Ce projet automatise le traitement et la transformation de données médicales en utilisant le standard FHIR (Fast Healthcare Interoperability Resources). Il permet d'intégrer, normaliser et valider des données de santé issues de différentes sources pour les rendre exploitables dans des systèmes d'information médicaux. Le pipeline gère l'extraction, le nettoyage, le stockage et la mise à disposition des données via une API FHIR, facilitant ainsi l'interopérabilité entre systèmes de santé.

Bibliothèque open source dédiée à l'analyse de données médicales issues de bases de santé comme le SNDS. Elle permet de manipuler, croiser et analyser des cohortes de patients à partir de données structurées (parquet). Utilisée pour des études épidémiologiques, le suivi de populations exposées à des traitements ou des maladies, et la génération de statistiques descriptives. Développée en partenariat avec l'École Polytechnique et la CNAM.

Le projet DRS2AMR est un outil permettant de convertir des données de dossiers médicaux au format FHIR, d'automatiser le traitement de ces données et d'extraire des données structurées à partir de documents PDF médicaux. Il s'agit d'un dépôt de code source conçu pour faciliter le développement et l'intégration de fonctionnalités liées à la gestion et l'analyse de données médicales.

Ce projet propose un jeu de données dédié à la segmentation des vaisseaux du foie, issu de travaux de recherche menés par l'Inria. Il permet aux chercheurs et développeurs en imagerie médicale d'accéder à des données annotées pour entraîner et évaluer des modèles d'intelligence artificielle. Ces données sont essentielles pour améliorer les outils de diagnostic et de traitement des maladies hépatiques.

Ce projet regroupe des tests automatisés pour valider les fonctionnalités du framework Syd, un outil open source dédié au traitement et à la gestion de données médicales. Il permet de vérifier l'intégration de modules, l'insertion de fichiers DICOM, le traitement d'images médicales et l'analyse de régions d'intérêt (ROI). Les tests couvrent également des opérations de base comme les requêtes de base de données et la gestion de fichiers.

GAZODUC est un pipeline bioinformatique développé pour l'analyse de données génomiques, notamment utilisé à l'Institut du Thorax à Nantes. Il permet de traiter des séquences génomiques en utilisant des outils comme Nextflow pour automatiser des workflows complexes. Le projet facilite la gestion de données issues de séquençage haut débit et génère des résultats exploitables pour la recherche médicale et génétique.

Outil dédié à l'analyse et au traitement de données biologiques et génomiques. Permet aux chercheurs et biologistes de manipuler des fichiers de séquençage, automatiser des pipelines bioinformatiques et générer des rapports détaillés. Facilite l'interprétation des données génomiques pour des applications en recherche médicale ou agronomique.

Ce projet a pour but de fournir une introduction aux biostatistiques dans le domaine de la santé. Il permet d'analyser des données médicales, de prendre des décisions cliniques éclairées et d'évaluer l'efficacité de traitements grâce à des outils statistiques adaptés.

Ksvd est une bibliothèque dédiée à la décomposition parcimonieuse de signaux, notamment utilisée dans le domaine de l'apprentissage automatique et du traitement du signal. Elle permet d'extraire des motifs pertinents à partir de données complexes en optimisant leur représentation. Le projet est particulièrement utile pour les applications nécessitant une analyse rapide et efficace de grands volumes de données, comme l'imagerie médicale ou la reconnaissance de formes.

Picola est un pipeline d'orchestration conçu pour automatiser la conversion et le traitement d'images médicales numérisées, notamment les lames d'anatomopathologie. Il permet de transformer des formats propriétaires en fichiers TIFF pyramidaux standardisés, facilitant leur réutilisation dans des outils de visualisation ou d'intelligence artificielle. Le projet s'intègre dans un environnement local reproductible, sans dépendre d'une infrastructure cloud, et est développé par le Health Data Hub pour répondre aux besoins de standardisation des données médicales.