Psychiatry currently lacks objective quantitative measures to guide the clinician in choosing the proper therapeutic treatment. The physio-pathology of mental illnesses such as schizophrenia and bipolar disorder is still poorly understood but the emergence of large-scale neuroimaging transdiagnostic datasets gives a unique opportunity for studying ...
The purpose of this thesis is to investigate one of the most important challenges related to the development of machine and deep learning methods. Namely, our research is conducted in the setting where models make predictions based on a few labeled examples. Particularly in the context of image classification, the goal of this study is to learn a m...
Quels que soient leurs domaines d’application, les codes de calcul modernes sont soumis à des exigences de rapidité de calcul et d’optimisation d’occupation de la place mémoire, qui requièrent l'utilisation de méthodes numériques évoluées. Pour répondre à ces besoins de traitement de données massives et de calculs intensifs, les méthodes d’apprenti...
Afin d'améliorer la sécurité des transports et rendre la conduite plus autonome, les véhicules doivent disposer d'une meilleure perception de leur environnement. Bien que le développement de la voiture autonome fasse l'objet d'une grande attention, le transport ferroviaire suit aussi la même voie. L'enjeu est à la fois d'améliorer le confort de con...
L’imagerie en microscopie optique linéaire est l’approche phare pour l’étude des échantillons biologiques vivants à haute résolution. En effet, elle est à la fois possiblement très faiblement invasive et permet de d’observer des détails sub-microniques en profondeur (jusqu’aux molécules individuelles dans certains régimes particuliers (Well, 2015))...
We propose statistical methods combining the Bayesian approach and deep learning for forecasting individual electrical consumption. This work is done in partnership with EDF. Two types of methodologies are developed: one relying on Bayesian neural networks, the other using deep learning for dimensionality reduction prior to clustering. Bayesian (no...
Published in Cancer radiotherapie : journal de la Societe francaise de radiotherapie oncologique
Deep learning (DL) techniques are widely used in medical imaging and in particular for segmentation. Indeed, manual segmentation of organs at risk (OARs) is time-consuming and suffers from inter- and intra-observer segmentation variability. Image segmentation using DL has given very promising results. In this work, we present and compare the result...
Ocean wave climate has a significant impact on human activities, and its understanding is socioeconomically and environmentally important. In this thesis, we are interested in characterizing sea state parameters such as significant wave height (Hs) using statistical and deep learning methods. In particular, we are interested in modeling the relatio...
L'apprentissage profond est une avancée majeure de l'intelligence artificielle de ces dernières années. Ses domaines de prédilection sont principalement l'analyse d'image et le traitement du langage naturel. Un des futurs enjeux majeurs de cette approche est son application à la médecine de précision. Cette nouvelle forme de médecine permettra de p...
In this thesis, we focus we aim to represent the surfaces of 3D shapes using deformable elements. Many works from recent years have inspired this thesis. The most important is AtlasNet, a neural network architecture that learns how to deform a set of square patches to reconstruct the surface of any given shape in a “papier maché” like approach. We ...
