Home » Évènement (Page 2)

Soutenance de thèse d’Olivier BORDRON (équipe SIMS)

Olivier Bordron, doctorant de l’équipe SIMS, soutiendra sa thèse intitulée « Influence d’une orthèse de genou sur le mouvement humain« / « Influence of a knee orthosis on human motion »

mardi 30 mars 2021 à 9h.

Direct sur Zoom (ID de réunion : 977 2911 0344 / Code secret : %at$S*3N)

Jury :

Rapporteurs : Laurence CHÈZE, Professeur des universités, Université, Claude Bernard Lyon 1 ; Frédéric MARIN, Professeur des universités, Université de Technologie de Compiègne
Examinateurs : Samer MOHAMMED, Professeur des universités, Université Paris-Est Créteil ; Véronique MARCHAND, Directrice de recherche INSERM, Sorbonne Université, Valérie RENAUDIN Directrice de recherche, Université Gustave Eiffel
Directeur de thèse : Yannick AOUSTIN, Professeur des universités, Université de Nantes
Co-encadrants de thèse : Clément HUNEAU, Maître de conférences, Université de Nantes ; Éric LE CARPENTIER, Maître de conférences, École Centrale de Nantes
Membre invité : Christine CHEVALLEREAU, Directrice de recherche CNRS, Laboratoire des Sciences du Numérique de Nantes

Résumé : Avec le vieillissement de la population, la sédentarité, l’augmentation des accidents vasculaires cérébraux et autres déficiences motrices, la mobilité est un enjeu mondial primordial. À ce problème, les exosquelettes et les orthèses constituent une réponse technologique possible. Une orthèse est un système pluridisciplinaire qui doit s’adapter au corps de l’utilisateur pour l’assister dans son mouvement. De par sa nature complexe, elle impose à l’utilisateur des contraintes physiques, technologiques et liées à la commande. Les matériaux utilisés, la géométrie, la chaîne de puissance, la chaîne d’information, la morphologie de l’être humain et la nature du mouvement sont autant d’éléments qui influent sur la nature et l’amplitude des contraintes. Si celles-ci sont trop importantes, l’utilisateur va devoir s’adapter et modifier sa démarche en conséquence. Pour prévoir les contraintes physiques appliquées par une orthèse de genou sur un individu au cours d’un mouvement cyclique tel que le squat ou la marche, un simulateur a été développé. Il permet de générer des trajectoires optimales au sens d’une fonction de coût et de calculer les couples articulaires nécessaires à la réalisation du mouvement. Une étude expérimentale a été menée sur plusieurs sujets pour comprendre comment le poids se répartit au cours d’un mouvement de squat. Fondé sur ces résultats, un modèle de répartition des efforts a été proposé.

Mots-clés : orthèse, exosquelette, squat, capture de mouvement, modèle dynamique

Abstract: With an aging population, sedentary lifestyles, an increase in strokes and other motor deficiencies, mobility is a global concern of paramount importance. To this problem, exoskeletons and orthoses are one possible technological solution. An orthosis is a multidisciplinary system that must adapt to the user’s body to assist him in his motion. Due to its complex design, it involves physical, technological and control constraints on the user. The materials used, the shape, the information and power chain, the human morphology and the motion are all factors that influence the type and amplitude of the constraints. If these constraints are too important, the user will have to adapt and modify his gait consequently. To predict the physical constraints applied by a knee orthosis on a human being during a cyclic motion such as squatting or walking, a simulator has been developed. It enables the generation of optimal trajectories in accordance with a cost function and the computation of the joint torques required to achieve the motion. An experimental study was conducted on several subjects to understand how weight is distributed during a squat motion. Based on these results, a model for the forces distribution was proposed.

Keywords: orthosis, exoskeleton, squat motion, motion capture, dynamic model

Soutenance de thèse de Félix GONTIER (équipe SIMS)

Félix Gontier, doctorant au sein de l’équipe SIMS soutient sa thèse intitulée « Analyse et synthèse de scènes sonores urbaines par approches d’apprentissage profond »

mardi 15 décembre 2020 à 10h00 en visio.

