Thèses en Ligne
Not a member yet
173210 research outputs found
Sort by
Comprendre les conséquences des changements dans la dynamique spatio-temporelle de la flotille et de la productivité océanique sur les captures, les stratégies de pêche et les impacts environnementaux des pêcheries françaises de thonidés tropicaux
No full textTropical tuna fisheries play a significant role both economically and ecologically. These operations, which primarily target three migratory species, blend traditional methods with technological innovations to optimize catches. The introduction of drifting Fish Aggregating Devices (dFADs) has transformed fishing strategies by promoting fish aggregation, while also raising concerns about their long-term effects on tuna populations and marine ecosystems. Concurrently, advances in techniques and tools, such as GPS tracking systems and echosounders, have reshaped the tactics employed by fishers to adapt to changing sea conditions. These practices occur within an environment influenced by various factors including water temperature, dissolved oxygen, and ocean productivity, all of which determine species distribution. Thus, the sustainable management of tropical tuna fisheries requires a thorough understanding of the interplay between technological innovations, fishing practices, and environmental dynamics. This context underscores the need to balance economic exploitation with the conservation of marine resources to secure the future of these ecosystems.This doctoral project focuses on analyzing the complex interplay between high-resolution environmental data and information from the French tropical tuna purse seine fleet using artificial intelligence. The primary objective is to gain a deeper understanding of the interconnections between stock fluctuations, fishing activity, and fish vulnerability, thereby enhancing tuna stock assessment.The first section examines the spatio-temporal trends in fishing practices of the French fleet operating in both the Atlantic and Indian Oceans, distinguishing between fishing on free-swimming schools and around floating objects. The second section investigates the fate of deactivated buoys by exploring their in-water lifespan and their contribution to abandoned fishing gear, thus shedding light on the operational and ecological implications of dFADs. The third section explores the relationship between ocean productivity, indicated by chlorophyll-a, and tuna catch variability using AI-based predictive models.Overall, this research provides an integrated perspective on fishing strategies, technological innovations, and their impacts on marine ecosystems. It emphasizes the need for management approaches that balance technical advances, environmental constraints, and economic challenges to ensure the sustainability of tropical tuna fisheries.Les pêcheries de thon tropical occupent une place importante tant sur le plan économique qu’écologique. Ces activités, qui ciblent principalement trois espèces migratrices, combinent des méthodes traditionnelles et des innovations technologiques pour optimiser les prises. L’introduction de dispositifs de concentration de poissons dérivants (dFADs) a transformé les stratégies de pêche en favorisant l’agrégation des poissons, tout en posant des questions sur leurs effets à long terme sur les populations et l’écosystème marin. Parallèlement, l’évolution des techniques et des outils, tels que les systèmes de suivi par GPS et les échosondeurs, a modifié les tactiques adoptées par les pêcheurs pour s’adapter aux conditions changeantes en mer. Ces pratiques se déroulent dans un environnement influencé par divers facteurs, notamment la température de l’eau, l’oxygène dissous et la productivité océanique, qui déterminent la répartition des espèces. Ainsi, la gestion durable des pêcheries de thon tropical nécessite une compréhension approfondie des interactions entre les innovations technologiques, les pratiques de pêche et les dynamiques environnementales. Ce contexte met en lumière la nécessité de concilier exploitation économique et préservation des ressources marines pour assurer l’avenir de ces écosystèmes. Ce projet de doctorat se