Différences entre les versions de « Céline Meillier »
Aller à la navigation
Aller à la recherche
(page perso - CM TI) |
|||
| (66 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) | ||
| + | |||
| + | |||
| + | |||
| + | '''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. [https://tel.archives-ouvertes.fr/tel-01227270v2/document manuscrit], (2012-2015). | ||
| + | |||
| + | |||
| + | '''Publications récentes : ''' | ||
| + | Liste disponible [http://icube-publis.unistra.fr/?author=Meillier&allaut=or&title=&team=&platform=&national=&project=&tagmed=&year1=&year2=&=#hideMenu'| ici] | ||
== Enseignements == | == Enseignements == | ||
| Ligne 8 : | Ligne 42 : | ||
==== Slides de cours ==== | ==== Slides de cours ==== | ||
| − | |||
| − | |||
| − | |||
| + | * [[: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]] | ||
| + | * [https://seafile.unistra.fr/f/d6fb18dedd6b40bb8a3d/?dl=1 Restauration d'images] | ||
| + | * [[:File:3-Segmentation.pdf|Segmentation]] | ||
| + | * [[:File:3-Morphologie.pdf|Morphologie]] | ||
| + | * [[:File:3-Caracteristiques.pdf|Détection de caractéristiques]] | ||
| + | * [[:File:4-Recalage-utf8.pdf|Recalage d'images]]. | ||
| + | |||
| + | ==== Sujets de TP ==== | ||
| + | |||
| + | * [[:File:TP1_Etudiants.zip|TP1 : Outils et traitements de base sous Matlab]] | ||
| + | * [[:File:TP2_etudiants.zip|TP2 : Restauration d'image]] | ||
| + | * [[:File:TP3_etudiants.zip|TP3 : Morphologie mathématique]] | ||
| + | * [[:File:TP4_etudiants.zip|TP4 : Segmentation]] | ||
| + | * [[: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 === | ||
| + | * Représentation des données IMdB : [[:File:representation.zip| notebook python en format html]] | ||
| + | * Importance de la représentation graphique des données : [[:File:Exercice+sur+les+statistiques.zip| notebook python en format html]] | ||
| + | * Analyse en composantes principales :[[:File:ACP_exemples_interpretation.zip| notebook python + interprétation]] | ||
| + | * Régression linéaire : [[:File:Regression.zip| 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 : [[:File:Partiel.pdf| 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 ==== | ||
| + | |||
| + | [https://seafile.unistra.fr/f/e55263f1cbee4dbfb716/ Lien de téléchargement] | ||
==== Sujets de TP ==== | ==== Sujets de TP ==== | ||
| + | Téléchargement des données extraites du tutoriel SPM [[http://www.fil.ion.ucl.ac.uk/spm/data/auditory/|'Single subject epoch (block) auditory fMRI activation data']], le masque et le gabarit de la réponse hémodynamique : | ||
| + | * [[:File:data.zip|data.zip]] | ||
| + | |||
| + | |||
| + | Sujet du TP : [[:File:sujetIRMf.pdf|PDF]] | ||
| + | |||
| + | <!-- Code du TP : [[:File:etu.m.zip|code Matlab]] --!> | ||
| + | |||
| + | === Enseignement d'ouverture - option ISSD : Introduction à la science des données - Filière généraliste 1A === | ||
| + | |||
| + | [[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