Jury :
– Rapporteurs : Dick Botteldooren – Professeur des Universités, Université de Ghent ; Gaël Richard – Professeur, Télécom Paris
– Examinateurs : Catherine Marquis-Favre – Directrice de recherche, ENTPE ; Romain Serizel – Maître de conférences, LORIA, Université de Lorraine
– Directeur de thèse : Jean-François Petiot – Professeur des Universités, École Centrale de Nantes
– Co-directrice de thèse : Catherine Lavandier – Professeur des Universités, Université de Cergy-Pontoise
– Co-encadrant de thèse : Mathieu Lagrange – Chargé de recherche (HDR), LS2N

Résumé :
L’avènement de l’Internet des Objets (IoT) a permis le développement de réseaux de capteurs acoustiques à grande échelle, dans le but d’évaluer en continu les environnements sonores urbains. Dans l’approche de paysages sonores, les attributs perceptifs de qualité sonore sont liés à l’activité de sources, quantités d’importance pour mieux estimer la perception humaine des environnements sonores. Utilisées avec succès dans l’analyse de scènes sonores, les approches d’apprentissage profond sont particulièrement adaptées pour prédire ces quantités. Cependant, les annotations nécessaires au processus d’entraînement de modèles profonds ne peuvent pas être directement obtenues, en partie à cause des limitations dans l’information enregistrée par les capteurs nécessaires pour assurer le respect de la vie privée.
Pour répondre à ce problème, une méthode pour l’annotation automatique de l’activité des sources d’intérêt sur des scènes sonores simulées est proposée. Sur des données simulées, les modèles d’apprentissage profond développés atteignent des performances « état de l’art » pour l’estimation d’attributs perceptifs liés aux sources, ainsi que de l’agrément sonore. Des techniques d’apprentissage par transfert semi-supervisé sont alors étudiées pour favoriser l’adaptabilité des modèles appris, en exploitant l’information contenue dans les grandes quantités de données enregistrées par les capteurs. Les évaluations sur des enregistrements réalisés in situ et annotés montrent qu’apprendre des représentations latentes des signaux audio compense en partie les défauts de validité écologique des scènes sonores simulées.
Dans une seconde partie, l’utilisation de méthodes d’apprentissage profond est considérée pour la resynthèse de signaux temporels à partir de mesures capteur, sous contrainte de respect de la vie privée. Deux approches convolutionelles sont développées et évaluées par rapport à des méthodes état de l’art pour la synthèse de parole.

Mots-clés : Paysages sonores, Réseaux de capteurs acoustiques, Perception de sources sonores, Synthèse sonore

Rejoindre la réunion Zoom :
https://ec-nantes.zoom.us/j/98212839223
ID de réunion : 982 1283 9223
Code secret : DU#3xGYV

—————————————————————————————————————————————————–

Abstract:
The advent of the Internet of Things (IoT) has enabled the development of large-scale acoustic sensor networks to continuously monitor sound environments in urban areas. In the soundscape approach, perceptual quality attributes are associated with the activity of sound sources, quantities of importance to better account for the human perception of its acoustic environment. With recent success in acoustic scene analysis, deep learning approaches are uniquely suited to predict these quantities. Though, annotations necessary to the training process of supervised deep learning models are not easily obtainable, partly due to the fact that the information content of sensor measurements is limited by privacy constraints.
To address this issue, a method is proposed for the automatic annotation of perceived source activity in large datasets of simulated acoustic scenes. On simulated data, trained deep learning models achieve state-of-the-art performances in the estimation of source-specific perceptual attributes and sound pleasantness. Semi-supervised transfer learning techniques are further studied to improve the adaptability of trained models by exploiting knowledge from the large amounts of unlabelled sensor data. Evaluations on annotated in situ recordings show that learning latent audio representations of sensor measurements compensates for the limited ecological validity of simulated sound scenes.
In a second part, the use of deep learning methods for the synthesis of time domain signals from privacy-aware sensor measurements is investigated. Two spectral convolutional approaches are developed and evaluated against state-of-the-art methods designed for speech synthesis.

Keywords: Soundscape, Acoustic sensor networks, Sound source perception, Sound synthesis

NDW 2020 – Journée « IA et les ODDs »

La chaire UNESCO REL animera une journée sur l’intelligence artificielle et les objectifs de développement durable dans le cadre de la Nantes Digital Week,

mardi 22 septembre 2020 de 10h à 18h.

Les thèmes choisis pour cet événement sont les ODDs :

3 (Santé et bien-être),
8 (Accès à des emplois décents)
et 14 (Océans et mers).

