Home » Évènement

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 »

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)

 

[REPORTE] 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 »

???, dans l’amphi E (bât. E) 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

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

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 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.

Journée « Évaluation et Contrôle Non Destructifs en Pays de la Loire »

Une journée scientifique autour du contrôle non destructif est organisée au LS2N (site ECN, amphi S) jeudi 7 novembre 2019, dans le cadre du Groupement d’Intérêt Scientifique « Évaluation et Contrôle Non Destructifs en Région Pays de la Loire » (GIS ECND_PdL).

Le programme est disponible ici : https://www.precend.fr/wp-content/uploads/20191107-Precend-ECND-PdL-programme.pdf

A 15h15, Sébastien Bourguignon (équipe SIMS) fera un exposé sur « l’inversion conjointe de mesures résistives et capacitives pour l’évaluation non des. de la teneur en eau de structures en béton ».

L’accès est ouvert à tous les membres du LS2N, mais requiert votre inscription préalable (comprenant les exposés, pauses café et le déjeuner) ici :
https://www.precend.fr/journee-scientifique-gis-ecnd-pdl-07-11-2019/#inscription

Soutenance de thèse de Tzila AJAMIAN (équipe SIMS)

Tzila Ajamian, doctorante au sein de l’équipe SIMS, soutiendra sa thèse intitulée « Exploration de l’Acquisition Comprimée appliquée à la Réflectométrie » / « Exploration of Compressive Sampling for Wire Diagnosis Systems Based on Reflectometry »

jeudi 24 octobre à partir de 10h, dans l’amphi du bâtiment S sur le site de Centrale Nantes.

Jury :

  • Directeur thèse : MOUSSAOUI Said, DUPRET Antoine (CEA LIST)
  • Rapporteurs : CHABERT Marie (INP Toulouse), DEGARDIN Virginie (Institut d’électronique de microélectronique et de nanotechnologie)
  • Autres membres : CHAUX Caroline (I2M), ZHANG Qinghua (INRIA)
  • Membre invité : Olivier Henri Roux

Résumé : La réflectométrie, une technique utilisée en diagnostic filaire, permet la détection et la localisation de défauts des câbles. Alors que, les Convertisseurs Analogique-Numérique sont indispensables dans les architectures de la réflectométrie, la nécessité du respect de la condition de Shannon et le besoin d’effectuer des traitements en temps réel limitent les fréquences maximales des signaux injectés, et par conséquent réduit la précision de la localisation. Pour une première fois dans le contexte du diagnostic filaire, cette étude intègre l’échantillonnage comprimé du signal réfléchi afin d’améliorer les performances de ce système. Pour cela, en analysant les signaux multi-porteuses employés pour la réflectométrie, nous proposons les dictionnaires adaptées induisant la parcimonie. Ainsi, grâce aux techniques d’acquisition comprimée et aux encodeurs analogique adéquats, nous proposons un schéma d’échantillonnage permettant de reconstruire le réflectogramme avec une fréquence d’échantillonnage moins élevée tout en garantissant d’identifier les défauts proches.

Mots-clés : Diagnostique filaire, réflectométrie, acquisition comprimée, convertisseur analogique-numérique

********

Abstract: Reflectometry, a wire diagnosis technique, allows to detect and localize electrical defects in networks efficiently. In order to achieve a very precise online diagnosis without altering the functioning of a network, reflectometry methods should use specific wideband Multi-Carrier signals, whose generation requires dedicated numerical tools. The underlying architecture of any reflectometry system for the injection of the signal requires appropriate Digital-to-Analog Converters. Yet, measuring the reflected signal should be performed using Analog-to-Digital Converters capable of reaching high sampling frequencies together with sufficient resolution. Such converter are either extremely expensive or beyond nowadays state of the art. In that respect, this study addresses a new architectural approach for designing such reflectometry systems based on Compressive Sampling method bypassing the Nyquist rate. Thus, thanks to the compressed acquisition and its analog encoder, we succeed in reconstructing the reflectogram with a lower sampling frequency and also in identifying nearby defects.

Keywords: Wire diagnosis, Compressive Sampling, analog-digital convertor.

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)

Copyright : LS2N 2017 - Mentions Légales - 
 -