Différences entre les versions de « Céline Meillier »
(12 versions intermédiaires par le même utilisateur non affichées) | |||
Ligne 1 : | Ligne 1 : | ||
== Recherche == | == Recherche == | ||
+ | |||
+ | Mes recherches portent principalement sur la modélisation et l’analyse de signaux spatialement structurés. Les données sur lesquelles je travaille sont des données hyperspectrales (images 2D+ spectre) en astronomie, des données IRM fonctionnelles (images 3D + temps), ou encore des données de connectivité fonctionnelle cérébrale variant temporellement. D’un point de vue méthodologique, je m’intéresse aux thématiques suivantes : | ||
+ | * les problématiques de décomposition parcimonieuse intégrant des connaissances expertes dans les contraintes de régularisation à la place de la traditionnelle contrainte de parcimonie l<sub>1</sub> dans les problèmes d’optimisation [Bhanot et al 2021], ou dans les a priori dans les modèles bayésiens. | ||
+ | * les procédures de seuillage par tests multiples pour la détection d’événements à faible rapport signal sur bruit. Je m’intéresse en particulier à l’estimation de la distribution empirique des tests sous l’hypothèse H0 (absence de signal d’intérêt) directement à partir des données. | ||
+ | |||
+ | |||
+ | |||
+ | ''' Travaux récents : ''' | ||
+ | * Projet ANR JCJC [https://cmeillier.github.io/DynaSTI/ DynaSTI] (2023-2026): Modélisation de la '''Dyna'''mique '''S'''patio-'''T'''emporelle de la connectivité fonctionnelle | ||
+ | en '''I'''RMf de repos | ||
+ | * Projet DYNAMIC financé par le GdR ISIS (2019-2021) : Représentation spatio-temporelle de la '''DYNAMI'''que de la '''C'''onnectivité fonctionnelle en IRMf cérébrale (DYNAMIC) | ||
Ligne 34 : | Ligne 45 : | ||
* [[:File:0-intro.pdf|Introduction]] | * [[:File:0-intro.pdf|Introduction]] | ||
* Outils et traitements de base [[:File:1-Bases_handout.pdf|partie 1]] et [[:File:1-Bases-part2_handout.pdf|partie 2]] | * Outils et traitements de base [[:File:1-Bases_handout.pdf|partie 1]] et [[:File:1-Bases-part2_handout.pdf|partie 2]] | ||
− | * [ | + | * [https://seafile.unistra.fr/f/d6fb18dedd6b40bb8a3d/?dl=1 Restauration d'images] |
* [[:File:3-Segmentation.pdf|Segmentation]] | * [[:File:3-Segmentation.pdf|Segmentation]] | ||
* [[:File:3-Morphologie.pdf|Morphologie]] | * [[:File:3-Morphologie.pdf|Morphologie]] | ||
Ligne 46 : | Ligne 57 : | ||
* [[:File:TP3_etudiants.zip|TP3 : Morphologie mathématique]] | * [[:File:TP3_etudiants.zip|TP3 : Morphologie mathématique]] | ||
* [[:File:TP4_etudiants.zip|TP4 : Segmentation]] | * [[:File:TP4_etudiants.zip|TP4 : Segmentation]] | ||
− | * [[:File:TP5_etudiants.zip|TP5 : Recalage d'images]] | + | * [[:File:TP5_etudiants.zip|TP5 : Recalage d'images]] ([[:File:TP5_etudiants_Matlab2017.zip| version Matlab >= 2017]]) |
+ | |||
+ | ==== Examens des années précédents ==== | ||
+ | |||
+ | [[:File:annales.zip|annales]] | ||
=== Cours de Traitement de données - FIP TI Santé 1A === | === Cours de Traitement de données - FIP TI Santé 1A === | ||
Ligne 63 : | Ligne 78 : | ||
* TD Tests statistiques | * TD Tests statistiques | ||
− | === Traitement du signal aléatoire - Filière généraliste, TI Santé | + | === Traitement du signal aléatoire - Filière généraliste, TI Santé - 2A === |
* TD | * TD | ||
* TP | * TP | ||
Ligne 80 : | Ligne 95 : | ||
Sujet du TP : [[:File:sujetIRMf.pdf|PDF]] | Sujet du TP : [[:File:sujetIRMf.pdf|PDF]] | ||
− | Code du TP : [[:File:etu.m.zip|code Matlab]] | + | <!-- Code du TP : [[:File:etu.m.zip|code Matlab]] --!> |
=== Enseignement d'ouverture - option ISSD : Introduction à la science des données - Filière généraliste 1A === | === Enseignement d'ouverture - option ISSD : Introduction à la science des données - Filière généraliste 1A === | ||
[[Page du cours|Page du cours]] | [[Page du cours|Page du cours]] | ||
+ | |||
+ | [https://seafile.unistra.fr/d/5570526f2ef94ad792e0/ Projet 2018-2019] |
Version actuelle datée du 23 février 2024 à 17:26
Recherche
Mes recherches portent principalement sur la modélisation et l’analyse de signaux spatialement structurés. Les données sur lesquelles je travaille sont des données hyperspectrales (images 2D+ spectre) en astronomie, des données IRM fonctionnelles (images 3D + temps), ou encore des données de connectivité fonctionnelle cérébrale variant temporellement. D’un point de vue méthodologique, je m’intéresse aux thématiques suivantes :
- les problématiques de décomposition parcimonieuse intégrant des connaissances expertes dans les contraintes de régularisation à la place de la traditionnelle contrainte de parcimonie l1 dans les problèmes d’optimisation [Bhanot et al 2021], ou dans les a priori dans les modèles bayésiens.
