Apprentissage continu des représentations visuelles conjuguées via des flux de mouvement d’ordre supérieur : étude du modèle CMOSFET Contexte académique Dans le domaine de l’intelligence artificielle et de la vision par ordinateur, l’apprentissage continu (Continual Learning) à partir de flux de données visuelles continues constitue un défi de long...

Étude sur la reconstruction 3D et la navigation en temps réel basées sur l’apprentissage auto-supervisé pour la neuroendoscopie Contexte académique La chirurgie neuroendoscopique (neuroendoscopy) est une technique chirurgicale mini-invasive, largement utilisée dans le traitement des lésions profondes du cerveau, comme la ventriculostomie endoscopiq...

Méthode de déroulement du shutter auto-supervisée basée sur les caméras à événements Contexte de recherche et problématique Dans le domaine de la vision par ordinateur, la récupération de vidéos sans distorsion en obturation globale (Global Shutter, GS) à partir d’images avec obturation progressive (Rolling Shutter, RS) reste un problème extrêmemen...

Surmonter le problème d’orientation préférée en cryo-EM à particules uniques : une solution innovante basée sur l’apprentissage profond Introduction générale Ces dernières années, la microscopie électronique cryogénique à particules uniques (Single-Particle Cryo-EM) s’est imposée comme une technique centrale en biologie structurale, car elle permet...

Contexte académique et problématique Ces dernières années, les réseaux de neurones profonds ont réalisé des progrès significatifs dans le domaine de la vision par ordinateur, en particulier dans des tâches telles que la reconnaissance d’images, la détection d’objets et la segmentation sémantique. Cependant, lorsqu’ils sont confrontés à des données ...

Rapport d’une étude basée sur le Modélisation des structures géométriques d’ordre supérieur dans l’adaptation de domaine non supervisée pour les nuages de points Contexte et motivations de la recherche Les nuages de points constituent une forme fondamentale de données tridimensionnelles, très utilisée dans des applications réelles comme la conduite...

Contexte académique L’imagerie de tension (voltage imaging) est une technique puissante pour étudier l’activité neuronale, mais son efficacité est souvent limitée par un faible rapport signal sur bruit (SNR). Les méthodes traditionnelles de réduction du bruit, telles que la factorisation matricielle, imposent des hypothèses rigides sur la structure...

Le potentiel des transformers d’images masqués auto-distillés dans l’IRM longitudinale - Segmentation automatique des métastases ganglionnaires cervicales Introduction du rapport Dans la radiothérapie des tumeurs, les techniques de segmentation automatique promettent d’améliorer la vitesse et de réduire les variations inter-lecteurs liées à la segm...

De Nouveaux Aperçus sur le Lien entre le Sommeil et la Mortalité Révélés par l’Analyse de Données d’Accéléromètres de Poignet en Auto-apprentissage Dans la société moderne, le sommeil, en tant qu’activité fondamentale nécessaire à la vie, est d’une importance évidente. Mesurer et classifier avec précision les états sommeil/éveil ainsi que les diffé...

Dimond: Recherche sur l’optimisation des modèles de diffusion par apprentissage profond Contexte académique En neurosciences et en applications cliniques, l’imagerie par résonance magnétique de diffusion (Diffusion Magnetic Resonance Imaging, dMRI) est un outil important pour cartographier de manière non invasive la microstructure des tissus cérébr...