Guillaume De Luca

(FR) Responsable de la stratégie data – ZebraMed (Tech-Bio)

-Pilotage de la stratégie data au sein d’une startup pionnière dans le criblage de biomolécules par IA.

-Supervision des pôles computer vision, machine learning et infrastructure data pour accélérer le screening de nouvelles molécules prometteuses.

----------------------------------------

(ENG) Leading data strategy at ZebraMed, a tech-bio startup pioneering AI-based biomolecule screening. Overseeing computer vision, AI-driven analytics, and data infrastructure to accelerate discovery.

(FR) Conception d’un modèle d’IA générative améliorant les scanners CT cardiaques non contrastés en images contrastées.

- Recherche approfondie sur les algorithmes de génération d’images pour l’amélioration virtuelle des scanners CT.

-Analyse du marché et identification des acteurs clés de l’IA générative en imagerie biomédicale.

-Création d’un jeu de données synthétique en dégradant le signal des images CT contrastées.

-Développement d’une première approche d’IA générative pour la reconstruction améliorée des scanners cardiaques.

----------------------------------------

(ENG) Developed a generative AI model as part of a project within a start-up accelerator program to enhance non-contrasted cardiac CT scans, converting them into contrasted scans for improved visualization of biological structures.

- Conducted extensive bibliographic research on machine learning algorithms for virtual enhancement of CT scans.

- Identified key players and market leaders in the field of Generative AI for biomedical imaging.

- Created a synthetic non-contrasted CT scan dataset by signal downgrading from contrasted scans.

- Developed an initial Generative AI method to produce virtually enhanced cardiac CT scans.

(FR) Projet de recherche en start-up sur l’extraction de propriétés mécaniques de pièces mécaniques cassées en service via le traitement statistique de données et l’IA:

-Développement de modèles d’apprentissage automatique pour prédire les propriétés mécaniques à partir de la topographie des fractures.

-Création d’une base de données de 10000+ champs de hauteur de surfaces de fracture et automatisation du post-traitement des données.

-Application de méthodes basées sur des methodes saliency pour interpréter les résultats, améliorant l’analyse des défaillances via l’IA.

-Présentation des résultats lors de deux conférences internationales, renforçant la visibilité de la recherche.

-Enseignement d’un cours de niveau master et encadrement de jeunes chercheurs.

----------------------------------------

(ENG) Led a data-driven research project to extract mechanical properties from the height field (image-like) of fracture surfaces using machine learning.

- Built a database of 10,000+ fracture surfaces height fields and automated data post-treatment processes.

- Designed machine learning models to predict engineering properties from fracture topography.

- Applied saliency-based methods to interpret results, advancing AI in failure analysis.

- Presented findings at two international conferences, enhancing research visibility.

- Instructed a master's-level course and provided mentorship to junior researchers.