Le Machine Learning (ML) s'impose comme un outil puissant pour traiter des données complexes et extraire des informations pertinentes dans divers domaines scientifiques. Au sein de notre laboratoire, son intégration ouvre des perspectives innovantes, notamment pour l'analyse de simulations et d'images biologiques. Ce séminaire technique vise à illustrer, à travers deux cas d'usage concrets, comment le ML peut optimiser nos processus de recherche. Le premier cas d'usage concerne la reconstruction de spectres gamma via l'utilisation de simulations Geant4 pour reconstruire des spectres de Bremsstrahlung à partir de la fluorescence issus d'Imaging Plates (IP) dans un canon à Bremsstrahlung. Le second cas d'usage concerne l'analyse d'images et reconnaissance de structures pour identifier et quantifier des lysosomes dans des dendrites exposées au Cadmium, facilitant ainsi l'étude des mécanismes de toxicité cellulaire. Pour chaque exemple, nous détaillerons les données utilisées (simulations Geant4, images de microscopie), les modèles de ML mis en œuvre (réseaux de neurones, segmentation d'images, etc.) ainsi que les résultats obtenus et leur impact sur nos activités de recherche.
