Medet
Medet explore la détection assistée par ordinateur de polypes sur des images et des vidéos d'endoscopie (coloscopie, endoscopie digestive). Un pipeline hybride en deux étages combine une détection locale et une classification en cloud, avec une interface de démonstration en temps réel.
Du flux endoscopique au verdict coloré
Medet est né d'une demande de l'équipe médicale lors de la présentation du POC initial : étendre l'analyse des images statiques aux vidéos d'endoscopie, pour accompagner le praticien dans le repérage d'anomalies au fil de l'examen.
L'analyse repose sur un pipeline hybride : un premier étage tourne localement pour détecter la présence d'une anomalie, un second étage la classifie finement. L'interface de démonstration restitue les résultats au fur et à mesure de l'analyse, sans attendre la fin de la vidéo.
Un pipeline hybride en deux étages
Une détection rapide à proximité des données, une classification fine dans le cloud.
Détection locale — YOLO
Un modèle YOLO analyse les images ou chaque frame de la vidéo pour détecter localement la présence d'une anomalie, à proximité des données.
Classification cloud — EfficientNet
Si une anomalie est détectée, un modèle EfficientNet classe précisément le résultat parmi normal, polype, MICI ou mauvaise préparation, puis un verdict coloré est affiché.
Images, vidéos et rapport exportable
Développée pour présenter le pipeline à l'équipe médicale, l'interface couvre les deux modes d'analyse.
- Mode image : upload d'une image (JPG, PNG), analyse en deux étages et résultat final coloré.
- Mode vidéo : upload de vidéos d'endoscopie (AVI, MP4, MOV) et analyse frame par frame, avec affichage en temps réel des segments détectés.
- Pour chaque segment détecté : timestamp précis (début → fin), numéro de frame exacte, frame clé avec boîte de localisation du polype et score de confiance.
- Graphique de présence du polype sur toute la durée de la vidéo.
- Export CSV du rapport de détection (timestamps, frames, confiances).
- Mode démo : si les poids des modèles sont absents, l'application bascule en prédictions simulées avec un avertissement visuel.
Un référentiel médical annoté
Les tests s'appuient sur HyperKvasir, un jeu de données de colonoscopie annoté par des gastro-entérologues (sous-dossier polyps). Source :
Les briques du POC
Un assemblage volontairement simple et reproductible, pensé pour la démonstration.
Medet vous intéresse ?
Parcourez le code source, consultez les notebooks et l'architecture du dépôt, ou échangeons sur vos besoins en imagerie médicale.