Projets M2

Mise en place de postes d’analyses d’images utilisant l’intelligence artificielle
Référente: Anne Cantereau-Becq
Laboratoire: Plateforme ImageUP

Objectifs des travaux
L’objectif est de mettre en place un poste d’analyses images réalisées au sein de la plateforme ImageUP en utilisant l’intelligence artificielle. Il sera donc nécessaire d’:
1) identifier et comparer les différents outils disponibles pour faire de l’analyse d’image en e-learning
et/ou deep-learning
2) installer les solutions choisies dans le meilleur environnement sur un ordinateur de la chaire Biologie
Santé Numérique
3) Analyser des jeux d’images

Attendus

1) un ou plusieurs outils d’analyses d’images en e-learning et/ou deep-learning
2) installer ces outils sur un PC dédié acquis par la chaire BSN
3) fournir des analyses de jeux d’images avec ces outils
 
Recherche clinique, Douleur, Prédiction, Échelle numérique de douleur, Questionnaires
Référente: Manuel ROULAUD
Laboratoire: CHU-86, Prismatics

Objectifs des travaux
Nous utilisons depuis plusieurs années un outil (application iPad) permettant de suivre et évaluer l’évolution clinique des patients participants à des études ou en soins courants. Cet outil a été développé sous le framework Cordova, et est connecté à une base de données NoSQL (CouchDB).
Nous souhaiterions faire évoluer spécifiquement l’outil de cartographie des douleurs (permettant aux patients de dessiner leurs douleurs) vers de nouvelles cibles (les enfants et les personnes âgées). Nous devons donc intégrer de nouveaux schémas et faire évoluer notre système de calcul numérique. Parallèlement à cela et avec une priorité moindre, nous souhaiterions migrer la technologie utilisée (vieillissante) de l’ensemble de l’application, Cordova utilisant du jQuery Mobile, vers un framework plus récent (Flutter par exemple).

Attendus
Les iconographies des enfants et personnes âgées avec nos critères techniques (IMC, format .png, hauteur/largeur…) et l’intégration des nouveaux corps dans notre code existant.

Projets M1

Prédiction d’interactions protéine-kinase par IA
Référente: Brigitte Vannier et Sarra Abbou (Université des sciences technologie d’Oran)
Laboratoire: CoMeT

Objectifs des travaux
Le contexte scientifique du projet est celui de la recherche pharmaceutique, où l’on cherche à déterminer des molécules capables d’activer ou d’inhiber des protéines liées à des mécanismes biologiques à l’origine de certaines pathologies. Aujourd’hui, l’informatique prend de plus en plus de place dans la recherche et permet de réaliser des analyses préliminaires pour limiter les tests en laboratoire qui sont plus chronophages et coûteux.
L’objet du projet est donc d’utiliser de l’intelligence artificielle via des modèles d’apprentissage profond (deep learning) afin de prédire de potentielles interactions entre médicament et protéines de la famille des kinases TrkC, pour le laboratoire COMET.
Le projet repose sur trois axes majeurs : créer une base de données de protéines et de ligands, entraîner des modèles d’IA adaptés et analyser les résultats pour proposer d’éventuels médicaments candidats au laboratoire COMET pour des tests in vitro.
Cartographie Mobile
Référente: Manuel Roulaud
Entreprise: PRISMATICS

Objectifs des travaux

Le projet visait à reprendre une application iPad déjà existante, dont le développement a été entamé par  l’équipe de PRISMATICS, et de l’améliorer. Dans sa version initiale, l’application permettait aux patients de marquer les zones douloureuses sur un schéma corporel en 2D, appelé avatar, représentant le patient. Ils pouvaient alors préciser leur niveau de douleur sur une échelle de 1 à 4, ainsi que la nature de cette douleur (brûlures, démangeaisons, etc.). Toutefois, cette représentation était limitée puisqu’elle pouvait ne pas correspondre à la morphologie du patient, pouvant entraîner des biais. L’objectif de ce projet était donc d’améliorer la personnalisation des avatars dans cette application, afin d’avoir une meilleure représentation des patients et de leur morphologie.

Afin de parvenir à proposer des avatars plus représentatifs d’un maximum de patients, des caractéristiques physiques supplémentaires ont été renseignées. Ces caractéristiques sont les suivantes : l’âge, l’IMC, le sexe, la morphologie et la couleur de peau.

Selon les informations renseignées, deux images sont générées, représentant les deux faces du corps humain avec les caractéristiques physiques définies. Cette banque d’images est intégrée à une interface que nous avons développée (en HTML et JavaScript), laquelle permet la sélection de toutes les caractéristiques primaires afin de récupérer l’image appropriée.

Un livrable secondaire a également été défini, correspondant à l’ajout de caractéristiques secondaires pour une personnalisation plus avancée des avatars : coupes de cheveux, barbes, moustaches et lunettes.


  • Retrouvez-nous sur les réseaux sociaux !