Différences entre les versions de « TIBM : Comparaison de populations »
Aller à la navigation
Aller à la recherche
Ligne 25 : | Ligne 25 : | ||
* M. Brucher, [http://scd-theses.u-strasbg.fr/1565/ Représentations compactes et apprentissage non supervisé de variétés non linéaires : application au traitement d’images], octobre 2008 | * M. Brucher, [http://scd-theses.u-strasbg.fr/1565/ Représentations compactes et apprentissage non supervisé de variétés non linéaires : application au traitement d’images], octobre 2008 | ||
* T. Vik, [http://scd-theses.u-strasbg.fr/881/ Modèles statistiques d'apparence non gaussiens. Application à la création d'un atlas probabiliste de perfusion cérébrale en imagerie médicale.], septembre 2004 | * T. Vik, [http://scd-theses.u-strasbg.fr/881/ Modèles statistiques d'apparence non gaussiens. Application à la création d'un atlas probabiliste de perfusion cérébrale en imagerie médicale.], septembre 2004 | ||
+ | |||
[[Traitement_d%27images_biomédicales|→ Retour page TIBM]] | [[Traitement_d%27images_biomédicales|→ Retour page TIBM]] |
Version actuelle datée du 10 octobre 2016 à 11:30
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.
|
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