concentre sur l’analyse des interactions complexes entre des données environnementales de haute résolution et les informations issues de la flotte française de senneurs de thon tropical, en mobilisant l’intelligence artificielle. L’objectif principal est de mieux comprendre les dynamiques liant les fluctuations des stocks, l’activité de pêche et la vulnérabilité des poissons, afin d’améliorer l’évaluation des populations de thon.Dans la première partie, l’étude porte sur les tendances spatio-temporelles des pratiques de pêche de la flotte française opérant dans l’Atlantique et l’Océan Indien, en distinguant la pêche sur bancs libres de celle effectuée autour d’objets flottants. La seconde partie s’intéresse au devenir des bouées désactivées : elle explore leur durée de vie en milieu marin et leur contribution aux engins de pêche abandonnés, offrant ainsi un éclairage sur les conséquences opérationnelles et écologiques liées aux dFADs. La troisième partie examine la relation entre la productivité océanique, évaluée notamment via la chlorophylle-a, et la variabilité des captures de thon, en utilisant des modèles prédictifs basés sur l’IA.Globalement, cette recherche propose une vision intégrée des stratégies de pêche, des innovations technologiques et de leurs impacts sur l’écosystème marin. Elle souligne la nécessité de développer des approches de gestion qui harmonisent les avancées techniques, les contraintes environnementales et les enjeux économiques pour garantir la durabilité des pêcheries de thon tropical
Métaheuristiques pour l'apprentissage machine : applications au domaine médical et à la théorie des graphes
No full textThis thesis explores the use of metaheuristics to tackle complex problems in machine learning, with a focus on feature selection, across two major application domains: medicine and graph theory. Feature selection is a combinatorial NP-Hard problem, for which exact methods quickly become inefficient as data dimensionality increases. To address this challenge, a method based on differential evolution, called Tournament in Differential Evolution (TiDE), was developed. It incorporates adaptive mechanisms for initialisation, mutation, and crossover. The first part of the thesis is devoted to the theoretical foundations of metaheuristics and machine learning, with particular attention paid to data and model quality, as well as the diversity of classification and regression algorithms. A comprehensive experimental study was conducted on a benchmark of datasets with varying structures (e.g. dimensionality, noise, imbalance, redundancy), to assess the robustness and generality of the proposed approaches. Subsequently, the methods were applied to real-world medical datasets, particularly in the context of survival analysis for amyotrophic lateral sclerosis (ALS) and Covid-19 pneumonia. The results suggest that the proposed approaches not only improve predictive performance, but also significantly reduce data dimensionality while ensuring adequate interpretability. Finally, the last part of the thesis applies metaheuristics and machine learning to the generation and refutation of conjectures in graph theory. A benchmark of conjectures was established, and several methods—including TiDE—were compared experimentally. The findings highlight the relevance of metaheuristics in underexplored areas of fundamental research, where combinatorial complexity renders classical approaches impractical. This thesis demonstrates the relevance and robustness of metaheuristics in a variety of contexts, at the intersection of theoretical and applied approaches in artificial intelligence.Cette thèse explore l'utilisation des métaheuristiques pour résoudre des problèmes complexes en apprentissage machine, en particulier la sélection de variables, et ce dans deux domaines applicatifs majeurs : le domaine médical et la théorie des graphes. La sélection de variables est un problème combinatoire NP-Difficile, et les méthodes exactes se révèlent inefficaces dès lors que la dimension des données devient élevée. À ce titre, une approche basée sur l'évolution différentielle a été développée, nommée Tournament in Differential Evolution (TiDE), qui intègre des mécanismes adaptatifs d'initialisation, de mutation et de croisement. Une première partie de la thèse est consacrée aux fondements théoriques des métaheuristiques et de l'apprentissage machine, avec un accent mis sur la qualité des données et des modèles, ainsi que la diversité des algorithmes de classification et de régression. Une étude expérimentale approfondie a été menée sur un benchmark de jeux de données présentant des structures variées (dimension, bruit, déséquilibre, redondance), afin d'évaluer la robustesse et la généricité des approches proposées. Dans un second temps, les contributions sont appliquées à des jeux de données médicaux réels, notamment dans le cadre de l'analyse de la survie pour la sclérose latérale amyotrophique (SLA) et la pneumopathie à Covid-19. Les résultats suggèrent que les approches proposées permettent non seulement une amélioration des performances prédictives, mais également une réduction significative de la dimension des données, tout en garantissant une interprétabilité correcte. Enfin, la dernière partie de la thèse transpose les métaheuristiques et l'apprentissage machine à la génération et à la réfutation de conjectures en théorie des graphes. Un benchmark de conjectures a été constitué et plusieurs méthodes, dont TiDE, ont été comparées expérimentalement. Les résultats obtenus illustrent l'intérêt des métaheuristiques dans des contextes peu explorés de la recherche fondamentale, où la combinatoire rend les méthodes classiques inopérantes. Cette thèse démontre la pertinence et la robustesse des métaheuristiques dans des contextes variés, à la croisée des approches théoriques et appliquées en intelligence artificielle
Développement d’un système de robotique déformable pour l’imagerie in-vivo des cancers
No full textDuring Ph.D., the development of in-vivo 3D imaging based on mass spectrometry with robotic support was investigated. Indeed, mass spectrometry, which allows for distinguishing between healthy and cancerous tissues, as well as different types of tumor tissues, could open up interesting diagnostic perspectives when reconstructing this information within an image. In particular, it could improve the reliability of surgical procedures and post-operative recovery by reducing and verifying the margins around the tumor area to prevent relapses and metastases. Design aspects were addressed, including the development of a 3D imaging prototype using a rigid robot, as well as the adaptation of the Stiff-Flop robot model for mass spectrometry. Indeed, to ensure maximum safety in-vivo and to envision the automation of the procedure, deformable robotic solutions were investigated. The entire manufacturing and actuation process was studied theoretically to understand the full range of constraints associated with this robot. One of the central issues we seek to address is the precision with which we can position the robot in space for diagnostic purposes. To this end, modeling was explored and experimented in simulations to evaluate our ability to understand and predict the robot's behavior under actuation pressure. Various methods for accelerating calculations during these simulations were also investigated, to increase feedback frequency during closed-loop control. These different models were then implemented within control loops to assess the robot's performance in terms of precision and speed in various experiments. The results of these experiments were then interpreted in the context of our medical application. The integration of the tool into the operating room was also studied from the perspectives of compatibility and technical but also medical prospectsAu cours du doctorat, le développement de l’imagerie 3D in-vivo basée sur la spectrométrie de masse avec support robotique a été étudié. En effet, la spectrométrie de masse, qui permet de distinguer les tissus sains des tissus cancéreux ainsi que les différents types de tissus tumoraux, pourrait ouvrir des perspectives diagnostiques intéressantes lorsqu’on reconstruit ces informations sous forme d’image. En particulier, cela pourrait améliorer la fiabilité des interventions chirurgicales et la