Home » Évènement

Réunion du GdR ISIS : « Apprentissage faiblement supervisé ou non supervisé pour l’analyse d’images et de video »

La prochaine réunion du GdR ISIS aura lieu au CNAM de Paris le 10 mai 2019.

L’apprentissage supervisé est au coeur des techniques actuelles de computer vision et d’analyse d’images et de vidéos. Un des limitations des méthodes d’apprentissage supervisé est la nécessité de disposer de grandes bases de données étiquetées. Cet étiquetage peut être coûteux, voire impossible. Les approches d’apprentissage faiblement supervisé permettent de contourner le problème, en utilisant à la fois des données étiquetées ou non-étiquetées, ou des données partiellement étiquetées.

L’objectif de la journée sera de faire le point sur les techniques d’apprentissage non-, semi- ou faiblement supervisé, de transfert de connaissance, de multiple instance learning, pour l’analyse d’images et de vidéos, mais aussi pour l’annotation automatique ou semi-automatique de grandes bases d’images, où de l’apprentissage incrémental est en jeu.
Cette journée est organisée conjointement entre le thème transverse T Apprentissage pour l’analyse du signal et l’action « Analyse, traitement et décision pour les données massives et multimodales en sciences du vivant » du thème B Image et Vision. Elle est ouverte à des contributions théoriques dans le domaine de l’apprentissage partiellement ou non-supervisé ainsi qu’à des applications dans le domaine de la vision par ordinateur et de l’analyse d’images ou de séquences d’images médicales.

Le programme comporte trois conférences invitées :
« Weakly-Supervised Localization and Classification of Proximal Femur Fractures », Diana Mateus (équipe SIMS)
– « Apprentissage semi-supervisé et faiblement supervisé », Nicolas Thome, CEDRIC lab, CNAM Paris
– « Learning with less labels in medical image analysis », Veronika Cheplygina, Medical Image Analysis group, Eindhoven University of Technology, The Netherlands

Informations et inscription.

3ème édition de la Folle Journée de l’Imagerie Nantaise

La Folle Journée de l’Imagerie Nantaise, co-organisée et soutenue par près d’une douzaine d’institutions académiques nantaises, aura lieu mercredi 27 février 2019 à ONIRIS, site de la Chantrerie à Nantes.

Elle continuera de soutenir la représentation de l’imagerie nantaise dans toute sa diversité, et proposera l’ouverture vers de nouveaux champs, comme la photoacoustique cette année, avec l’invitation d’un chercheur du Laboratoire d’Acoustique de l’Université du Maine (LAUM-UMR CNRS 6613). Un intérêt tout particulier sera porté aux communications promouvant des travaux, issus de collaborations nouées au cours des précédentes éditions, ainsi qu’aux travaux sur l’imagerie présentant une forte imbrication avec les sciences humaines et sociales.

Notons :

  • la présence de plusieurs membres du LS2N dans le comité scientifique : Jérôme IDIER (SIMS), Patrick LE CALLET (IPI), Said MOUSSAOUI (SIMS), et Nicolas NORMAND (IPI).
  • les interventions de 6 membres du labo :11h35‐11h50 : O4‐ Techniques d’imagerie avancée pour le contrôle non destructif par ultrasons. – Nans LAROCHE14h00‐14h15 : O6‐ Tree‐structured point‐lattice vector quantization for 3‐D point cloud geometry compression. – Amira FILALI

    15h00‐15h05 : F9‐ Reconstruction et classification des temps de relaxation IRM multi‐exponentiels pour la caractérisation de tissus biologiques. – Christian EL HAJJ

    15h05‐15h10 : F10‐ Réseau de neurones récurrent à attention pour la détection de lésionsintestinales. – Rémi VALLÉE

    16h10‐16h25 : O10‐ CIRESFI‐RECITAL : Rétrospective sur l’aventure des REgistres de la Comédie‐ITALienne. – Harold MOUCHÈRE

    16h40‐16h55 : O12‐ How to drastically increase the sample size of human‐based datasets? Feedbacks from a video‐game. – Antoine COUTROT

Plus d’infos : https://follejournee-imagerie.univ-nantes.fr/

Soutenance de thèse de Tianyi YU (équipes ReV et SIMS)

Tianyi Yu, doctorant au sein des équipes ReV et SIMS, soutiendra sa thèse intitulée « Décomposition en temps réel de signaux iEMG : filtrage bayésien implémenté sur GPU » / « On-line decomposition of iEMG signals using GPU-implemented Bayesian filtering »
lundi 28 janvier 2019 à 10h30, dans l’amphi du bâtiment S sur le site de Centrale.

La soutenance aura lieu en anglais.