- les procédures de seuillage par tests multiples pour la détection d’événements à faible rapport signal sur bruit. Je m’intéresse en particulier à l’estimation de la distribution empirique des tests sous l’hypothèse H0 (absence de signal d’intérêt) directement à partir des données.
Travaux récents :
- Projet ANR JCJC DynaSTI (2023-2026): Modélisation de la Dynamique Spatio-Temporelle de la connectivité fonctionnelle
en IRMf de repos
- Projet DYNAMIC financé par le GdR ISIS (2019-2021) : Représentation spatio-temporelle de la DYNAMIque de la Connectivité fonctionnelle en IRMf cérébrale (DYNAMIC)
Intérêts de recherche :
- traitement du signal et des images,
- traitement statistique du signal,
- tests multiples,
- détection et contrôle des erreurs,
- problèmes inverses,
- inférence bayésienne.
Applications :
- IRM fonctionnelle chez le petit animal (Alzheimer, dépression, optogénétique)
- IRM fonctionnelle chez l'Homme (schizophrénie)
Précédemment :
- Post-doctorat au LTCI, ANR MAGELLAN "Implémentation distribuée d'algorithmes d'optimisation pour la déconvolution d'images multispectrales en interférométrie radio" (2015-2016).
- Doctorat au Gipsa-lab, "Détection de sources quasi-ponctuelles dans des champs de données massifs, application à la détection de galaxies très lointaines dans les données hyperspetrales MUSE", cf. manuscrit, (2012-2015).
Publications récentes :
Liste disponible ici
Enseignements
Cours de Traitement et recalage d'images - FIP TI Santé 2A
Slides de cours
- Introduction
- Outils et traitements de base partie 1 et partie 2
- Restauration d'images
- Segmentation
- Morphologie
- Détection de caractéristiques
- Recalage d'images.
Sujets de TP
- TP1 : Outils et traitements de base sous Matlab
- TP2 : Restauration d'image
- TP3 : Morphologie mathématique
- TP4 : Segmentation
- TP5 : Recalage d'images ( version Matlab >= 2017)
Examens des années précédents
Cours de Traitement de données - FIP TI Santé 1A
- Représentation des données IMdB : notebook python en format html
- Importance de la représentation graphique des données : notebook python en format html
- Analyse en composantes principales : notebook python + interprétation
- Régression linéaire : notebook python en format html
Tous les notebooks en formats notebook jupyter (dans un terminal, se placer dans le répertoire contenant les notebooks et entrer la commande : jupyter notebook) : File:notebooks.zip.
Attention, les notebooks ont été utilisés durant le cours, quelques modifications ont peut-être été réalisées par rapport aux fichiers html. Il faut également changer le chemin des fichiers de données !
Examen des années précédentes : 2017-2018
Statistiques - Filière généraliste, TI Santé 2A
- TD Tests statistiques
Traitement du signal aléatoire - Filière généraliste, TI Santé - 2A
- TD
- TP
Cours de Traitement d'images avancé - TI Santé 3A
Slides de cours
Sujets de TP
Téléchargement des données extraites du tutoriel SPM [subject epoch (block) auditory fMRI activation data'], le masque et le gabarit de la réponse hémodynamique :
Sujet du TP : PDF