Ce projet est un modèle de départ pour les initiatives en deep learning et machine learning. Il permet de structurer rapidement un nouveau projet de recherche ou d'application en IA en fournissant une architecture de base, des dépendances préconfigurées et des exemples concrets comme le jeu de données MNIST. L'objectif est d'assurer la reproductibilité et l'extensibilité des travaux en facilitant leur organisation et leur partage.

Fusion-UNet est un projet de recherche en imagerie médicale utilisant des réseaux de neurones pour segmenter et analyser des images médicales. Il permet d'identifier et de délimiter automatiquement des structures anatomiques ou des anomalies comme des tumeurs, facilitant ainsi le travail des radiologues et améliorant la précision des diagnostics. L'outil s'appuie sur des techniques avancées de deep learning pour traiter des données issues de scanners, IRM ou autres modalités d'imagerie.

Ce projet est un projet de deep learning implémenté en Python. Il consiste en un notebook contenant un modèle de deep learning et des algorithmes. Le projet est structuré en plusieurs répertoires : le notebook principal, un répertoire contenant le jeu de données utilisé pour l'entraînement et les tests, un répertoire contenant les résultats d'évaluation et les métriques de performance, et un répertoire contenant l'application web.