TIBM: Group comparison

La comparaison de populations consiste à mettre en évidence les différences entre deux groupes d’individus, avec notamment pour application l’élaboration de nouvelles connaissances en neurosciences. La problématique de la comparaison d'un individu avec un modèle de normalité (atlas) est également abordée, avec pour objectif d'identifier les zones pathologiques chez un sujet donné. Ainsi, des travaux ont été menés pour démontrer l’intérêt des tests statistiques multivariés sur les tenseurs d’ordre 2, pour la comparaison de population en IRMd 2-BNHLxx. Une approche combinant réduction de dimension et modélisation statistique dans l’espace réduit a été proposée pour l’analyse de tenseur d’ordre 4, avec pour application la comparaison d’un individu par rapport à une population et la comparaison de deux populations 4-GRHK15. Enfin, une approche originale basée sur une modélisation par champ de Markov gaussien a été proposée pour comparer un individu à un modèle statistique de normalité avec une application à la détection d'anomalies du massif osseux facial 2-Fais12.

Thèses

• A. Bouchon, Modèles de régression multivariés pour la comparaison de populations en IRM de diffusion, septembre 2016
• T. Gkamas, Statistical modelling of high order tensors in diffusion weighted magnetic resonance imaging, septembre 2015
• G. Sfikas, Modèles statistiques non linéaires pour l'analyse de formes. Application à l'imagerie cérébrale, septembre 2012
• A. Belghith, Indexation de spectres HSQC et d’images IRMf appliquée à la détection de bio-marqueurs, mars 2012
• F. Renard, Création et utilisation d'atlas en IRM de diffusion. Application à l'étude des troubles de la conscience, septembre 2011
• M. Brucher, Représentations compactes et apprentissage non supervisé de variétés non linéaires : application au traitement d’images, octobre 2008
• T. Vik, Modèles statistiques d'apparence non gaussiens. Application à la création d'un atlas probabiliste de perfusion cérébrale en imagerie médicale., septembre 2004

→ Back to Biomedical image processing page