récupération post-opératoire en réduisant et en vérifiant les marges autour de la zone tumorale pour prévenir les rechutes et les métastases. Des aspects de conception ont été abordés, notamment le développement d’un prototype d’imagerie 3D utilisant un robot rigide ainsi que l’adaptation du modèle de robot Stiff-Flop pour la spectrométrie de masse. En effet, pour garantir une sécurité maximale en in-vivo et envisager l’automatisation de la procédure, des solutions robotiques déformables ont été étudiées. L’ensemble du processus de fabrication et d’actionnement a été étudié théoriquement afin de comprendre toutes les contraintes liées à ce robot. Une des problématiques centrales que nous cherchons à résoudre est la précision avec laquelle nous pouvons positionner le robot dans l’espace pour réaliser des diagnostics. À cette fin, différentes méthodes de modélisation ont été testées en simulation pour évaluer notre capacité à comprendre et à anticiper le comportement du robot sous pression d’actionnement. Diverses méthodes d’accélération des calculs ont également été étudiées pour augmenter la fréquence de retour d’information en boucle fermée. Ces modèles ont ensuite été intégrés dans des boucles de contrôle pour évaluer les performances du robot en termes de précision et de rapidité dans diverses expériences. Les résultats de ces expériences ont été interprétés dans le cadre de notre application médicale. Enfin, l’intégration de cet outil au bloc opératoire a été étudiée sous les angles de la compatibilité et des perspectives, tant techniques que médicales
Calcul informatique avec des réseaux neuronaux photoniques à impulsions exploitant la parcimonie
No full textSpiking neural networks (SNNs) are neuromorphic architectures inspired by biological brains, offering potential advantages in energy efficiency and speed by utilizing sparsity. While CMOS-based electronic implementations of SNNs hold promise, they face challenges in achieving scalability and parallelism. Photonics, on the other hand, provides a powerful alternative, benefiting from the high-speed operation of excitable photonic neurons and the parallel, low-latency nature of optical signal propagation.In this thesis we introduce a photonic SNN consisting of 40,000 neurons using commercially available optical components such as spatial light modulator and a CMOS camera, providing a scalable and economical solution for photonic SNN proof-of-concept research. A modified Ikeda map governs the dynamics of this system and the introduction of slow and inhibitory feedback gives rise to excitability resembling biological behavior.Using the liquid state machine (LSM) concept we train our system with Ridge regression and compare its performance to training with the hardware-compatible SPSA algorithm, representing its first application in photonic neural networks. By leveraging latency encoding and sparsity, the network achieves 83.5% accuracy on MNIST with 78.06% sparsity when trained with SPSA and 77.36% accuracy with 62.46% sparsity when trained with Ridge regression.By integrating photonic nonlinearity, excitability, and sparse computation, this experimental proof-of-concept work lays the foundation for scalable and efficient photonic neuromorphic systems.Les réseaux neuronaux à impulsions (Spiking Neural Networks, SNNs) sont des architectures neuromorphiques inspirées du cerveau biologique, offrant des avantages potentiels en termes d'efficacité énergétique et de rapidité grâce à l'exploitation de la parcimonie. Bien que les implémentations électroniques des SNNs basées sur la technologie CMOS soient prometteuses, elles rencontrent des défis en matière de passage à l’échelle et de parallélisme. En revanche, la photonique constitue une alternative puissante, tirant parti de la vitesse élevée des neurones photoniques excitables et de la propagation optique parallèle et à faible latence.Dans cette thèse, nous introduisons un SNN photonique composé de 40 000 neurones, utilisant des composants optiques commercialement disponibles, tels qu’un modulateur spatial de lumière et une caméra CMOS. Cette approche offre une solution évolutive et économique pour les recherches sur les