Le Modèle des objets de santé (MOS) est une bibliothèque de composants sémantiques développée par l'État français pour standardiser les données de santé. Elle permet aux acteurs du secteur (hôpitaux, professionnels, éditeurs de logiciels) de partager une compréhension commune des informations médicales grâce à des définitions, structures et codages unifiés. Ce vocabulaire de base en français évite les incompréhensions et améliore l'interopérabilité entre les différents systèmes d'information de santé.

Ce projet porte le Modèle des Objets de Santé (MOS), développé par l'Agence du Numérique en Santé (ANS). Il propose une description structurée et interopérable des concepts clés des systèmes d'information de santé et médico-sociaux, tels que les professionnels, structures, dispositifs médicaux ou personnes prises en charge. L'objectif est de remplacer les anciens formats (Excel, PDF) par une publication moderne, navigable et alignée avec les standards internationaux comme FHIR et HL7.

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 développe des modèles d'intelligence artificielle pour classifier des IRM cérébrales en distinguant des états comateux et non-comateux. Il compare les performances de plusieurs architectures de réseaux de neurones profonds (comme LeNet17) et applique des techniques de transfert d'apprentissage pour améliorer la précision des diagnostics. Les résultats sont utilisés pour soutenir la recherche médicale et l'analyse automatisée d'images médicales.

Ce projet développe un pipeline de simulation pour évaluer la perfusion des tissus tumoraux par imagerie dynamique de contraste. Il permet de générer des géométries vasculaires réalistes, avec ou sans tumeur, et de résoudre des problèmes directs (advection-diffusion) et inverses (modèles Brix2 ou Tofts) pour analyser le transport de substances dans les tissus. Les outils générés aident à comprendre les mécanismes de perfusion et à optimiser les protocoles d'imagerie médicale.

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.

Ce projet développe des modèles numériques pour simuler des phénomènes bi-domaines cardiaques, notamment la mécanique et l'électrophysiologie. Il permet d'analyser des maillages complexes et de générer des données pour des simulations médicales avancées. Les modèles Surfacic et Ventricules sont conçus pour être utilisés avec des outils spécialisés comme MoReFEM, facilitant la recherche en biomécanique cardiaque.

Ce projet développe un modèle numérique pour simuler les écoulements sanguins dans le réseau veineux cérébral. Il s'inscrit dans le cadre d'un projet ANR visant à améliorer la compréhension des mécanismes physiologiques et pathologiques liés à la circulation veineuse cérébrale. Les simulations permettent d'analyser les pressions, les débits et les interactions dans le système veineux, offrant des outils pour la recherche médicale et clinique.

Projet dédié à l'application des principes de la physique dans le domaine médical. Il permet de modéliser et simuler des phénomènes physiques pour améliorer la compréhension des processus biologiques, optimiser les protocoles médicaux et analyser des données biomédicales. Les outils développés visent à soutenir la recherche et l'innovation en imagerie médicale et en diagnostic.

Extension logicielle dédiée à l'analyse d'images biologiques, intégrée à la plateforme Icy. Elle permet de calculer des enveloppes convexes pour des ensembles de points en deux ou trois dimensions. Utilisée principalement en imagerie médicale et en bioinformatique, elle facilite la modélisation géométrique et l'analyse de structures biologiques complexes. Développée par l'unité d'analyse d'images biologiques de l'Institut Pasteur, elle s'intègre comme un outil complémentaire pour les chercheurs et biologistes.