Description des missions
Contexte :
Profil recherché
Contexte :Les jumeaux numériques patient-spécifiques, dans le cadre de la médecine personnalisée, offrent des perspectives nouvelles dans le cadre de la prise en charge et de la planification chirurgicale des patients.Le projet ANR AIKNEE se concentre sur le développement d’outils et de méthodologies visant à améliorer l’état de l’art de ces jumeaux numériques, en mettant l’accent sur l’utilisation systématique d’algorithmes d’intelligence artificielle (IA) de pointe afin de prédire la réponse mécanique des ligaments du genou, notamment les ligaments collatéraux et croisés, avec un haut niveau de confiance, pour analyser la balance ligamentaire et prédire un risque de rupture. Ce jumeau numérique augmenté sera appliqué à plusieurs populations afin de servir de modèle d’aide à la décision : (i) les personnes subissant une arthroplastie totale du genou, où les ligaments latéraux et (si préservé) le ligament croisé postérieur qui peuvent être fortement affectés par la présence de l’implant ; (ii) les personnes présentant un risque de lésion ligamentaire (sportifs de haut niveau) ou déjà blessées ; (iii) afin d’évaluer l’impact de la perte des ligaments croisés ou latéraux. Le projet réunit les laboratoires TIMC (Grenoble), I2M et LaBRI (Bordeaux) ainsi que la société Twinsight, spécialiste des jumeaux numériques du genou pour la planification chirurgicale.Missions :Le ou la postdoctorant·e prendra en charge le lot de travail WP3 « Reconstruction des champs mécaniques » du projet. L’objectif est de construire un modèle d’ordre réduit capable de calculer, en quelques secondes, les champs mécaniques complets (contraintes, déformations) sur la géométrie réelle et personnalisée des ligaments croisés et collatéraux d’un patient, à partir de sa cinématique articulaire. Ce travail comprendra :- le traitement et la mise en correspondance d’objets géométriques 3D (nuages de points, maillages surfaciques et volumiques) issus d’imagerie médicale (IRM, scanner CT), de scanner 3D et de photogrammétrie, et leur couplage avec les données de caméras de capture du mouvement (motion tracking) pour définir la cinématique et les conditions aux limites ;Diplôme et expérience professionnelle :Titulaire d’un doctorat en mécanique numérique, en apprentissage automatique / informatique ou en biomécanique, le ou la candidat·e devra justifier d’une solide expérience en manipulation géométrique 3D, em simulation numérique des systèmes complexes et/ou en apprentissage profond appliqué à la mécanique ou à la géométrie PyTorch, PyTorch Geometric ou équivalent).Savoirs et savoir-faire :Une bonne maîtrise de la simulation par éléments finis et de la manipulation d’objets géométriques (nuages de points, maillages) issus d’imageries médicales et/ou de scanner et de photogrammétrie est attendue.Depuis sa création en 1780, l’Ecole Nationale Supérieure Arts et Métiers s’attache à répondre aux défis industriels et aux enjeux sociétaux, en constante évolution.Etablissement public scientifique, culturel et professionnel (EPSCP) sous tutelle unique du ministère de l’enseignement supérieur et de la recherche, il est composé de huit campus et de trois instituts répartis sur le territoire.Sa première mission : Former des ingénieurs capables de concevoir des produits et systèmes respectueux de l’environnement, mais aussi de contrôler une organisation industrielle en maîtrisant les risques et les coûts. - l’adaptation d’un réseau de neurones à graphes de type MeshGraphNet, physiquement informé (équilibre, efforts de contact), construit sur le maillage 3D du ligament et prenant en entrée les efforts et déplacements notamment au niveau des aux insertions, pour reconstruire les champs mécaniques 3D ; - le couplage avec un modèle de poutre enrichi par IA (réseaux récurrents) dont les paramètres géométriques personnalisés seront encodés par GNN ;- l’apprentissage sur une base de données de simulations par éléments finis non linéaires (comportement hyperélastique) de ligaments, sur des maillages patient-spécifiques issus de la chaîne de segmentation et de maillages patient-spécifiques issus de la chaîne de segmentation et de maillage du projet, avec des conditions aux limites anatomiquesDes connaissances en biomécanique des tissus mous, en calcul sur GPU / HPC, en développant des méthodes de maillage spécifiques et en développement logiciel collaboratif (git) seront un plus.Savoir-être :Le ou la candidat·e devra faire preuve d’autonomie, avoir un bon niveau d’anglais scientifique et le goût du travail en équipe pluridisciplinaire au sein d’un consortium multi-sites (Grenoble, Bordeaux) associant chercheurs, cliniciens et industriels.L’Institut de Mécanique et d’Ingénierie - Bordeaux (laboratoire I2M, CNRS UMR 5295) dispose de compétences clés dans le domaine de la caractérisation expérimentale et de la simulation numérique des matériaux multifonctionnels et architecturés. En particulier, l’équipe 3MAH est spécialisée dans la définition de modèles réduits et l’intelligence artificielle au service de la simulation rapide pour la définition de jumeaux numériques ; elle a récemment développé, en collaboration avec le LaBRI (CNRS UMR 5800), des réseaux de neurones à graphes physiquement informés pour la reconstruction de champs mécaniques en grandes déformations hyperélastiques.Le laboratoire TIMC est spécialisé dans l’ingénierie médicale et la médecine translationnelle. Cette spécificité permet de répondre aux enjeux de la recherche clinique en créant une forte synergie entre chercheurs et praticiens hospitaliers. L’équipe BiomécaMot fédère les acteurs de la biomécanique des tissus vivants et des matériaux pour le vivant et de la motricité. Les projets de recherche de l’équipe sont à l’interface entre sciences des matériaux, sciences du mouvement humain, sciences de la santé et sciences informatiques avec des objectifs de recherche à la fois fondamentaux et translationnels. Les activités biomécaniques conduites par les chercheurs de cette équipe ont pour la majorité des finalités applicatives (assistance clinique et conception de dispositifs médicaux pour le vivant), notamment au niveau de la planificati
