Ces thèses ont été sélectionnées par le Comité Scientifique suite aux appels successifs du projet, grâce à différentes sources de financement : le projet ANR AiBy4, Centrale Nantes, l’Université de Nantes, le RFI Atlanstic2020, l’i-site NeXT, les fonds propres des laboratoires…
Campagne de 2022:
Moment approaches for model order reduction
Doctorant : Clément CARDOEN
Établissement : ECN
Laboratoire(s) : LMJL – LS2N – IRMAR (Rennes)
Encadrant(s) : Anthony Nouy, Swann Marx, NicolasSeguin
Résumé : A venir.
Financement : NExT
Survival analysis for multiple myeloma prognosis: learning with multi-modal graphs (SurvGraph)
Doctorant : Oriane THIERY
Établissement : ECN
Laboratoire(s) : LS2N/ CRCINA-CHU-INSERM
Encadrant(s) : Mira RIZKALLAH, Diana MATEUS, Thomas CARLIER
Résumé : A venir.
Financement : Aiby4 et autre
Détection de sources sonores pour la cartographiesensible des environnements sonores urbains
Doctorant : Modan Tailleur
Établissement : ECN
Laboratoire(s) : LS2N/AAU/UMRAE
Encadrant(s) : Mathieu Lagrange, Vincent Tourre, Pierre Aumond
Résumé : A venir.
Financement : NExT
Coopération multi-robot en espaces partagés par vision et jumeau numérique
Doctorant : Younes El ghazi
Établissement : Nantes Université
Laboratoire(s) : LS2N (CPS3, ROMAS, IPI)
Encadrant(s) : CARDIN Olivier, Subrin Kevin, Mouchère Harold
Résumé : A venir.
Financement : Aiby4 et Autre
Web sémantique pour étiqueter les données de l’éducation
Doctorant : Manoé Kieffer
Établissement : Nantes Université
Laboratoire(s) : LS2N (GDD) + DCS
Encadrant(s) : Patricia Serrano, Margo Bernelin (avec Colin de La Higuera)
Résumé : A venir.
Financement : NExT
Modélisation de l’évolution physiologique d’un patient en réaction à unprocess de soins.
Doctorant : Thibault Aïbèche
Établissement : Nantes Université
Laboratoire(s) : LS2N (Duke) / CHU (LE SiMU)
Encadrant(s) : Christine Sinoquet, LEJUS BOURDEAU Corinne
Résumé : A venir.
Financement : Aiby4
A system biology approach to predict and prevent adipocyte dysfunction
Doctorant :Rola SHAABAN
Établissement : Nantes Université
Laboratoire(s) : LS2N COMBI / Institut du Thorax
Encadrant(s) : Abdelhalim Larhlimi, Xavier Prieur
Résumé : A venir.
Financement : Aiby4 et Autre
Campagne de 2021:
Apport de l’intelligence artificielle dans le diagnostic du myélome multiple sur myélogramme et prédiction du risque cytogénétique
Doctorant : Cédric De Almeida Braga
Établissement : UN
Laboratoire(s) : LS2N / CRCINA
Encadrant(s) : Nicolas Normand, Marion Eveillard, Perrine Paul-Gilloteaux
Résumé :Le myélome multiple (MM) est une hémopathie B mature représentant 1 % des cancers. La cytomorphologie est une discipline basée sur l’expertise d’un biologiste médical et elle reste à ce jour le gold standard pour porter un diagnostic d’hémopathie maligne. Cependant, la reproductibilité inter/intra-observateur de la classification d’une cellule sur frottis médullaire n’est que de 75 à 90 % et le plus souvent seul un nombre limité de cellules sont observées.Dans le cadre de cette thèse un jeu de données cliniques et d’images sera constitué pour automatiser la détection de zones de lectures sur myélogrammes et la segmentation et classification des types cellulaires observés. Dans un second tant le passage à l’échelle d’une telle méthode sera considéré avec la mise en place d’une validation multicentrique, ainsi qu’une comparaison des performances avec la variabilité inter-opérateur humaine.
