Technologies Immersives & Médicales

La réalité augmentée bouleverse de nombreux secteurs industriels en offrant une nouvelle perception de l’environnement.

Labo bcom - technologies immersives
© Fred Pieau
    Les applications en santé en sont une des illustrations prometteuses.

    Par son expertise en vision par ordinateur, estimation de pose et visualisation 3D, le laboratoire Technologies Immersives & Médicales conçoit composants et plateformes pour augmenter les expériences des professionnels et renforcer leur efficacité, notamment grâce à la réalité augmentée et la réalité virtuelle, dans des domaines tels que l’industrie et la santé. L’utilisateur est au cœur de sa réflexion et de ses travaux, depuis la définition des besoins jusqu’à la confrontation à l’usage des technologies développées. Dans le domaine de la santé, le laboratoire travaille, avec ses partenaires médicaux, sur des technologies clefs telles que le traitement des images et des vidéos médicales, la connectivité ou l’interopérabilité.

    Laurent Launay - bcom
    © Fred Pieau

    Laurent Launay

    Directeur du domaine Applications et Responsable du labo Technologies Immersives & Médicales

    Nous sommes convaincus qu’une technologie trouve d’abord sa valeur dans ses usages ; c’est pourquoi nous plaçons l’utilisateur final au centre de nos développements et tests.
    produits et services
    Dicom Family - teaser produit - bcom famille DICOM

    Interopérabilité, anonymisation et standardisation

    Annotate - teaser produit - bcom b<>com Annotate

    Pour l'annotation de vidéos et signaux chirurgicaux

    publications scientifiques

    20.04.2021

    L6DNet: Light 6 DoF Network for Robust and Precise Object Pose Estimation with Small Datasets

    Estimating the 3D pose of an object is a challenging task that can be considered within augmented reality or robotic applications. In this paper, we propose a novel approach to perform 6 DoF object pose estimation from a single RGB-D image. We adopt a hybrid pipeline in two stages: data-driven and geometric respectively. The data-driven step consists of a classification CNN to estimate the object…

    lire la publication

    29.05.2021

    Efficient Multi-stream Temporal Learning and Post-fusion Strategy for 3D Skeleton-based Hand Activity Recognition

    Recognizing first-person hand activity is a challenging task, especially when not enough data are available. In this paper, we tackle this challenge by proposing a new hybrid learning pipeline for skeleton-based hand activity recognition, which is composed of three blocks. First, for a given sequence of hand’s joint positions, the spatial features are extracted using a dedicated combination of…

    lire la publication

    13.08.2021

    Acceptability and 5G in the Medical Field: The Impact of the Level of Information

    The issues around 5G are considerable: sovereignty, smart city, industry 4.0, energy, connected healthcare. However, 5G is currently raising many questions from the general public and professionals. To better understand these questions related to acceptability, a quantitative experimental study was conducted with 81 healthcare professionals, via an online questionnaire. The objective is to…

    lire la publication

    02.12.2020

    Model-based 3D Tracking for Augmented Orthopedic Surgery

    Current surgical navigation systems offer sub-millimetric real-time localization, however they are expensive, require the use of invasive markers attached to the patient, and often add extra operation time. In this paper we propose an affordable markerless navigation approach, based on mid end depth sensors, as an alternative to answer medical applications needs in terms of accuracy and…

    lire la publication