Travaux · Medtech · MED/02 / 2019 → 2023
Voir juste à l’échelle du gigapixel
Un éditeur d’imagerie pathologique déployé dans des laboratoires de référence internationaux. Une lame numérisée pèse plusieurs milliards de pixels ; le pathologiste doit y naviguer comme au microscope, sans latence ni artefact. La fluidité n’est pas un confort d’interface : c’est une condition du diagnostic.
Le contexte
L’anatomopathologie numérique applique l’apprentissage automatique au diagnostic sur lames : des biopsies numérisées en images de plusieurs milliards de pixels, examinées par des pathologistes dont chaque conclusion engage un patient. La plateforme équipe des laboratoires de référence internationaux ; l’écran y remplace le microscope, à condition de ne rien lui céder.
L’intervention
Développement du viewer WebGL / Three.js : streaming par tuiles multi-résolution, navigation fluide au zoom profond, fidélité colorimétrique. Optimisation du pipeline de rendu (+40 % sur les scans haute résolution), décomposition du monolithe en microservices pour maîtriser la charge, couche GraphQL et éditeur visuel de workflows pour composer les pipelines d’analyse, y compris les modèles de ML qui pré-annotent les lames.
Ce qui reste
Un outil de travail quotidien pour des équipes qui diagnostiquent à l’écran ce qu’elles diagnostiquaient au microscope. Et une leçon transférable : dans les systèmes critiques, la performance perçue est une exigence clinique, pas un raffinement.
- Viewer Three.js / WebGL de lames gigapixels, streaming par tuiles
- Pipeline de rendu optimisé : +40 % de performance sur scans haute résolution
- Décomposition en microservices et maîtrise de la charge
- Couche GraphQL et éditeur visuel de workflows d’analyse