Liste des Défis
Défi N°1: HIVE-Emergency drug preparation
Création d'un serious game pour la préparation de médicaments injectables en situation d'urgence.
- Porteur de Projet: Elodie LOPEZ
- Tuteur numérique: Lucas Morlet
- Competences requises: Volet médical : connaissance des médicaments et de leur préparation - Volet numérique : Développement Unity et vision par ordinateur.
Défi N°2: Optimisation de l’examen cytologique de la thyroïde à l’aide d’algorithmes d’intelligence artificielle
Notre projet a pour objectif de développer un algorithme d'lA permettant d'analyser une lame de cytologie thyroïdienne numérisée afin d'établier la classification Bethesda adéquate et de générer un compte rendu standardisé.
- Porteur de Projet: Nadia SABBEGH ZNAIDI
- Tuteur numérique: Alain LALANDE et Pierre BUGNON
- Competences requises: Volet médical : compétence d'analyse de lames de cytologie thyroidienne, volet numérique : Deeplearnig - Analyse d'image
Défi N°3: Parkinson Stress Shield
Développer un système non invasif de détection du stress chez les patients atteints de la maladie de Parkinson, basé sur l'analyse des expressions faciales, afin d'améliorer la gestion des symptômes moteurs et la qualité de vie des patients.
- Porteur de Projet: Imad SFEIR
- Tuteur numérique: Amine BOHI
- Competences requises: Programmation Python, Intelligence Artificielle et Machine Learning, Vision par Ordinateur, Développement Web et/ou Mobile, Travail en équipe
Défi N°4: MimRandom
Mimer un essai contrôlé randomisé
- Porteur de Projet: Alain BERNARD
- Tuteur numérique: Laetitia Rabier et Christelle Rabenco
- Competences requises: Volet numérique : Traitement de données, Machine Learning, IA générative
Défi N°5: BIM-Flow : Building Information Modeling pour la gestion et l’optimisation des flux de transport des patients
Création d'un outil de modélisation des flux incluant une vision 3D ergonomique des sites du CHU (intra et extra batimentaire)
- Porteur de Projet: Pinguet olivier\Thierry Bourget\Bouyahiaoui Kamel
- Tuteur numérique: Gerin Sebastien
- Competences requises: Bonne connaissance des Framework front end JavaScript (React, Angular, etc.), Traitement de donnée en python (pandas, numpy), Connaissance des librairies 3D pour le web (Babylon.js, Three.js)
Défi N°6: Automatisation par DeepLearning de l'Identification des Sidéroblastes en couronne (ADLIS)
Développer un algorithme performant pour l'identification et la classification des sidéroblastes en couronne.
- Porteur de Projet: Isen Naiken
- Tuteur numérique: Julien BAUMEYER
- Competences requises: Hématobiologie - DeepLearning - Analyse d'image - Développement front-end
Défi N°7: IA Landmarks
La digitalisation de la surface externes des patients nécessite une étape d'identification des points anatomiques pour permettre la fabrication d'appareils orthopédiques. Une IA peut elle améliorer ce process manuel ?
- Porteur de Projet: Briac Colobert
- Tuteur numérique: Gael Trahin
- Competences requises: Manipulation de fichier 3D (stl, obj); programmation IA
Défi N°8: TRAINING (Technologie Réflexive d'Apprentissage par Intelligence Numérique pour l'Identification du Niveau de Gravité)
Outil d'entrainement pour les infirmière d'accueil des services d'urgences.
- Porteur de Projet: Cedric Angeletti
- Tuteur numérique: Elie Raad
- Competences requises: IA générative / développement web / base de donnée / médecine d'urgence.
Défi N°9: Back2Smile
Une application pour la rééducation des paralysies faciales périphériques à domicile.
- Porteur de Projet: Thierry de MOHRENSCHILDT
- Tuteur numérique: Dr Ouassila LABBANI NARSIS
- Competences requises: Volet médical : pas de compéences particulières requises. Volet numérique : DeepLearning - Analyse et utilisation d'image traitée temps réel. Développement applications Mobiles et applications Web.
Défi N°10: Brain Vision
Using biological brain inspiration to improve deep learning models for vision and detection of cancer
- Porteur de Projet: Nathan Vinçon
- Tuteur numérique: Nathan Vinçon
- Competences requises: Python, deep learning, matrices
Défi N°11: CAPIA-DOPIA
Le projet vise à développer des outils sur deux volets : la lecture et l'interprétation d'images de capillaroscopie peri-unguéale chez les patients atteints du phénomène de Raynaud, et la génération de schémas artériels à partir de comptes-rendus d’écho-doppler.
- Porteur de Projet: Béatrice Terriat / Elisabeth Chevrier / Philippe Savard
- Tuteur numérique: Mélodie Opale
- Competences requises: Computer Vision (détection d'objets sur des images), LLM (extraction d'informations textuelles), développement web et applicatif