Accueil

• Responsable de l'équipe : Benoît Naegel
  
• Co-responsable : Sylvain Faisan
  

Les thèmes de recherche de l’équipe sont centrés sur la modélisation et le traitement des images, et plus largement des données provenant de sources variées et souvent hétérogènes : données multimodales, multicapteurs, multi et hyperpectrales, spatialisées, temporelles, etc. Nos approches en amont couvrent la morphologie mathématique et la géométrie discrète, les approches statistiques et les méthodes d’apprentissage. Nos travaux sont appliqués dans l’imagerie biologique et médicale.

L’équipe est structurée en quatre thèmes :

• Géométrie discrète et morphologie mathématique : développement de géométries discrètes et de modèles topologiques adaptés à l'analyse et à la synthèse d'images, et élaboration de nouveaux opérateurs morphologiques en traitement d'images. Notre objectif est de bâtir une algorithmique robuste et performante en imagerie et de développer des outils purement discrets pour étudier les propriétés différentielles, géométriques, topologiques et morphologiques des objets, pour des applications en segmentation de structures.

• Apprentissage pour l'Image et le Signal : ce thème regroupe les travaux de l’équipe autour de l’apprentissage automatique. L’objectif est de développer des méthodes d’apprentissage (statistique et profond) pour résoudre des problèmes relatifs au traitement du signal, des images et des graphes, tels que la segmentation, la reconstruction, le recalage, la détection d’anomalies (e.g. tumeurs), l’aide au diagnostic et l’optimisation de trajectoires.

• Recueil et Analyse des Données de Santé, Causalité, Méthodes Bayésiennes : ce thème s'intéresse à l’ensemble des approches méthodologiques basées sur l’utilisation des statistiques et des outils associés à l’inférence bayésienne et à l’apprentissage (« machine learning »). L'objectif est le développement de modèles, de méthodes d'inférence et d'algorithmes originaux, dans un contexte générique ou dans le cadre d'applications particulières. Les données considérées couvrent à la fois les signaux, les images et les autres types de données (cliniques, épidémiologiques).

• Traitement d'images biomédicales : développement de modèles, de méthodes et d’algorithmes innovants pour le traitement de données issues d'imageurs biologiques et médicaux.
  Nous nous intéressons en particulier à la mise en correspondance d'images, la segmentation d'images, la reconstruction de données, la création et l'utilisation d’atlas, la détection de changements, le suivi temporel, l'étude de la connectivité et des réseaux cérébraux, l'étude de la conformation de protéines, l'analyse de structures biologiques.

Mots-clés : Acquisition, représentations, détection, segmentation, fusion, classification ; interprétation et exploitation d’images et de séquences d’images multisources, multimodales et multispectrales. Géométrie discrète, morphologie mathématique, tomographie discrète. Discrétisation des objets et des opérateurs. Q-convexité. Imagerie médicale. Modèles probabilistes, inférence bayésienne, modèles statistiques, apprentissage statistique, détection de changement.

Rapport d'activités 2007-2011
Rapport d'activités 2011-2016
Posters de présentation de l'équipe

L'équipe IMAGeS participe activement aux axes transverses d'ICube :

• Sciences des Données et Intelligence Artificielle (SDIA)

• Imagerie et Robotique Médicale et Chirurgicale (IRMC)

• Instrumentation, Capteurs et Analyse (InCA)