Jury : Yannick Aoustin (Directeur thèse), Eric Le Carpentier (co-encadrant), Philippe Ravier (Université d’Orléans, rapporteur), Fabien Campillo (Inria Montpellier, rapporteur), Zohra Cherfi-Boulanger (UTC), Dario Farina (Imperial College London)

Résumé :
Un algorithme de décomposition des unités motrices, qui constituent un signal électro-myographiques intramusculaires (iEMG) a été proposé au laboratoire LS2N. Il s’agit d’un filtrage bayésien qui estime l’état d’un modèle de Markov caché. Cet algorithme demande beaucoup de temps d’exécution, même pour un signal ne contenant que 4 unités motrices.
Dans notre travail, nous avons d’abord validé cet algorithme dans une structure série. Nous avons proposé quelques modifications pour le modèle de recrutement des unités motrices et implémenté deux techniques de pré-traitement pour améliorer la performance de l’algorithme. Le banc de filtres de Kalman a été remplacé par un banc de filtre LMS. Le filtre global consiste en l’examen de divers scénarios arborescents d’activation des unités motrices : deux techniques heuristiques ont été introduites pour élaguer les différents scénarios. On a réalisé l’implémentation GPU de cet algorithme à structure parallèle intrinsèque.
On a réussi la décomposition de 10 signaux expérimentaux enregistrés sur deux muscules, respectivement avec électrode aiguille et électrode filaire. Le nombre d’unités motrices est de 2 à 8. Le pourcentage de superposition des potentiels d’unité motrice, qui représente la complexité de signal, varie de 6.56 % à 28.84 %. La précision de décomposition de tous les signaux est supérieure à 90 %, sauf pour deux signaux qui sont à 30 % MVC et dont la précision de décomposition est supérieure à 85%. Nous sommes les premiers à réaliser la décomposition en temps réel pour un signal constitué de 10 unités motrices.

*******

Abstract:
A sequential decomposition algorithm based on a Hidden Markov Model of the EMG, that used Bayesian filtering to estimate the unknown parameters of discharge series of motor units was previously proposed in the laboratory LS2N. This algorithm has successfully decomposed the experimental iEMG signal with four motor units. However, the proposed algorithm demands a high time consuming.
In this work, we firstly validated the proposed algorithm in a serial structure. We proposed some modifications for the activation process of the recruitment model in Hidden Markov Model and implemented two signal pre-processing techniques to improve the performance of the algorithm. Then, we realized a GPU-oriented implementation of this algorithm, as well as the modifications applied to the original model in order to achieve a real-time performance. Specifically, we proposed a replacement of the originally proposed Kalman filter by a least-mean-square filter with a significant reduction of computational load. Moreover, we introduced two heuristic-based techniques of branch discarding in order to simplify the problem of optimal spike sequence search. Then, an optimal parallelization of the algorithm is presented, along with details of its implementation on GPU.
We have achieved the decomposition of 10 experimental iEMG signals acquired from two different muscles, respectively by fine wire electrodes and needle electrodes. The number of motor units ranges from 2 to 8. The percentage of superposition, representing the complexity of iEMG signal, ranges from 6.56 % to 28.84 %. The accuracies of almost all experimental iEMG signals are more than 90 %, except two signals at 30 % MVC (more than 85 %). Moreover, we realized the real-time decomposition for all these experimental signals by the parallel implementation. We are the first one that realizes the real time full decomposition of single channel iEMG signal with number of MUs up to 10, where full decomposition means resolving the superposition problem. For the signals with more than 10 MUs, we can also decompose them quickly, but not reaching the real time level.

Félicitations à Tzila AJAMIAN pour son « Best student paper » à IEEE AUTOTESTCON 2018 !

Tzila AJAMIAN, doctorante de troisième année au sein de l’équipe SIMS du LS2N en collaboration avec le CEA Saclay a obtenu le best paper award à la conférence IEEE AUTOTESTCON* (17-20/09/18, National Harbor, USA) pour son article « A Novel Compressive Sampling Approach for Detecting Hard Faults in Complex Wire Networks ».

 

*AUTOTESTCON is the world’s premier conference that brings together the military/aerospace automatic test industry and government/military acquirers and users to share new technologies, discuss innovative applications, and exhibit products and services. It is sponsored annually by the Institute of Electrical and Electronic Engineers (IEEE).

AUTOTESTCON est l’une des plus grandes conférences au Monde à rassembler l’industrie du test automatique militaire / aérospatial avec des militaires et acquéreurs gouvernementaux. Ces derniers partagent au sujet des nouvelles technologies, des applications innovantes, et proposent des produits et services. Cette conférence est parrainée chaque année par l’Institut des ingénieurs électriciens et électroniciens (IEEE)

Soutenance de thèse (à huis-clos) de Nicolas MAGDELAINE

Nicolas Magdelaine (équipes SIMS et Commande) soutiendra sa thèse intitulée « Diabète de type1, du modèle à la boucle fermée »

mardi 21 novembre 2017 à 14h à  Centrale Nantes, dans l’amphi du bâtiment S. Cette soutenance se déroulera à huis-clos

Jury : M. DE GAETANO Andrea (Professeur, CNR – Istituto di Analisi dei Sistemi ed informatica, Italie), Mme DORON Maëva (Docteur, CEA – LETI, Grenoble), M. LE CARPENTIER Eric (Maître de conférences, École Centrale de Nantes), M. MOOG Claude (Directeur de recherche, École Centrale de Nantes), M. MOËS Nicolas (Professeur des universités, École Centrale de Nantes) Mme QUEINNEC Isabelle (Directeur de recherche, LAAS-CNRS, Toulouse), M. KREMPF Michel (Professeur des universités, Université de Nantes – membre invité).