preuves de concept des SNN photoniques. La dynamique du système est régie par une carte d’Ikeda modifiée, et l’introduction d’un rétrocontrôle lent et inhibiteur induit une excitabilité reproduisant le comportement biologique.En appliquant le concept de Machine à État Liquide (Liquid State Machine, LSM), nous entraînons notre système avec la régression Ridge et comparons ses performances à celles obtenues avec l'algorithme SPSA, compatible avec le matériel, marquant ainsi sa première application dans les réseaux neuronaux photoniques. En exploitant l’encodage basé sur la latence et la parcimonie, le réseau atteint 83,5% de précision sur MNIST avec 78,06% de parcimonie lorsqu’il est entraîné avec SPSA, et 77,36% de précision avec 62,46% de parcimonie lorsqu’il est entraîné avec la régression Ridge.En intégrant la non-linéarité photonique, l’excitabilité et le calcul parcimonieux, ce travail expérimental de preuve de concept établit les bases des systèmes neuromorphiques photoniques évolutifs et efficaces
Décodage cérébral de haute précision, personnalisé et non invasif des mouvements des membres supérieurs
No full textΧρονικά καθορισμένες (time-locked) μεταβολές του πλάτους κύματος εγκεφαλικών σημάτων του κινητικού και αισθητηριακού φλοιού έχει αποδειχθεί προ πολλού πως υποδεικνύουν διάφορες διαδικασίες που σχετίζονται με τον σχεδιασμό, την εκτέλεση και τη φαντασίωση εκτέλεσης (motor imagery) κινήσεων. Πιο συγκεκριμένα, σε σχέση με μια περίοδο αναφοράς η ενέργεια των σημάτων στο φάσμα συχνότητας μ (8 – 13 Hz) και β (13 – 30 Hz) ελαττώνεται πριν την έναρξη μίας κίνησης, μίας απόπειρας κίνησης ή μιας φαντασίωσης κίνησης, ενώ, αντιθέτως, αυξάνεται μετά το πέρας της κίνησης. Αυτές οι παρατηρήσεις μπορούν να αναπαραχθούν και δύναται να χρησιμοποιηθούν προκειμένου να αποκωδικοποιηθεί εγκεφαλική δραστηριότητα σχετιζόμενη με κινήσεις, γεγονός που τις καθιστά αξιοποιήσιμες από πολλαπλές εφαρμογές.Η τεχνολογία διεπαφής εγκεφάλου – υπολογιστή (brain computer interface, BCI) αναφέρεται σε εφαρμογές που επιτρέπουν σε έναν χρήστη να επικοινωνήσει με έναν υπολογιστή η μηχάνημα αποκλειστικά διαμέσου της σκέψης. Οι BCI βασίζονται στην επεξεργασία εγκεφαλικής δραστηριότητας ούτως ώστε να παρακολουθήσουν και να συμπεράνουν τη νοητική κατάσταση ενός χρήστη και κατά συνέπεια να εκδώσουν ένα κατάλληλο σήμα εξόδου. Οι διεπαφές που στηρίζονται στην φαντασίωση κίνησης (MI-BCI) αποτελούν μία ειδική κατηγορία μη επεμβατικών BCI που επιχειρούν να παρακολουθήσουν και να χρησιμοποιήσουν τροποποιήσεις των σημάτων οφειλόμενες στη φαντασίωση διαφόρου τύπου κινήσεων ώστε να παράξουν εντολές, συνήθως αξιοποιώντας τις προαναφερθείσες μεταβολές. Εφαρμογές που στηρίζονται σε αυτές τις διεπαφές έχουν μελετηθεί εκτενώς σε υγιείς πληθυσμούς και αποτελούν την βάση των εφαρμογών που επιχειρούν να αποκωδικοποιήσουν την πρόθεση κίνησης ασθενών που πάσχουν από διάφορα ελλείμματα και έχουν ως στόχο την αποκατάσταση ενός βαθμού επικοινωνίας με ή/και ελέγχου του περιβάλλοντός τους. Ωστόσο, οι μη επεμβατικές διεπαφές εν γένει και πιο συγκεκριμένα οι MI-BCI δεν έχουν κατορθώσει έως σήμερα να επιβεβαιώσουν τις υψηλές προσδοκίες που τις συνοδεύουν και κατά συνέπεια απέχουν σημαντικά από το να υιοθετηθούν ευρέως πέραν ερευνητικών ινστιτούτων και πρωτοκόλλων.Έχει προταθεί ότι η αξιοπιστία των BCI επηρεάζεται από πολλαπλούς παράγοντες. Στην παρούσα μελέτη υποθέτουμε πως ένας από αυτούς τους παράγοντες σχετίζεται με τα αξιοποιήσιμα χαρακτηριστικά των σημάτων. Βασιζόμενοι σε πρόσφατη βιβλιογραφία η οποία έχει υπογραμμίσει την σημασία της περιγραφής της παροδικής δυναμικής της εγκεφαλικής δραστηριότητας στο Κεφάλαιο 2 – Κίνητρο υποστηρίζουμε ό,τι οι MI-BCI θα πρέπει να αξιοποιήσουν εναλλακτικά χαρακτηριστικά των σημάτων πέραν της ενέργειάς τους. Προσπερνώντας πολλές υποθέσεις όσον αφορά την εγκεφαλική δραστηριότητα και συνεπώς τους αλγόριθμους που χρησιμοποιούνται για την ανάλυση αυτής της δραστηριότητας, προτείνουμε πως στο επίπεδο μονήρων δοκιμών η ανάλυση των χαρακτηριστικών των σημάτων μπορεί να προσφέρει νέες πληροφορίες σχετικά με εγκεφαλικές διαδικασίες που σχετίζονται με την παραγωγή κίνησης και ταυτόχρονα να βελτιώσει την αποδοτικότητα των διεπαφών, καθώς αυτά τα χαρακτηριστικά δεν συμμορφώνονται στην ιδέα μεγάλης διάρκειας ταλαντώσεων που ομοιάζουν με ημιτονοειδή. Ιδιαίτερα, επιχειρηματολογούμε υπέρ της ανάλυσης ξεσπασμάτων υψηλού πλάτους β δραστηριότητας (beta bursts) καθώς και χαρακτηριστικών των μη-ημιτονοειδών ταλαντώσεων στη συχνοτικό φάσμα μ.