Samuel Chaffron (équipe COMBI), Benoit Delahaye (équipe AeLoS), Damien Eveillard (équipe COMBI) et Diana Mateus (équipe SIMS) représenteront le labo au cours des tables rondes.

Programme détaillé sur https://chaireunescorel.ls2n.fr/2020/08/27/conference-en-ligne-ia-et-objectifs-de-developpement-durable/

En raison de la crise sanitaire, la journée se déroulera principalement à distance, grâce à une diffusion des débats en streaming sur le blog de la chaire. Un public d’une quinzaine de personnes participera à cet événement en présentiel.

Pour plus d’informations, le site officiel.

Soutenance de thèse de Sébastien LEVILLY (équipe SIMS)

Sébastien Levilly, doctorant au sein de l’équipe SIMS, soutiendra sa thèse intitulée « Quantification de biomarqueurs hémodynamiques en imagerie cardiovasculaire par résonance magnétique de flux 4D » / « Hemodynamic biomarkers quantification in cardiovascular imaging by 4D phase-contrast magnetic resonance »
mardi 12 mai 2020 à 14h à en visio-conférence à l’ECN.

Jury :
– Directeur thèse : Idier Jérôme
– Co-directeur : Paul-Guilloteaux Perrine (IRS UN)
– Rapporteurs : Heinrich Christian (Telecom Physique Strasbourg), Kachenoura Nadjia (UMPC)
– Autres membres : Sigovan Monica (INSA Lyon), Memin Etienne (Inria Rennes)
– Membre invité : Serfaty Jean-Michel (IRS UN)

Résumé :
En imagerie cardiovasculaire, un biomarqueur est une information quantitative permettant d’établir une corrélation avec la présence ou le développement d’une pathologie cardiovasculaire. Ces biomarqueurs sont généralement obtenus grâce à l’imagerie de l’anatomie et du flux sanguin. Récemment, la séquence d’acquisition d’IRM de flux 4D a ouvert la voie à la mesure du flux sanguin dans un volume 3D au cours du cycle cardiaque. Or, ce type d’acquisition résulte d’un compromis entre le rapport signal sur bruit, la résolution et le temps d’acquisition. Le temps d’acquisition est limité et par conséquent les données sont bruitées et sous-résolues. Dans ce contexte, la quantification de biomarqueurs est difficile. L’objectif de cette thèse est d’améliorer la quantification de biomarqueurs et en particulier du cisaillement à la paroi. Deux stratégies ont été mises en œuvre pour atteindre cet objectif. Une première solution permettant le filtrage spatio-temporel du champ de vitesse a été proposée. Cette dernière a révélé l’importance de la paroi dans la modélisation d’un champ de vitesse. Une seconde approche, constituant la contribution majeure de cette thèse, s’est focalisée sur la conception d’un algorithme estimant le cisaillement à la paroi. L’algorithme, nommé PaLMA, s’appuie sur la modélisation locale de la paroi pour construire un modèle de vitesse autour d’un point d’intérêt. Le cisaillement est évalué à partir du modèle de la vitesse. Cet algorithme intègre une étape de régularisation a posteriori améliorant la quantification du cisaillement à la paroi. Par ailleurs, une approximation du filtre IRM est utilisée pour la première fois pour l’estimation du cisaillement. Enfin, cet algorithme a été évalué sur des données synthétiques, avec des écoulements complexes au sein de carotides, en fonction du niveau de bruit, de la résolution et de la segmentation. Il permet d’atteindre des performances supérieures à une méthode de référence dans le domaine, dans un contexte représentatif de la pratique clinique.

Mots-clés : cisaillement à la paroi, simulation numérique des fluides, IRM de flux 4D, carotide

