Annuaire des initiatives
Pertinence
Vous ne trouvez pas l'initiative qui correspond à votre besoin ? Notre assistant peut vous aider.
- Deep Finder est un outil spécialisé dans l'analyse automatisée d'images 3D issues de la cryo-microscopie électronique. Il permet aux chercheurs en biologie structurale d'identifier, segmenter et classifier des structures moléculaires complexes dans des tomogrammes. L'application facilite l'extraction de données quantitatives à partir d'images de haute résolution, réduisant ainsi le temps d'analyse manuelle et améliorant la précision des résultats.
- Segmentools est une bibliothèque Python dédiée à la segmentation d'images par intelligence artificielle. Elle fournit des outils pour entraîner, évaluer et déployer des modèles de segmentation avec PyTorch. La solution facilite la création de pipelines de traitement d'images en standardisant les formats de données et en offrant des classes et fonctions modulaires. Elle est particulièrement adaptée aux projets nécessitant une analyse automatisée d'images dans des domaines comme la médecine ou la recherche scientifique.
- Ce projet développe des méthodes de segmentation automatique pour identifier et séparer des gouttes et des cristaux de NaCl dans des images de microscopie. Il évalue deux architectures de deep learning (UNet et Yolov8) entraînées sur des données réelles et simulées. L'objectif est de faciliter les études physiques ou statistiques ultérieures en automatisant la détection des particules, réduisant ainsi le temps et les efforts nécessaires à l'annotation manuelle.
- Notoriété 27 %Odeon est un framework open source dédié à l'application du deep learning dans l'industrie des systèmes d'information géographique (GIS). Il permet de traiter des données géospatiales (images satellites, cartes, données raster et vecteur) pour des tâches comme la segmentation sémantique, la détection d'objets ou l'analyse automatisée. Développé initialement comme un ensemble d'outils en ligne de commande, il évolue vers une solution plus flexible et intégrée pour les professionnels du secteur.
- Ce projet développe des modèles d'intelligence artificielle pour analyser des images histopathologiques complètes (WSI) de ganglions lymphatiques de patients atteints de cancer du sein. L'objectif est d'automatiser la détection de cellules métastatiques dans ces tissus, afin d'assister les pathologistes dans leur diagnostic. Les algorithmes entraînés sur des bases de données publiques et privées permettent d'identifier précisément les zones tumorales, réduisant ainsi le temps d'analyse et le risque d'erreur humaine.
- Outil dédié à la segmentation d'images médicales, permettant aux utilisateurs d'annoter et d'analyser des données visuelles avec une interface interactive. Basé sur des algorithmes d'apprentissage automatique, il facilite l'extraction de régions d'intérêt dans des images complexes. Utilisé principalement dans le domaine de la recherche médicale ou biologique pour automatiser des tâches de segmentation nécessitant une précision élevée.
- Notoriété 26 %Chaîne de traitement automatisée pour l'analyse d'images satellites. Elle permet de produire des cartes d'occupation du sol (OCS), des indicateurs climatiques urbains (UCZ et LCZ) et des traits de côte. La solution intègre des algorithmes de classification, de segmentation et de calcul d'indicateurs dérivés à partir de données satellitaires, adaptés aux besoins de l'aménagement du territoire et de l'urbanisme.
- Ce projet permet d'entraîner des modèles d'intelligence artificielle dédiés à la segmentation d'images satellites. Il automatise le traitement de données géospatiales pour détecter et classifier des objets ou zones d'intérêt (bâtiments, forêts, routes, etc.). Les modèles générés sont optimisés pour des applications variées comme l'urbanisme, l'agriculture ou la gestion des risques naturels. Le pipeline de formation est flexible et s'adapte à différentes architectures de réseaux de neurones et à divers jeux de données.
- Ce projet développe des outils pour analyser des images de tissus biologiques colorés ( immunohistochimie, immunofluorescence) en utilisant des techniques de traitement d'image avancées. Il permet de segmenter, classifier et générer des données synthétiques pour entraîner des modèles d'apprentissage automatique. Les applications incluent la recherche médicale, le diagnostic assisté par IA et l'analyse automatisée de lames histologiques.
- Extension pour le logiciel d'analyse d'images biologiques Icy, développée par l'unité d'analyse d'images biologiques de l'Institut Pasteur. Cet outil permet d'extraire des objets labellisés à partir d'images binaires ou labellisées en utilisant une analyse par composants connectés. Il facilite la segmentation et l'identification de régions d'intérêt dans des images médicales ou biologiques, contribuant ainsi à l'analyse automatisée et reproductible de données scientifiques.
31 initiatives
10