Ce projet permet d'identifier automatiquement les lames pathologiques floues ou partiellement floues issues de scanners microscopiques. Il génère un rapport de qualité pour chaque image, indiquant si elle est entièrement floue, partiellement floue ou nette. L'outil aide à filtrer les images de mauvaise qualité avant leur utilisation dans des défis de données ou des analyses médicales automatisées, améliorant ainsi la fiabilité des résultats.

Plateforme d'intelligence artificielle dédiée à l'analyse d'images médicales pour assister les professionnels de santé. Elle permet de détecter des anomalies, de suivre l'évolution de pathologies et d'optimiser les diagnostics grâce à des algorithmes avancés. Destinée aux hôpitaux, cliniques et centres de recherche, elle améliore la précision et la rapidité des analyses médicales.

Projet de stage axé sur l'analyse bioinformatique de données de séquençage haut débit (NGS) pour identifier des variants génétiques associés au syndrome du QT long. Le projet inclut le contrôle qualité des données, l'annotation fonctionnelle des variants, la détection de mutations de novo et mendéliennes, ainsi que l'analyse de variants structuraux (CNV). Les résultats sont visualisés et interprétés pour identifier des gènes candidats potentiellement impliqués dans la pathologie.

Ce projet développe des modèles d'intelligence artificielle pour analyser des images histopathologiques numérisées de ganglions lymphatiques. L'objectif est d'identifier automatiquement les métastases de cellules cancéreuses dans les tissus, afin d'assister les pathologistes dans leur diagnostic. Les algorithmes entraînés sur des bases de données publiques et privées permettent de détecter des régions tumorales avec une grande précision, réduisant ainsi le temps d'analyse et les risques d'erreurs humaines.

Ce projet vise à développer un outil d'intelligence artificielle pour analyser des images de lames histologiques de cancer du poumon. Il permet de segmenter automatiquement les régions d'intérêt et de détecter les cellules cancéreuses, facilitant ainsi le diagnostic médical. L'objectif est d'assister les pathologistes dans leur analyse en réduisant le temps de traitement et en améliorant la précision des résultats.

Ce projet vise à développer des outils logiciels pour le traitement et l'analyse d'images médicales issues de radiologies. Il permet aux professionnels de santé d'améliorer le diagnostic en exploitant des algorithmes avancés pour détecter des anomalies ou des pathologies. L'objectif est d'assister les médecins dans leur interprétation des examens d'imagerie.

Ce projet utilise des méthodes d'apprentissage profond pour détecter automatiquement les lésions liées à la maladie de Crohn dans des images issues de vidéos d'endoscopie sans fil. Il permet d'entraîner des réseaux de neurones convolutifs (CNN) spécialisés, d'augmenter artificiellement les jeux de données d'images médicales, et d'évaluer les performances des modèles générés. L'objectif est d'assister les professionnels de santé dans le diagnostic et le suivi de cette pathologie.