← Tous les projets

Data Science & Machine Learning · Étude de cas

OrganChip Insight

Plateforme reproductible d’analyse de microscopie organ-on-a-chip, avec segmentation, overlays vérifiables et exports traçables.

RôleIngénieur IA & Vision · Développeur Full Stack
PériodeSeptembre 2026 — En cours
StatutEn cours
Aperçu de OrganChip Insight
Recherche appliquée · microscopie organ-on-a-chip39 / 49

Le point de départ

Transformer un besoin réel en système exploitable.

Développement d’une plateforme locale React/TypeScript et FastAPI pour créer des expériences, importer des images de microscopie, analyser leur segmentation et comparer des résultats descriptifs. Les métadonnées et résultats persistent dans SQLite, avec calibration documentée et exports JSON/CSV. Le moteur adaptatif utilise Otsu, morphologie et composantes connexes sans entraînement. Un pipeline CNN MobileNetV3 a été évalué ; son export ONNX reste un démonstrateur à abstention. Les résultats sont exploratoires : ils ne constituent ni un diagnostic, ni une conclusion biologique, ni un comptage cellulaire validé.

01

Imagerie & segmentation

01

Pipeline CPU de segmentation adaptative avec Otsu, morphologie et composantes connexes, mesures descriptives de surface et d’intensité, sans interprétation diagnostique.

02

Import contrôlé avec décodage, limites de taille et pixels, détection des doublons et prise en charge des images TIFF gris 16 bits.

02

Interface scientifique & données

01

Interface React/TypeScript bilingue pour expériences, métadonnées de puce et de puits, calibration et inspection des résultats persistés.

02

Comparaison synchronisée image source/overlay, zoom et panoramique, comparaison descriptive d’expériences et exports JSON/CSV.

03

Validation & modèles expérimentaux

01

Validation externe préenregistrée du moteur adaptatif sur des organoïdes cibles, avec métriques et intervalles d’incertitude explicitement bornés à ce cas.

02

Pipeline MobileNetV3 à modes smoke, validation et final-eval séparés ; démonstrateur ONNX optionnel avec vérification des empreintes et abstention systématique.

04

Reproductibilité & qualité

01

Même pipeline disponible par interface, API et CLI, avec persistance après redémarrage, Docker Compose et tests de parcours.

02

Traçabilité des données, calibration, moteur et exports ; documentation des droits, limites et conditions d’utilisation des artefacts.

Stack & disciplines

Explorer les compétences du projet.

Clique sur une carte pour comprendre son rôle et la manière dont elle intervient dans la réalisation.