Ce projet développe des méthodes pour compresser progressivement les couches de réseaux de neurones convolutifs à impulsions, réduisant leur complexité tout en préservant leurs performances. Il permet de simuler des architectures neuronales avancées, d'extraire et d'adapter les poids pour des déploiements sur des plateformes matérielles spécialisées comme SpiNNaker. Les outils proposés facilitent l'optimisation et le transfert de modèles entre différents environnements de simulation et de calcul.

Ce projet propose une analyse comparative et une optimisation des hyperparamètres de sept architectures neuronales de pointe pour la segmentation du foie et des tumeurs hépatiques à partir d'IRM avec contraste. Il permet aux chercheurs et cliniciens d'évaluer et d'améliorer les performances des modèles d'IA dans le domaine médical, facilitant ainsi le diagnostic et la planification thérapeutique.