Positionnement
Relier la question biologique, l'image brute et le résultat quantitatif final.
L'objectif est de proposer un accompagnement scientifique, clair dans la forme et
réellement exploitable par les équipes de recherche.
Formation
Master en ingénierie biomédicale
Université Nice Côte d'Azur, 2026
Analyse et traitement d'images, machine learning, deep learning, traitement du signal et outils quantitatifs appliqués.
Licence de Physique
Université Nice Côte d'Azur, 2024
Formation en optique ondulatoire, physique quantique, mécanique des fluides, électromagnétisme, thermodynamique et relativité.
Compétences
De l'image au livrable
- Analyse et traitement d'images biologiques et biomédicales
- Segmentation 2D/3D, détection et quantification de structures complexes
- Conception de pipelines reproductibles, automatisés et documentés
- Développement de workflows scientifiques adaptés aux besoins du laboratoire
- Création, entraînement et intégration de modèles de deep learning pour l'imagerie
- Développement de plugins, extensions, scripts et outils web sur mesure
- Visualisation, interprétation et valorisation de données quantitatives
Outils
Stack technique
- Python
- Groovy
- MATLAB
- LaTeX
- Français / Anglais
- QuPath
- Fiji / ImageJ
- Imaris
- GraphPad Prism
- Excel
Méthode de travail
01
Comprendre
Clarifier la question biologique, le type d'image et le résultat attendu.
02
Construire
Choisir les outils, les paramètres et les contrôles adaptés au projet.
03
Quantifier
Extraire des mesures fiables, structurées et reproductibles.
04
Transmettre
Livrer les résultats, les graphiques et le protocole réutilisable.