Financement : AiBy4 – ADELMAS
Intégration de données génomiques et développement de scores de compatibilité génétique donneur-receveur pour améliorer la survie du greffon
Doctorant : Mauduit Vincent
Établissement : UN
Laboratoire(s) : CRTI / LS2N / LMJL
Encadrant(s) : Sophie Limou, Géraldine Jean, Mathieu Ribaté
Résumé :Les transplantations rénale et pulmonaire sont les meilleures options thérapeutiques en termes de survie et de qualité de vie pour les patients souffrant respectivement d’insuffisance chronique terminale rénale ou respiratoire. Malgré le développement de traitements immuno-suppresseurs toujours plus performants, la dysfonction chronique du greffon reste une problématique majeure. Nous proposons une stratégie à l’interface entre génomique, bioinformatique et intelligence artificielle afin de faire évoluer notre compréhension des événement de dysfonction du greffon, de construire des scores polygéniques de compatibilité donneur-receveur et de nous orienter vers des applications de médecine de précision.
Financement : Centrale Nantes
Logic programs to infer computational models of human embryonic development
Doctorant : Mathieu BOLTEAU
Établissement : UN
Laboratoire(s) : LS2N / CRTI
Encadrant(s) : Jérémie Bourdon, Carito Guziolowski, Laurent David
Résumé :–
Financement : Université de Nantes
Bimanual tasks Imitation learning
Doctorant : Kevin RIOU
Établissement : UN
Laboratoire(s) : LS2N
Encadrant(s) : Patrick Le Callet, Kevin Subrin,
Résumé :–
Financement : AiBy4 – Université de Nantes
Mining Host-Microbiome Interactions using Natural Language Processing / Fouille d’interactions hôte-microbiome à l’aide de traitement automatique des langues
Doctorante : Oumaima El Khettari
Établissement : UN
Laboratoire(s) : LS2N
Encadrant(s) : Samuel Chaffron, Solen Quiniou,
Résumé :Le sujet de thèse porte sur l’extraction de relations entre espèces de microbiotes humains et leurs relations avec des gènes, biomolécules et maladies, à partir de la littérature scientifique, en utilisant des techniques de traitement automatique des langues. Nous nous intéresserons plus particulièrement aux articles traitant du microbiote intestinal et du microbiote pulmonaire et nous validerons les résultats obtenus grâce à une collaboration avec des chercheurs du CHU de Nantes travaillant sur ces deux microbiotes et leur rôle dans les maladies inflammatoires.
Financement : AiBy4 – Université de Nantes
Apprentissage et reconnaissance des différents troubles de la marche à l’aide d’un capteur de mouvement : le cas des patients atteints de Sclérose en Plaques.
Doctorante : Klervi LE GALL
Établissement : UN
Laboratoire(s) : LMJL / CRTI
Encadrant(s) : Lise BELLANGER, D.-A. Laplaud, A. Stamm
Résumé :Les objectifs sont de proposer de nouveaux algorithmes d’apprentissage statistique adaptés aux données de type séries temporelles de quaternions et de les appliquer à l’étude de la marche chez les patients atteints de Sclérose en Plaques. Le verrou essentiel sera de développer ou d’adapter les méthodes statistiques existantes aux données volumineuses et complexes que sont les quaternions évoluant au cours du temps. Une attention toute particulière sera portée aux méthodes d’apprentissage semi supervisées prenant en compte plus de deux sources d’informations, non supervisées pour données fonctionnelles et supervisées pour classer de nouvelles séries temporelles de quaternions dans des groupes prédéfinis.
Financement : AiBy4 – Université de Nantes
Modélisation du geste et détection de la fatigue par reconnaissance de signaux mécaniques. Application au joueur de tennis de table.
