Nous recherchons un(e) étudiant(e) en fin de cycle ingénieur ou master (PFE) pour un stage de 6 mois dans le cadre d’un projet innovant à l’intersection de l’intelligence artificielle et de la simulation biomédicale. Le projet consiste à développer des modèles de Deep Learning capables de créer des maillages 3D précis et personnalisés de l’aorte à partir d’images médicales (scanner CT), spécifiquement adaptés à chaque patient.   

Le travail portera sur plusieurs aspects : 

• Analyse des images médicales et des maillages utilisés en tant que base de données. 

• Compression de maillage à partir de méthodes statistiques et/ou de Machine Learning. 

• Création de maillages à partir des images médicales en utilisant des réseaux neuronaux de type CNN (Convolutional Neural Networks), U-Net ou autres architectures deep learning adaptées. 

• Validation des maillages par comparaison avec des maillages réalisés de manière plus classique 

• Implémentation du workflow sur des infrastructures cloud telles qu’AWS, afin de gérer efficacement les données médicales volumineuses et l’entraînement des modèles sur des clusters GPU.

• Formation : Étudiant(e) en dernière année de cycle ingénieur ou master (informatique, mathématiques appliquées, traitement d’image, ou génie biomédical). 

• Compétences techniques : 

• Solide connaissance en Deep Learning appliqué aux images (CNN, U-Net, etc.). 

• Compétence en Python et expérience avec des frameworks de Deep Learning comme TensorFlow, PyTorch ou Keras. 

• Connaissances de base en génération de maillages 3D et modélisation géométrique. 

• Une expérience préalable sur des infrastructures cloud (AWS, Google Cloud, Azure) serait un plus. 

• Qualités personnelles : 

• Curiosité et capacité d’innovation. 

• Goût pour le travail collaboratif et interdisciplinaire (biomécanique, IA, médecine). 

• Autonomie et rigueur scientifique.

Premier Entretien (possibilité de visio) avec Florian Cotte (Responsable Innovation)

Second entretien avec Asmaa Doudouh (data scientist) et Abdelmalek Habi (data scientist leader), si possible sur place !