Ce dépôt contient l'ensemble des travaux réalisés dans le cadre d'un programme de 8 semaines sur l'application de l'apprentissage fédéré (Federated Learning) à l'intelligence artificielle pour la santé.
Il couvre les fondamentaux, les traitements de données médicales sensibles, le NLP médical, la vision par ordinateur, ainsi qu'un projet final complet et collaboratif.
- Semaine 1 : Introduction au Federated Learning et enjeux de l’IA en santé
- Semaine 2 : Données médicales (EHR, DICOM) & confidentialité (RGPD, HIPAA)
- Semaine 3 : Prédiction de maladies à partir de données tabulaires décentralisées (MIMIC-III)
- Semaine 4 : NLP médical avec BioBERT / ClinicalBERT en apprentissage fédéré
- Semaine 5 : Vision par ordinateur appliquée aux images médicales (MedMNIST, ChestX-ray)
- Semaine 6 à 8 : Sécurité, robustesse, et réalisation d’un pipeline FL santé complet
- Python, PyTorch, TensorFlow, Flower, FedML
- ClinicalBERT, BioBERT, ResNet
- Datasets : MIMIC-III, MedMNIST, NIH Chest X-ray, i2b2, etc.
.
├── semaine\_1/ # Bases du FL et enjeux médicaux
├── semaine\_2/ # Données médicales & confidentialité
├── semaine\_3/ # Prédiction tabulaire (EHR)
├── semaine\_4/ # NLP médical en FL
├── semaine\_5/ # Vision par ordinateur et FL
├── semaine\_6\_à\_8/ # Sécurité, robustesse & projet final
├── requirements.txt # Dépendances Python
└── README.md # Présentation du projet
Mettre en place un pipeline de bout en bout pour la prédiction, le traitement de texte médical ou la classification d'images, tout en garantissant la confidentialité des données via l’apprentissage fédéré.
📌 Projet éducatif à but non lucratif. Données médicales traitées de manière synthétique ou anonymisée.