Création automatique de modèles 3D à partir de fichiers Dicom d'examens cliniques. Génération de nuages de points du patient, chargés dans un visualiseur 3D. Segmentation, classification et texturisation automatique des volumes cérébraux pour la visualisation et la détection d'anomalies basée sur le Deep Learning en comparant avec des données de patients similaires ou de contrôle.

Développement d'algorithmes de Machine Learning pour le soutien à la décision en neurologie. La modélisation des connaissances couvre le diagnostic, le pronostic et le soutien aux interventions chirurgicales. Les algorithmes explorent les motifs de similitude entre les patients, sans nécessiter d'hypothèses préalables, permettant une classification et des recommandations adaptées, accélérant la prise de décision et offrant des diagnostics spécifiques.

Interface holographique et manipulation 3D pour visualiser des modèles anatomiques. Permet de sélectionner, manipuler des volumes et des composants corporels. Facilite la validation et la rétroaction à l'algorithme. Intégration de la visualisation en 2 et 3 dimensions avec un support à la prise de décisions médicales basé sur la connaissance analytique, en utilisant les technologies D3.js pour une présentation agile et utilisable.