Ce projet permet d'analyser et de visualiser les causes de décès à partir de données médicales. Il offre des fonctionnalités de recherche et de filtrage pour aider les professionnels de santé et les chercheurs à comprendre les tendances et les facteurs influençant la mortalité.

Ce projet utilise Spark et PySpark pour analyser des données géographiques et médicales afin de détecter les déserts médicaux en France. Il s'appuie sur des données de l'INSEE et produit des visualisations grâce à GeoJSON.

Plateforme open-source dédiée à l'analyse et à la visualisation de données de santé, ehden-bordeaux-atlas permet aux professionnels de santé, aux chercheurs et aux décideurs de réaliser des études épidémiologiques, d'effectuer une recherche clinique et de visualiser des données médicales. Construite sur les technologies OHDSI, elle offre des fonctionnalités avancées de gestion et d'analyse de données, ainsi qu'une interface utilisateur intuitive et personnalisable.

Ce projet consiste en une analyse de données médicales visant à étudier les risques de comorbidité entre différentes pathologies. Il permet de nettoyer et de formater les données, de réaliser des analyses statistiques et de visualiser les résultats sous forme de graphiques et de tableaux. Un modèle de prédiction de risques de comorbidité est également proposé.

Le projet Plugins-Tutorials est une collection de tutoriels et exemples d'utilisation de plugins pour l'analyse et la visualisation de données médicales, notamment l'imagerie médicale. Il permet de créer des graphiques et tableaux de bord, de suivre et surveiller des séquences d'images médicales, et de personnaliser l'affichage et l'interaction avec les données grâce à des plugins spécifiques.

Le projet momr est une solution d'analyse et de visualisation de données dédiée au domaine médical et épidémiologique. Il permet aux professionnels de santé d'explorer et d'interpréter des données complexes, facilitant ainsi la prise de décision et l'identification de tendances.

Glimpse-med est un outil d'analyse et de visualisation de données médicales. Il permet aux professionnels de la santé de comprendre et d'interpréter rapidement les données médicales grâce à des représentations visuelles claires et précises.

X-vis est un projet de visualisation et d'analyse de données 3D, permettant de lire et traiter des données provenant de divers formats, tels que les images médicales ou les fichiers 3D. Il offre des fonctionnalités avancées de filtrage, de segmentation et de rendu, ainsi qu'une interface de programmation permettant de l'intégrer à des applications tierces.

Le projet dmp_2d a pour but d'analyser et de visualiser des données médicales à grande échelle. Il permet de rechercher des corrélations épidémiologiques et de représenter les données sur une carte géographique.

Le projet Sashimi est une méthodologie introduite dans l'article "Domain-topic models with chained dimensions: Charting an emergent domain of a major oncology conference" qui emploie la bibliothèque python sashimi. Il fournit une analyse de données médicales, la détection de tendances dans les conférences médicales et la visualisation de données oncologiques.