Réunions - Projet
Ce cours sert à inviter toute l'équipe à des réunions en ligne
BigBlueButton
Projet 11 - II1 : Coder Lite : Extraction d’Entités Médicales et Préparation au Codage
Projet 2 - b : Portail Patient Intelligent
Projet 11-M2 : Coder Lite : Extraction d’Entités Médicales et Préparation au Codage CIM-11
Projet 9 : Plateforme de Téléradiologie Intelligente et Fédérée
Projet 7 - b: CardioXAI : Exploration et Visualisation de Modèles Prédictifs pour l’Imagerie Cardiaque
Projet 8 : Génération Automatique de Rapports Radiologiques
Projet 8 - II1 - a : Génération Automatique de Rapports Radiologiques
Projet 2 : Portail Patient Intelligent
Projet 6 : TB-XAI Explorer : Analyse et Interprétation de Modèles de Détection de la Tuberculose sur Radiographies
Projet 8 - II1 -b : Génération Automatique de Rapports Radiologiques
Projet 7 - a : CardioXAI : Exploration et Visualisation de Modèles Prédictifs pour l’Imagerie Cardiaque
Objectif du stage : Découvrir et évaluer des méthodes de segmentation et d’explicabilité (XAI) appliquées à des images cardiaques, en s’appuyant principalement sur des jeux de données publics pour l’expérimentation initiale, avec possibilité d’un test sur un échantillon local anonymisé si les autorisations et l’accompagnement sont assurés.
Missions :
● Prendre en main des notebooks démontrant l’usage de modèles U-Net pour la segmentation d’images cardiaques issues de jeux de données publics.
● Appliquer des techniques d’explicabilité (Grad-CAM, cartes de saillance) pour interpréter les résultats.
● Produire des visualisations et analyses critiques sur les méthodes testées.
● Si possible, tester le pipeline sur un petit échantillon de données locales anonymisées, en coordination avec l’équipe encadrante.
Livrables :
● Notebooks Python documentés.
● Visualisations (images segmentées + cartes d’explicabilité).
● Rapport technique et réflexion sur la transférabilité des méthodes vers des données locales.
Technologies : Python, PyTorch/TensorFlow, MONAI, U-Net, SimpleITK.