Résumé :
Le diabète de type 1 a été décrit dès l’antiquité comme une maladie rapidement mortelle touchant l’enfant et le jeune adulte. A partir de 1921, annèe de la découverte de l’insuline, le diabète de type 1 devient une maladie traitée par de multiples injections quotidiennes. Le diabète n’est toujours pas curable et les complications à long terme résultent de la qualité de l’équilibre glycémique tout au long de la vie des patients. En attendant de découvrir le moyen d’en guérir, un enjeu e santé est de réussir à ce que les personnes atteintes de diabète arrivent à obtenir le meilleur équilibre glycémique possible.
L’insulinothérapie fonctionnelle est une approche éducative qui aide le patient à estimer ses doses nécessaires et à adapter son traitement à son mode de vie. Cependant chaque calcul d’injection peut rapidement devenir un casse-tête car les besoins varient avec la fatigue, le stress, l’activité physique et d’autres facteurs hormonaux entrant dans le fonctionnement du métabolisme. De plus l’estimation de la quantité de glucides dans l’assiette est un exercice difficile.
Le projet de régulation automatique de la glycémie naît dans les années 1960 des premiers travaux de modélisation et de l’apparition de l’électronique. Depuis quelques années la technologie est prête pour réaliser une régulation automatique de glycémie portable.
Il reste à trouver une loi de commande répondant aux deux fortes contraintes de ce problème :
– positivité de la commande car l’insuline injectée ne peut être retirée,
– dissymétrie où la glycémie ne doit absolument pas descendre en dessous du seuil d’hypoglycémie et limiter son séjour dans la zone d’hyperglycémie.
Cette thèse présente un nouveau modèle du métabolisme du patient diabétique de type 1. Il a été établi sur la base d’une analyse des points d’équilibre à jeun des modèles historiques , et la mise en lumière de leur inadéquation avec la réalité clinique. Les points d’équilibre du nouveau modèle ont les propriétés qui font défaut aux modèles classiquement utilisés. De plus, il est directement utilisable pour conseiller les patients sur leurs injections d’insuline car ses paramètres permettent de calculer les outils de l’insulinothérapie fonctionnelle . La Société Francophone du Diabète a financé des essais cliniques réalisés actuellement au CHU de Nantes afin de valider ce modèle. En outre , il s’ajuste aux données cliniques sur des durées bien plus longues que les modèles historiques .
Une loi de commande qui pour la première fois garantit simultanément la positivité de la commande et de l’absence d’hypoglycémie est présentée. Elle s’inspire du calcul du bolus, tel que le font les patients tous les jours et tel que l’insulinothérapie le recommande. Notre modèle permet d’exprimer cette loi de commande comme un retour d’état. La commande Hypo-Free Hyper-Minimizer est la version destinée à fonctionner dans une boucle hybride ; le Dynamic Bolus Calculator régulera la glycémie dans une boucle autonome. Ces deux lois de commande restent simples et en étant très proches de la pratique clinique sont donc immédiatement compréhensibles par les médecins et les patients. Notre travail balaye le spectre complet, de la démonstration rigoureuse de positivité de la commande et de l’état en termes d’ensemble positivement invariant, à l’application industrielle par un dépôt de Brevet.

Mots-clés : Diabète de type 1, Modélisation, Essais cliniques, Régulation automatique de glycémie, Systèmes positifs, Brevet, Pancréas artificiel.

Abstract:
For people living with type 1 diabetes, today’s treatment consists of a number of daily insulin injections in order to have a limited glycemic excursion. Poorly controlled glycemia leads to long term complications. In patient’s everyday life, functional insulin therapy helps patients to adjust insulin doses. The artificial pancreas could significantly improve glycemia equilibrium by means of anautomated insulin infusion using continuous glucose monitoring. The first contribution of this thesis is a new model of the metabolism
for type 1 diabetic. The interpretation of this model allows to compute the tools for the functional insulin therapy. Thus it becomes possible to advise the patient on how much insulin to inject. The ongoing clinical study will evaluate the impact of the model. The second contribution is a control-law that guaranties both hypoglycemia avoidance and positivity of the injection for the first time. It is inspired from the clinical practice. The theoretical proof makes use of the theory of positively invariant sets. The Hypo-Free
Hyper-Minimizer is designed to regulate glycemia in a hybrid closed-loop whereas the Dynamic Bolus Calculator is designed for the fully-automated artificial pancreas. This control-law gathers clinical practice, artificial pancreas hard constraints, and theoretical proof and is being protected through a patent.

Copyright : LS2N 2017 - Mentions Légales - 
 -