Différences entre les versions de « Thèse »
Aller à la navigation
Aller à la recherche
| Ligne 1 : | Ligne 1 : | ||
| + | '''Sujets 2023 | ||
| + | * [[:Media:PhDCE2023-SEEG_DL-FR.pdf|Planning préopératoire de placement d'électrodes SEEG par apprentissage profond basé sur des hypothèses cliniques]] (postulez avant le 20 mai 2023). | ||
| + | |||
| + | |||
'''Sujets 2022 | '''Sujets 2022 | ||
* [[Media:2022 DeepSkeleton Naegel Krahenbuhl.pdf|Apprentissage profond et super-résolution pour la squelettisation d’objets tubulaires par accumulation de normales]] '''CLOS''' | * [[Media:2022 DeepSkeleton Naegel Krahenbuhl.pdf|Apprentissage profond et super-résolution pour la squelettisation d’objets tubulaires par accumulation de normales]] '''CLOS''' | ||
| − | |||
| Ligne 13 : | Ligne 16 : | ||
'''Sujets 2020 | '''Sujets 2020 | ||
* [[:Media:PhDCE2020-OptDL-FR.pdf|Optimisation de trajectoires multi-outils par apprentissage profond pour la chirurgie percutanée et la SEEG]] '''CLOS'''. | * [[:Media:PhDCE2020-OptDL-FR.pdf|Optimisation de trajectoires multi-outils par apprentissage profond pour la chirurgie percutanée et la SEEG]] '''CLOS'''. | ||
| − | * [[:Media:PhDCE2020-Track-FR.pdf|Re-planning temps réel de trajectoires pour la chirurgie percutanée en environnement déformable]] | + | * [[:Media:PhDCE2020-Track-FR.pdf|Re-planning temps réel de trajectoires pour la chirurgie percutanée en environnement déformable]] '''CLOS'''. |
* [[:Media:sujet-V2.pdf|Age and Sex Estimation from CT Images using Keypoints and Machine Learning Methods]]. | * [[:Media:sujet-V2.pdf|Age and Sex Estimation from CT Images using Keypoints and Machine Learning Methods]]. | ||
* [[:Media:PhD_pointclouds.pdf|Registration of multiple point clouds in a deep learning framework. Application to single molecule localization microscopy]] (ouvert jusqu'au 15 mai). | * [[:Media:PhD_pointclouds.pdf|Registration of multiple point clouds in a deep learning framework. Application to single molecule localization microscopy]] (ouvert jusqu'au 15 mai). | ||
Version du 22 mars 2023 à 18:50
Sujets 2023
- Planning préopératoire de placement d'électrodes SEEG par apprentissage profond basé sur des hypothèses cliniques (postulez avant le 20 mai 2023).
Sujets 2022
Sujets 2021
- Estimation discrète de caractéristiques différentielles CLOS.
- Guidage topologique et relationnel pour la modélisation de structures anatomiques complexes OUVERT(date limite 22 mai 2021).
- Single particle reconstruction in fluorescence microscopy POURVU.
Sujets 2020
- Optimisation de trajectoires multi-outils par apprentissage profond pour la chirurgie percutanée et la SEEG CLOS.
- Re-planning temps réel de trajectoires pour la chirurgie percutanée en environnement déformable CLOS.
- Age and Sex Estimation from CT Images using Keypoints and Machine Learning Methods.
- Registration of multiple point clouds in a deep learning framework. Application to single molecule localization microscopy (ouvert jusqu'au 15 mai).
Sujets 2019
- Optimisation de trajectoires multi-outils en chirurgie.
- Analyse d’images de microscopie électronique par apprentissage profond pour le diagnostic de la leucémie lymphoïde chronique.
- Opérateurs connexes, représentations hiérarchiques et apprentissage profond.
- Mise en place clinique de la radiothérapie adaptative systématique en modulation d'intensité hélicoïdale.
Sujets 2018
- Sélection de variables en grande dimension et en présence de variables de nuisance : application à l'identification de biomarqueurs.
- Unified framework for change detection in multimodal brain MRI. Application to longitudinal analysis of multiple sclerosis.
Sujets 2017
- Théorie de la mesure et estimateurs robustes en géométrie discrète.
- Détection de changements multipoints en IRM multi-séquences du petit animal (sujet fléché par l'Ecole Doctorale MS2I).
Sujets 2016
Sujets 2015
Sujets 2014
Historique des thèses pourvues :