Ce projet développe un modèle de classification des formes cliniques de sclérose en plaques à partir d'images d'IRM T1w. Il utilise des réseaux de neurones convolutifs graphiques pour analyser la connectivité morphologique cérébrale. Les données extraites d'atlas cérébraux sont exploitées pour améliorer la précision diagnostique et soutenir la recherche médicale dans le domaine des maladies neurodégénératives.

Le projet MML-classification permet de définir des modèles de machine learning à des fins de classification, en spécifiant des jeux de données d'entrée et en configurant des algorithmes de classification. Il offre également des options de validation croisée.

Ce projet développe un modèle d'ensemble de classifieurs monotones bidimensionnels pour analyser des données médicales ou comportementales. Il permet de prédire des risques (comme le cancer du col de l'utérus) en utilisant des données tabulaires pré-traitées. Le modèle intègre une sélection préalable de paires de caractéristiques pour optimiser les performances et réduire significativement le temps de calcul par rapport aux approches existantes.

Ce projet consiste en un catalogue de notebooks d'entrée de gamme dédié à la formation de professionnels de santé. Il permet la classification de médicaments et l'analyse de données médicales.