Επικεντρωνόμενοι στη φύση της δραστηριότητας στο συχνοτικό φάσμα β, η οποία χαρακτηρίζεται από beta bursts, στο Κεφάλαιο 3 – Δυνατότητα εφαρμογής των beta bursts σε διεπαφές εγκεφάλου – υπολογιστή δείχνουμε ό,τι όπως και οι πραγματοποιηθείσες κινήσεις οι φαντασιακές κινήσεις χαρακτηρίζονται από beta bursts. Εξερευνούμε πολλαπλούς, εναλλακτικούς τρόπους περιγραφής της δραστηριότητας αυτού του τύπου δείχνοντας ό,τι ο ρυθμός με τον οποίο συμβαίνουν bursts με συγκεκριμένα χαρακτηριστικά κυματομορφής (waveform) αποτελεί την καλύτερη εναλλακτική μεταξύ όλων ως προς την ακρίβεια αποκωδικοποίησης. Εξίσου σημαντικά, καταδεικνύουμε επίσης ό,τι η μελέτη του ρυθμού αυτού για επιλεγμένες κυματομορφές μας παρέχει περισσότερες πληροφορίες συγκριτικά με την ενέργεια σήματος σε δυαδικού τύπου ασκήσεις (task) ταξινόμησης (classification) της φαντασίωσης κίνησης.Ακολούθως, προτείνουμε έναν υπολογιστικά αποτελεσματικό αλγόριθμο για τον υπολογισμό του ρυθμού εμφάνισης beta bursts με ορισμένες κυματομορφές ο οποίος είναι κατάλληλος για εφαρμογές πραγματικού χρόνου. Με την προϋπόθεση ύπαρξης ορισμένων δεδομένων προσαρμογής (calibration data) προσδιορίζουμε κυματομορφές των οποίων ο ρυθμός εμφάνισης αναμένεται να μεταβληθεί στο μέγιστο βαθμό εξαιτίας της άσκησης φαντασίωσης κίνησης. Χρησιμοποιούμε αυτές τις κυματομορφές προκειμένου να φιλτράρουμε την ακατέργαστη (raw) εγκεφαλική δραστηριότητα στο πεδίο του χρόνου με συνέπεια τα τροποποιημένα σήματα να είναι στη συνέχεια εκμεταλλεύσιμα από συμβατικές στο πεδίο μεθόδους ανάλυσης σήματος και ταξινόμησης. Δείχνουμε ότι συγκριτικά με την ενέργεια σήματος αυτά τα καινοτόμα χαρακτηριστικά αυξάνουν την ακρίβεια ταξινόμησης (classification accuracy) και τον ρυθμό μετάδοσης πληροφοριών (information transfer rate), ενισχύοντας συνεπώς ακόμη περισσότερο τον ενδεχόμενο ρόλο τους για τις διεπαφές που βασίζονται στην φαντασίωση κίνησης.Τέλος, απαντούμε στο ερώτημα κατά πόσο αυτές οι κυματομορφές παραμένουν ή μη αμετάβλητεςανάμεσα σε διαφορετικές συνεδρίες καταγραφών. Υιοθετούμε μία παρόμοια προσέγγιση, αλλά εστιάζουμε στον αντίκτυπο που έχει η μεταφορά κυματομορφών που μαθαίνονται σε συγκεκριμένες συνεδρίες στα αποτελέσματα αποκωδικοποίησης σε άλλες συνεδρίες. Δείχνουμε ό,τι, σε αντίθεση με χαρακτηριστικά που στηρίζονται στην ενέργεια σήματος, η ακρίβεια ταξινόμησης επηρεάζεται ελάχιστα όταν τα beta bursts χρησιμοποιούνται σε πρωτόκολλα μεταφοράς μάθησης (transfer learning).Συμπερασματικά, τα αποτελέσματα αυτής της διατριβής αποδεικνύουν τα πλεονεκτήματα που ενέχει η ανάλυση παροδικών χαρακτηριστικών της εγκεφαλικής δραστηριότητας και καταδεικνύουν την δυνατότητα αξιοποίησης των beta bursts σε εφαρμογές BCI σε πραγματικό ή μη χρόνο.Time-locked amplitude modulations of brain signals recorded from the sensorimotor cortex have long been shown to index various processes related to movement planning, execution and imagination (motor imagery). Relative to a baseline period, signal power in the mu (8 – 13 Hz) and beta (13 – 30 Hz) frequency bands decreases prior to the onset of a real, attempted or imagined movement and conversely increases following its completion. These reproducible findings can be used in order to decode motor-related brain activity and are leveraged by several applications.Brain computer interface (BCI) technology refers to applications that allow a user to communicate with a computer through thought, by monitoring and inferring their mental state to issue an appropriate output. Motor imagery BCI (MI-BCI) constitutes a particular non-invasive BCI category that attempts to monitor and utilize signal changes due to the imagination of movements in order to produce commands, usually targeting the aforementioned signal modulations. MI-BCIs form the basis of non-invasive applications that attempt to decode motor intention in patients suffering from various deficits with the goal of restoring some level of communication