**********

Abstract:
In cardiovascular imaging, a biomarker is quantitative information correlated with an existing or growing cardiovascular pathology. Biomarkers are generally obtained by anatomy and blood flow imaging. Recently, the 4D Flow MRI sequence opened new opportunities in measuring the blood flow within a 3D volume along the cardiac cycle. However, this sequence is a compromise between signal-to-noise ratio, resolution and acquisition time. Allocated time being limited, velocity measurements are noisy and low resolution. In that context, biomarkers’ quantification is challenging. This thesis’s purpose is to enhance biomarkers’ quantification and particularly for the wall shear stress (WSS). Two strategies have been investigated to reach that objective. A first solution allowing the spatiotemporal filtering of the velocity field has been proposed.
It revealed the importance of the wall for the velocity field modelization. A second approach, being the major contribution of this work, focused on the design of a WSS quantification algorithm. This algorithm, named PaLMA, is based on the local modelization of the wall to build a velocity model near a point of interest. The WSS is computed from the velocity model. This algorithm embeds an a posteriori regularization step to improve the WSS quantification. Besides, a blurring model of 4D Flow MRI is used for the first time in the WSS quantification context. Finally, this algorithm has been validated over synthetic datasets, with carotids’ complex flows, concerning the signal-to-noise ratio, the resolution, and the segmentation. The performances of PaLMA are superior to a reference solution in that domain, within a clinical routine context.

Keywords: wall shear stress, computational fluid dynamics, 4D Flow MRI, carotid

Soutenance de thèse de Ramzi BEN MHENNI (équipe SIMS)

Ramzi Ben Mhenni, doctorant au sein de l’équipe SIMS, soutiendra sa thèse intitulée « Méthodes de programmation en nombres mixtes pour l’optimisation parcimonieuse en traitement du signal »
mercredi 13 mai 2020 à 14h en visio-conférence à l’ECN.

Jury :
– Directeur thèse : Bourguignon Sébastien
– Co-encadrant : Ninin Jordan (ENSTA Bretagne)
– Rapporteurs : Cafieri Sonia (Ecole nationale aviation civile), Kowalski Matthieu (Laboratoire des Signaux et Systèmes)
– Autres membres : Jutten Christian (Université Grenoble Alpes), Ralaivola Liva (Aix Marseille Université)

Appel à communications pour le workshop iTWIST’20 (international Traveling Workshop on Interactions between low-complexity data models and Sensing Techniques)

Sébastien Bourguignon et Jérôme Idier (équipe SIMS), en collaboration avec deux autres collègues extérieurs au laboratoire, organisent une conférence intitulée iTWIST’20 du 24 au 26 juin 2020 sur le site de Centrale Nantes.

Le workshop sera précédée d’une école doctorale les 22 et 23 juin 2020.

Voir le site web de la conférence : https://itwist20.ls2n.fr

7 keynote speakers rennomés sont attendus pour cette édition 220 :

Vincent Duval (INRIA Paris, France)
Mark Plumbley (Centre for Vision, Speech and Signal Processing, University of Surrey, UK)
Christopher J Rozell (Georgia Institute of Technology, USA)
Karin Schnass (University of Innsbrück, Austria)
Irene Waldspurger (CNRS, University Paris-Dauphine, France)
Rebecca Willett (University of Chicago, USA)
David Wipf (Visual Computing Group, Microsoft Research, Beijing, China)

Appel à communications pour la conférence : https://itwist20.ls2n.fr/wp-content/uploads/sites/71/2019/12/call_for_paper.pdf

The doctoral school program will include 4 short courses on some fundamental topics of the workshop:
– Nonnegative and Low-rank Approximations (J. Cohen, CNRS, Rennes)
– Branch and bound techniques for combinatorial optimization (J. Ninin, ENSTA Betagne, Brest)
– Computational optimal transport (G. Peyré, CNRS/École Normale Supérieure, Paris)
– Last course to be announced

Appel à participation spour l’école doctorale : https://itwist20.ls2n.fr/wp-content/uploads/sites/71/2019/12/call_for_part.pdf

L’inscription est gratuite et inclut les repas, pauses, et événements sociaux.

Calendrier :

Feb. 17, 2020 Closing of the application system/paper submission ends
Mar. 2, 2020 Notification of accepted applications
Mar. 9, 2020 Registration opens
Apr. 15, 2020 Confirmation of accepted papers
Apr. 22, 2020 Program finalized
Apr. 29, 2020 Final manuscript due
May 13, 2020 Registration closes
June 22-23, 2020 Doctoral school
June 24-26, 2020 iTWIST’20 Workshop

Soutenance d’HDR de Sébastien Bourguignon (équipe SIMS)

Sébastien Bourguignon, Maître de Conférences Centrale Nantes au sein de l’équipe SIMS, soutiendra son Habilitation à Diriger des Recherches, intitulé « Modèles et algorithmes dédiés pour la résolution de problèmes inverses parcimonieux en traitement du signal et de l’image » / « Sparsity-enhancing inverse problems in signal and image processing : models and dedicated algorithms »

jeudi 06 février à 9h30, dans l’amphi du bâtiment S (LS2N) de l’ECN.

