Segmentation d’images médicales

Python · Deep Learning · nnU-Net · CellViT · Projet académique

Expérimentation de segmentation et classification de tissus et cellules histopathologiques avec nnU-Net, CellViT++ et HoVer-Net.

Présentation

Projet de segmentation et de classification d’images histopathologiques. Le dépôt regroupe des scripts de préparation de données et d’entraînement pour nnU-Net, CellViT++ et HoVer-Net, notamment avec orchestration SLURM. Ce travail illustre l’intégration et l’expérimentation de plusieurs architectures de deep learning plutôt que le développement d’un nouveau modèle à partir de zéro. Code et protocole.

Démarche technique

La démarche consiste à préparer des images histopathologiques, puis à tester plusieurs architectures existantes de segmentation et classification, avec des scripts d’entraînement. Il s’agit d’un travail d’intégration et d’évaluation, sans prétendre avoir inventé nnU-Net ou CellViT.

Portée et limites

Travail réalisé dans un cadre académique ou de recherche, pouvant être collectif. Il illustre une démarche d’ingénierie ou une expérimentation et n’est pas présenté comme un produit commercial déployé.

Explorer le projet

Dépôt, documentation ou résultat officiel ↗

Dans le même domaine : Deez’Nalyzer · Prédiction de la dansabilité musicale