KICO : annotation de vidéos endoscopiques
tuteur / contact : Cédric Dumas, Mathieu Chollet étudiants 2020/2021: Evrard-Nil Daillet, Florian Le Menn, Samy Le Galloudec, Thomas Herbelin étudiants 2021/2022 : Léo Leclerc , Ander Friou mots clés : endoscopie, IA, web, annotation, labelisation, fullstack, ergonomie, simplicité, médical, docker période : octobre 2020 - février 2021 et octobre 2021 - février 2022
KICO propose aux chirurgiens de l’ICO un outil d’annotation des vidéos d’exploration endoscopique pouvant être analysées automatiquement à l’aide d’une IA.
Utilisateurs visés
Les utilisateurs visés par ce projet sont les chirurgiens ou internes ou toutes personnes en mesure de réaliser et comprendre les annotations des nodules de carcinose. Dans le cas précis de ce projet il s’agit de personnel de l’ICO mais ce projet pourrait être générique et servir pour d’autres types d’annotations.
Résumé
Ce projet faisait suite aux demandes de l’ICO et de Fréderic Dumont dont l’objectif pour eux à terme est d’avoir une intelligence artificielle qui serait capable de lire les vidéos d’endoscopie et de les analyser pour en donner le score PCI. Ce score permet d’évaluer et de quantifier la gravité de la carcinose, maladie touchant le péritoine.
Pour cela l’objectif à court terme était de proposer une interface permettant la collecte des données. Étant donnée la tache un peu rébarbative, l’interface devait être ergonomique et agréable à l’œil. Par ailleurs le modèle de donnée devait coller avec la réalité du métier. Ainsi il fallait pouvoir distinguer les patients, avec pour chaque patient plusieurs examens, et pour chaque examen, potentiellement plusieurs vidéos. Une fois les vidéos collectées il s’agissait de choisir les bonnes images, et de les annoter manuellement en leur attribuant une zone précise du péritoine.
Technologies utilisées
Front : : Angular / Scss / Material / TS
API REST : Golang / MINIO
Base de données: MongoDB
Infrastructure : Docker
Outil: Figma / Gitlab