with and/or control of their environment. However, they have so far been unable to live up to the high expectations and are consequently still far from widespread adoption out of research institutions.Multiple factors have been suggested to affect BCI reliability. In this work, we hypothesize that one of these factors is related to the signal features used. Based on recent literature that highlights the importance of characterizing transient activity dynamics in Chapter 2 - Motivation we suggest that MI-BCI should exploit features other than signal power. Moving beyond many assumptions regarding brain activity and therefore the algorithms used to analyze it, we propose that an analysis of single-trial signal properties that do not conform to the idea of sustained, sinusoidal-like oscillations can provide novel insights in motor-related brain processes and concurrently improve BCI performance. Notably, we argue in favor of analyzing beta band burst activity and mu band non-sinusoidal οscillatory characteristics.Focusing on the burst-like nature of the beta band activity in Chapter 3 – Beta bursts feasibility for BCI we show that like executed movements motor imagery too is characterized by beta bursts. We explore multiple ways to describe this burst activity showing that the burst rate of bursts with certain waveforms comprises the best representation among all in terms of classification accuracy and, importantly, that it is is more informative than signal power in a MI binary classification task.Then, we propose a computationally efficient algorithm to compute waveform-resolved burst rates, suitable for real-time BCI applications. Assuming the existence of calibration data we find waveforms of beta bursts whose rate is expected to be modulated the most by a MI task. We use these waveforms to filter raw brain activity in time domain. The resulting signals can then be exploited by standard signal-processing and classification paradigms used in the field. Compared to signal power we show that these novel features increase classification accuracy and information transfer rate, thus further reinforcing their potential role for MI-BCI. Finally, we address the question of waveform stability across recording sessions. We adopt a similar approach but focus on the impact of transferring waveforms learned in specific recording sessions to the decoding results of other sessions. We show that in contrast to power features classification accuracy is minimally impacted when using beta bursts in transfer learning. Taken together, these results prove the advantages of analyzing transient activity features and establish the feasibility of beta bursts for offline as well as online MI-BCI applications.Les modulations d'amplitude verrouillées dans le temps des signaux cérébraux enregistrés dans le cortex sensorimoteur indexent divers processus liés à la planification, à l'exécution et à l'imagination des mouvements. Par rapport à une période de référence la puissance du signal dans les bandes de fréquences mu (8 – 13 Hz) et bêta (13 – 30 Hz) diminue avant le début d'un mouvement réel, tenté ou imaginé et augmente après son achèvement. Ces résultats reproductibles peuvent être utilisés pour décoder l'activité cérébrale liée à la motricité et sont exploités par applications.Les interfaces cerveau-ordinateur (BCI) se réfère aux applications qui permettent à un utilisateur de communiquer par la pensée avec un ordinateur en surveillant et en déduisant son état mental pour émettre une sortie appropriée. Les BCI par imagerie motrice (MI-BCI) constitue une catégorie de BCI qui utilise les changements de signaux dus à l'imagination de mouvements afin de produire des commandes, en ciblant généralement les modulations de signaux susmentionnées. Les MI-BCI sont la base des applications qui tentent de décoder l'intention motrice chez les patients souffrant de déficits divers afin de rétablir un certain niveau de communication avec leur environnement. Toutefois, ils sont encore loin d'une adoption généralisée en dehors des institutions de recherche.De multiples facteurs affectent la fiabilité des BCI. Dans ce travail, nous supposons que l'un d’entre