Jury :
– Laure Blanc-Féraud, Université Nice Sophia-Antipolis / I3S
– Stéphane Canu, INSA Rouen / LITIS
– Olivier Michel, INP Grenoble / GiPSA-Lab
– Pierre Chainais, Centrale Lille / CRIStAL
– Christine De Mol, Université Libre de Bruxelles
– Nicolas Gillis, Université de Mons
– Jérôme Idier, Centrale Nantes / LS2N

Résumé :

Dans de nombreux problèmes inverses rencontrés en traitement du signal et de l’image, le manque d’information contenue dans les données peut être compensé par la prise en compte d’une contrainte de parcimonie sur la solution recherchée. L’hypothèse de parcimonie suppose que l’objet d’intérêt peut s’exprimer, de manière exacte ou approchée, comme la combinaison linéaire d’un petit nombre d’éléments choisis dans un dictionnaire adapté.
Je présenterai différentes contributions apportées dans la construction de modèles parcimonieux. Dans plusieurs contextes applicatifs, nous cherchons à raffiner les représentations classiques reliant les données aux grandeurs d’intérêt à estimer, afin de les rendre plus fidèles à la réalité des processus observés. Cet enrichissement de modèle, s’il permet d’améliorer la qualité des solutions obtenues, s’opère au détriment d’une augmentation de la complexité calculatoire. Nous proposons donc des solutions algorithmiques dédiées, relevant essentiellement de l’optimisation mathématique.

Un premier volet envisage la restauration de données d’imagerie hyperspectrale en astronomie, où l’observation de champs profonds depuis le sol s’effectue dans des conditions très dégradées. Le débruitage et la déconvolution sont abordés sous une hypothèse de parcimonie des spectres recherchés dans un dictionnaire de formes élémentaires. Des algorithmes d’optimisation capables de gérer la grande dimension des données sont proposés, reposant essentiellement sur l’optimisation de critères pénalisés par la norme l_1, par une approche de type descente par coordonnée.

Une deuxième application concerne la déconvolution parcimonieuse pour le contrôle non destructif par ultrasons. Nous construisons, d’une part, un modèle « à haute résolution », permettant de suréchantillonner la séquence parcimonieuse recherchée par rapport aux données, pour lequel nous adaptons les algorithmes classiques de déconvolution. D’autre part, nous proposons de raffiner le modèle convolutif standard en intégrant des phénomènes de propagation acoustique, débouchant sur un modèle non invariant par translation. Ces travaux sont ensuite étendus à l’imagerie ultrasonore, par la construction de modèles de données adaptés et l’optimisation de critères favorisant la parcimonie.

Nous abordons enfin des travaux plus génériques menés sur l’optimisation globale de critères parcimonieux impliquant la « norme » l_0 (le nombre de coefficients non nuls dans la décomposition recherchée). Alors que l’essentiel des travaux en estimation parcimonieuse privilégie des formulations sous-optimales adaptées aux problèmes de grande taille, nous nous intéressons à la recherche de solutions exactes des problèmes l_0 au moyen d’algorithmes branch-and-bound. De tels modèles parcimonieux, s’ils s’avèrent plus coûteux en temps de calcul, peuvent fournir de meilleures solutions et restent de complexité abordable sur des problèmes de taille modérée. Des applications sont proposées pour la déconvolution de signaux monodimensionnels et pour le démélange spectral.

La présentation de quelques pistes de recherche à court et moyen terme conclura cet exposé.

Lien vers le manuscrit : https://uncloud.univ-nantes.fr/index.php/s/xHm8af2D7dsfpRR

Soutenance d’HDR de Mathieu LAGRANGE (équipe SIMS)

Mathieu Lagrange, chercheur CNRS au sein de l’équipe SIMS, soutiendra son habilitation à diriger des recherches intitulée « Modélisation long terme de signaux sonores »
jeudi 14 novembre 2019 à 10h15, dans l’amphi du bâtiment S sur le site de Centrale Nantes.