Doctorant : Thibault DELUMEAU
Établissement : UN
Laboratoire(s) : GEPEA/LS2N/MIP
Encadrant(s) : Pierre Mousseau, Eric Le Carpentier,
Résumé :Cette thèse s’inscrit dans un contexte scientifique interdisciplinaire au croisement de la métrologie,du traitement du signal et des sciences du vivant. Il s’agit de développer une nouvelle technique de caractérisation et d’optimisation d’une séquence ou d’un ensemble de séquences gestuelles en vue d’améliorer la performance humaine. Le domaine d’application est celui du sport, plus précisément celui du tennis de table mais la compréhension de la production du geste humain et de son optimisation est un enjeu scientifique qui dépasse le cadre de la performance sportive. Le but de la thèse est de développer une méthode de reconnaissance de la fatigue (mentale,physique) basée sur une perturbation de la « signature technique » du joueur modélisée à partir de mesures fournies par des capteurs (pression, accélérations, température…) placés notamment dans la raquette et dans la table. La modélisation des gestes et leur classification à partir des mesures récoltées en conditions maîtrisées est une première étape dans ce travail. Dans un second temps, en condition non maîtrisées (condition de match, induction de la fatigue mentale/physique chez le joueur). Afin d’observer des variations de la “signature technique” et de les corréler avec des signaux physiologiques issus des joueurs pour valider ou non la détection de la fatigue par des signaux extérieurs au joueur.
Financement : Centrale Nantes – Université de Nantes
Campagne de 2020 :
TALMed : Traitement Automatique de la Langue Médical
Doctorant : Bazoges Adrien
Sujet : TALMed : Traitement Automatique de la Langue Médical
Établissement : Université de Nantes
Laboratoire(s) : LS2N / CRTI
Encadrant(s) : Emmanuel Morin, Béatrice Daille, Pierre-Antoine Gourraud
Résumé : Développement de ressources et de méthodes spécifiques au domaine biomédical français pour l’extraction d’informations dans des comptes rendus hospitaliers.
Financement : AiBy4 — CRTI
Learning deep representations and driving models for connected autonomous vehicles
Doctorant : Dao Minh Quan
Établissement : ECN
Laboratoire(s) : LS2N
Encadrant(s) : Vincent Frémont, Vincent Frémont
Résumé : The main objective is to increase the perception capabilities and navigation performances of the autonomous vehicle by developing end-to-end driving models based on learned multi-modal environment representations and human-like navigation strategies. This is done by deep fusion for semantic segmentation, 3D objects detection and tracking from heterogenous and extended perception systems; and data-driven end-to-end driving model to generate human-like driving actions.
Financement : AiBy4 – Centrale Nantes
Apprentissage fédéré de Réseaux Bayésiens préservant la confidentialité dans le cadre d’applications médicales personnalisées
Doctorant : Benikhlef Sarah
Établissement : UN
Laboratoire(s) : LS2N / U2PEA
Encadrant(s) : Philippe Leray, Guillaume Raschia,Olivier Bonnot
Résumé : L’objectif est de proposer de nouveaux algorithmes d’apprentissage de modèles graphiques probabilistes sous contrainte de confidentialité différentielle dans le cadre de la médecine personnalisée. Une attention particulière sera portée dans le domaine de l’apprentissage fédéré dans lequel plusieurs modèles sont appris de manière parallèle, en échangeant des informations suffisamment riches entre ces modèles, mais préservant encore la confidentialité.
Financement : AiBy4 – RFI A2020
Vers une visualisation située d’une cartographie sensible des villes
Doctorant : Benjamin Beaucamp
Établissement : Centrale Nantes
Laboratoire(s) : AAU
Encadrant(s) : M. Servières, T. Leduc et V. Tourre
Résumé : Qualification par apprentissage automatique de la perception de l’espace urbain par un piéton en mobilité pour un affichage de compléments d’information en Réalité Augmentée.
Financement : Centrale Nantes – RFI A2020
