Annuaire des initiatives
Pertinence
Vous ne trouvez pas l'initiative qui correspond à votre besoin ? Notre assistant peut vous aider.
- Projet académique visant à analyser des documents textuels (notamment des PDF) pour en extraire des termes, construire des embeddings et des modèles de classification. Il permet de structurer des connaissances sous forme d'ontologies et de générer des visualisations pour faciliter l'interprétation des résultats. Le projet s'appuie sur des techniques de traitement automatique du langage et d'apprentissage automatique.
- L'ontologie BioAGgressor (BAGO) est un outil sémantique développé par des chercheurs français (INRAE, Elzeard, Acta, IFV) pour modéliser les organismes vivants impliqués dans l'apparition de maladies des plantes cultivées. Elle permet de structurer et d'interconnecter des connaissances sur les bioagresseurs (ravageurs, pathogènes) et leurs interactions avec les cultures, facilitant ainsi leur identification, leur classification et leur gestion. BAGO répond à des questions précises sur les espèces, leurs rôles et les maladies associées, en s'appuyant sur des sources scientifiques et techniques validées.
- Projet visant à rattacher automatiquement les jeux de données publics de data.gouv.fr à une ontologie structurée de la démocratie (élections, transparence, participation citoyenne, vie politique). Il utilise des embeddings vectoriels stockés dans PostgreSQL avec pgvector pour calculer des similarités sémantiques entre les données et les thèmes de l'ontologie. Les résultats sont ensuite utilisés pour faciliter l'analyse et la classification des données par des outils comme Grist.
- Whispergame est un outil conçu pour simuler des expériences de transmission et mesurer la diversité dans des classifications ou ontologies. Il permet d'analyser des structures hiérarchiques en générant des chaînes ou des arbres de cartes, en utilisant des distances spécifiques pour évaluer les variations entre les classifications. L'outil est particulièrement utile pour des recherches en intelligence artificielle ou en sciences des données.
- Notoriété 7 %AlvisDB est une base de données relationnelle conçue pour explorer et analyser des relations biologiques, notamment entre bactéries et habitats. Il permet une navigation intuitive dans des jeux de données scientifiques complexes, facilitant la compréhension des interactions et des structures biologiques. L'outil est particulièrement utile pour les chercheurs et les biologistes travaillant sur des ontologies ou des classifications biologiques.
- Ce projet permet de transformer et d'unifier les classifications médicales de la CIM-11 (Classification Internationale des Maladies) en format OWL, utilisé par le SMT (Système de Management des Terminologies) de l'eSanté. Il extrait les données depuis les API de l'OMS, les convertit en ontologies, puis fusionne les versions française et anglaise pour produire un fichier unique et standardisé, facilitant l'interopérabilité des systèmes de santé.
- Ce projet académique compare différentes méthodes de clustering (k-means, classification hiérarchique, clara, EM) appliquées à des données de transcriptomique. L'objectif est d'identifier des groupes de gènes corrélés, potentiellement liés à des maladies ou conditions expérimentales. Les résultats sont analysés pour évaluer la concordance entre méthodes et leur pertinence biologique via des ontologies de gènes. Des visualisations et rapports détaillés sont générés pour faciliter l'interprétation des données.
- Projet de recherche académique dédié à la classification d'images par apprentissage profond. Il permet d'entraîner et de tester des modèles de vision par ordinateur pour identifier et catégoriser des images à partir de jeux de données structurés. Utilisé dans un cadre scientifique pour analyser des données visuelles complexes, notamment en histoire ou en biologie, avec des ressources informatiques dédiées fournies par l'Institut Jacques Monod.
- Ce projet propose des outils pour automatiser la classification de textes, notamment dans le domaine scientifique. Il permet de structurer, analyser et extraire des informations à partir de documents textuels variés. Les fonctionnalités incluent le prétraitement de données, la génération de jeux de données adaptés, et l'entraînement de modèles pour améliorer la précision des classifications. Il est conçu pour assister les chercheurs et les professionnels dans l'organisation et l'exploitation de corpus textuels.
- 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 graphiques basés sur la connectivité morphologique cérébrale pour analyser des données d'épaisseur corticale extraites d'atlas cérébraux. Les résultats contribuent à la recherche médicale en neurologie et visent à améliorer le diagnostic et la compréhension de cette maladie.
14 initiatives
10