Jury :
– Frédéric Bimbot, Directeur de Recherche CNRS, IRISA, Rennes
– Alain de Cheveigné, Directeur de Recherche CNRS, ENS Paris
– Béatrice Daille, Professeur, LS2N, Nantes
– Patrick Flandrin, Directeur de Recherche CNRS, ENS Lyon
– Stéphane Mallat, Professeur, Collège de France

Document pdf de 79 pages sur Google Drive.

Résumé :
La modélisation numérique du son a permis de transformer tous nos usages de la musique et plus récemment des environnements sonores. Du codage à la synthèse en passant par l’indexation, un large champ d’applications nécessite de pouvoir analyser le signal sonore, un contenu riche et complexe avec des propriétés d’organisation temporelle et fréquentielle spécifiques. En suivant le paradigme de l’analyse de scènes auditives computationnelles, j’ai proposé au début de ma carrière plusieurs méthodes de segmentation du signal sonore, par des approches de suivi de partiels, ou encore de segmentation de sources harmoniques par coupures normalisées de graphes.
L’avènement des approches par apprentissage a permis de relâcher un certain nombre de contraintes de spécification des modèles de traitement, mais demande un soin particulier dans la mise en place du protocole expérimental avec lequel ces modèles sont estimés et évalués. J’ai contribué à cette problématique en poursuivant deux axes : 1) la proposition, dans le cadre du challenge international dcase, de tâches de reconnaissances d’événements dans des scènes sonores environnementales artificielles dont les facteurs de complexité sont contrôlés et 2) l’implantation et la mise à disposition d’explanes, un environnement de développement d’expérimentations dédié à la facilitation de la reproductibilité des études en sciences des données.
Je montrerai le formalisme de ce dernier en présentant deux contributions récentes : l’une portant sur l’utilisation des réseaux convolutionnels profonds pour le sur-échantillonnage et l’autre portant sur la modélisation par diffusion d’ondelettes des modes de jeux étendus pour l’aide à l’orchestration musicale.
Ces nouvelles approches questionnent d’une nouvelle manière des problèmes fondamentaux en traitement du signal sonore et ouvrent un vaste champ d’expérimentation nécessaire à leur bonne maîtrise. Je discuterai en guise de conclusion le protocole d’exploration que je me propose de suivre pour contribuer à l’extension des connaissances sur ces sujets.

Soutenance de thèse de Konstantin AKHMADEEV (équipes ReV et SIMS)

Konstantin Akhmadeev, doctorant au sein des équipes ReV et SIMS, soutiendra sa thèse intitulée « Modèles probabilistes fondés sur la décomposition d’EMG pour la commande de prothèses »

mercredi 20 novembre 2019 à 14h, dans l’amphi du bâtiment S sur le site de Centrale Nantes.

Jury :

Directeur thèse : AOUSTIN Yannick
Co-encadrant : LE CARPENTIER Eric
Rapporteurs : SERVIERE Christine (CR CNRS, GIPSA), MARIN Frédéric (BMBI, U Compiègne)
Examinateurs : FARINA Dario (Imperial College London), PEREON Yann (Institut du Thorax), NORDEZ Antoine (EA 4334, U Nantes)

Résumé :
Le pilotage moderne de prothèse robotisée de bras peut être sensiblement amélioré par l’utilisation de la décomposition d’EMG. Cette technique permet d’extraire l’activité des motoneurones de la moelle épinière, une représentation directe de la commande neuronale. Cette activité, qui est insensible aux facteurs non-liés au mouvement, tels que le type ou la position d’électrode EMG, est essentielle pour le pilotage des prothèses.
Cependant les méthodes de décomposition existantes ne fournissent que l’activité d’un nombre limité de motoneurones. Cette information peut être considérée insuffisante pour en inférer l’intention de l’utilisateur. Dans ce travail, nous présentons une approche probabiliste qui utilise les modèles existants de la relation entre les activités des motoneurones et le mouvement. Nous comparons cette approche à une approche plus conventionnelle et montrons qu’elle fournit de meilleurs résultats même quand elle est alimentée avec un nombre très bas de motoneurones décomposés.
Pour évaluer sa performance dans un environnement contrôlé, nous avons développé un modèle physiologique de simulation d’EMG et de contraction de muscle. De plus, une analyse sur les signaux expérimentaux a été réalisée.

