Ce projet évalue l'impact du prétraitement d'images médicales sur la reproductibilité des résultats de segmentation tumorale par intelligence artificielle. Il compare différentes versions de pipelines de prétraitement (BRATS) et des modèles d'inférence (nnU-Net) pour quantifier les variabilités introduites. Les expériences analysent également l'influence des changements d'environnement (système d'exploitation, infrastructure) et visent à améliorer la stabilité des algorithmes pour une utilisation clinique fiable.

SplineDist est un outil open source dédié à la segmentation cellulaire utilisant une implémentation PyTorch de la méthode SplineDist. Il permet aux chercheurs et scientifiques de traiter des images médicales pour identifier et délimiter précisément les cellules. Le projet facilite l'entraînement de modèles et l'inférence sur des jeux de données variés, avec une visualisation des résultats via TensorBoard pour une analyse approfondie.