA avancés (ex. Generative Adversarial Networks, modèles de diffusion) afin de générer des jeux de données médicaux synthétiques réalistes dans différentes modalités.
• Concevoir, implémenter et entraîner des architectures de segmentation de l'état de l'art (ex. Convolutional Neural Networks (CNNs), Vision Transformers (ViTs)) à l'aide de jeux de données mixtes (combinaison de données de patients réels et de cohortes synthétiques).
• Étudier les techniques d'adaptation de domaine et de Parameter-Efficient Fine-Tuning (PEFT), ainsi que les approches de semi-supervised ou selfsupervised learning, pour garantir que les modèles entraînés sur peu de données ou des données synthétiques se généralisent à différents scénarios cliniques

Vos qualifications

Actuellement en Master 2 / Bac+5 en Ecole d'ingénieur ou Université, vous recherchez un stage entre 5 et 6 mois.

Compétences techniques souhaitées :

• Programmation Python orientée machine learning (PyTorch / TensorFlow, Scikit-learn).
• Formation solide en apprentissage profond (Deep Learning) et vision par ordinateur.
• Intérêt pour l'imagerie médicale (scanner, IRM, échographie), la génération de données synthétiques (IA générative) et la manipulation de jeux de données complexes.
• La connaissance du traitement d'images, de l'adaptation de domaine (Domain Adaptation), ou des méthodes d'apprentissage avancées (PEFT, auto/semi-supervisé) est un plus.

Nous recherchons une personne rigoureuse, pragmatique, autonome, dotée d'un esprit critique et d'équipe, et très motivée pour appliquer l'IA au domaine médical.

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