*********

Abstract:
Modern prosthetic control can be significantly enhanced due to the use of EMG decomposition. This technique permits to extract the activity of motor neurons that control the movement, thus giving a direct representation of neural command. This activity, being unaltered by factors non-related to motion, such as type and position of EMG electrode, is of great interest in prosthetic control.
Existing real-time decomposition methods, however, provide activities of a very limited number of motor neurons (up to ten). This can be considered insufficient for intent inference. In this work, we present a probabilistic approach to intent inference that uses existing models of relations between the behavior of motor neurons and the movement. We compare our approach with a conventional one presented in the literature and show that it produces significantly better results when provided with a small number of decomposed motor neurons.
To assess its performance in a fully controlled environment, we have developed a physiology-based simulation model of EMG and muscle contraction. Moreover, the analysis was also performed using experimental recordings of muscle contractions.

Soutenance de thèse de Christian EL HAJJ (équipe SIMS)

Christian El Hajj, doctorant au sein de l’équipe SIMS, soutiendra sa thèse intitulée « Estimation et classification des cartographies des temps de relaxation en IRM. Application aux tissus végétaux » / « Multi-exponential relaxation times estimation and classification in MRI. Application to vegetal tissus »

lundi 16 décembre 2019 à 10h30, dans l’amphi du bâtiment S sur le site de Centrale Nantes.

Jury :

Directeur thèse : MOUSSAOUI Said
Co-encadrant : COLLEWET Guylaine (IRSTEA), MUSSE Maja (IRSTEA)
Rapporteurs : CIUCU Philippe (CEA Saclay), DE ROCHEFORT Ludovic (CRMBM)
Autres membres : RUAN Su (LITIS), COMMOWICK (IRISA Inria), BONNY Jean-Marie (INRA)

Résumé :
L’acquisition de données de relaxation en imagerie de résonance magnétique permet une analyse très fine de la composition des tissus. L’analyse est classiquement réalisée à l’aide de modèles mono-exponentiels au sein de chaque voxel de l’image, mais des informations plus riches peuvent être obtenues à l’aide d’un modèle de décroissance multi-exponentielle. Cependant, l’obtention puis l’exploitation des cartographies des temps de relaxation multiexponentielles à l’échelle d’une image entière, à partir des données IRM de module, nécessitent la résolution d’un problème inverse de grande taille. Ce travail de thèse propose des algorithmes de reconstruction des cartographies des temps de relaxation multi-exponentielles et des intensités relatives associées à l’échelle du voxel. Ces algorithmes de reconstruction sont fondés sur l’estimateur du maximum de vraisemblance exploitant l’hypothèse d’un bruit de Rice, inhérent aux images de module, et une régularisation spatiale favorisant la régularité des cartographies. Le problème d’optimisation en grande dimension qui en résulte est résolu en utilisant une approche de descente itérative par majoration-minimisation couplée à un algorithme de Levenberg-Marquardt avec recherche de pas. Enfin, nous proposons une méthode de caractérisation de la composition des images à partir des paramètres estimés en utilisant des algorithmes de classification. Les développements de la thèse font l’objet d’application à l’analyse de tissus végétaux.

Mots-clés : Relaxométrie IRM, Bruit de Rice, Modèle Multi-exponentiel, Classification, Majoration-Minimisation, Estimation conjointe.

Abstract:

Acquired relaxation data in magnetic resonance imaging makes it possible to conduct fine analysis of tissues composition. Conventionally, the analysis is realized by adopting a mono-exponential model at each voxel of the image, yet, a multi-exponential decay model may provide richer information. However, obtaining and interpreting multi-exponential relaxation time maps at the whole image level, from magnitude MRI images, requires solving a large scale inverse problem. This thesis work proposes algorithms for multiexponential relaxation times and their associated intensities maps reconstruction. These algorithms are based on the maximum-likelihood estimator under the hypothesis of a Rician noise distribution, case of magnitude images, and a spatial regularization favoring the regularity of the maps. The resulting large-scale optimization problem is solved using an iterative descent approach by majorization-minimization coupled with a Levenberg-Marquardt algorithm with step search. Finally, we propose a method for image composition characterization from the estimated parameters using classification algorithms. The developed algorithms in this thesis are applied to vegetal tissue analysis.

Keywords: MRI relaxometry, Rician noise, Multi-exponential model, Classification, Majorization-Minimization, Joint estimation

Archives