eux est lié aux caractéristiques du signal. Basés sur la littérature qui souligne l'importance de la caractérisation de l'activité transitoire dans le Chapitre 2 – Motivation nous suggérons que les MI-BCI devraient exploiter d'autres caractéristiques que la puissance du signal. Nous proposons qu'une analyse des propriétés du signal d'un seul essai qui ne se conforment pas à les oscillations soutenues, sinusoïdales peut fournir de nouvelles informations sur les processus cérébraux liés à la motricité et améliorer les performances des BCI. Notamment, nous plaidons en faveur de l'analyse de l'activité des beta bursts et des caractéristiques oscillatoires, non sinusoïdales de la bande mu.En se concentrant sur la l'activité de la bande bêta qui s'apparente à bursts dans le Chapitre 3 – Faisabilité des beta bursts pour les BCI nous montrons que l'imagerie motrice est caractérisée par des beta bursts. Nous explorons de multiples façons de décrire cette activité en bursts, en montrant que le taux de bursts avec certaines formes d'onde (waveforms) constitue la meilleure représentation parmi toutes en termes de précision de classification et, surtout, qu'il est plusinformatif que la puissance du signal dans une tâche de classification binaire de la MI.Nous proposons ensuite un algorithme efficace pour calculer le taux de bursts résolu par le waveform. Nous trouvons les waveforms des beta bursts dont le taux devrait être le plus modulé par une tâche de MI dans des données d'étalonnage. Nous utilisons ces waveforms pour filtrer l'activité cérébrale brute. Les signaux résultants peuvent puis être exploités par les paradigmes de traitement du signal et de classification standard. Par rapport à la puissance du signal ces caractéristiques augmentent la précision de la classification et le taux de transfert de l'information renforçant ainsi leur rôle potentiel pour les MI-BCI. Enfin nous abordons la question de la stabilité des waveforms entre les sessions d'enregistrement en nous concentrant sur l'impact du transfert des waveforms apprises lors de sessions d'enregistrement spécifiques sur les résultats de décodage d'autres sessions. Nous montrons que contrairement aux caractéristiques de puissance la précision de la classification est très peu affectée par l'utilisation des beta bursts dans l'apprentissage par transfert.En résumé, ces résultats prouvent les avantages de l'analyse des caractéristiques de l'activité transitoire et établissent la faisabilité des beta bursts pour les applications MI-BCI
Axe rein-cerveau ˸ étude épidémiologique des atteintes neuropsychiques chez les patients atteints de maladie rénale chronique.
No full textUnderstanding neurocognitive and depressive disorders is a major global challenge worldwide, due to their significant increasing prevalence and associated burden. These neurological disorders appear to be particularly common in patients with chronic kidney disease (CKD), a condition with a current prevalence of 10 % that continues to rise, ma king its management and the understanding of the mechanisms underlying its complications crucial. While the association between CKD and depression seems well established, it was important to assess the potential specific association between CKD and neurocognitive disorders (NCD). This doctoral work also aimed to elucidate the pathophysiological mechanisms underlying such associations. Few studies had previously assessed the toxicity of waste products inadequately excreted by the kidney in CKD, known as uraemic toxins (UTs), as specific risk factors for NCD and depression. This work, based on the French prospective cohort Chronic Kidney Disease-Renal Epidemiology and Information (CKD-REIN), which included 3033 patients with CKD stage 3-4 not receiving kidney replacement therapy, identified a specific association between impaired estimated glomerular filtration rate (eGFR) and the occurrence of NCD, with an HR of 1.35 [1.07, 1.70]. Furthermore, despite a relatively preserved global cognitive performance in the patients (mean Mini Mental State Examination score of 27 /30), we identified a specific association between reduced eGFR and impairment in executive functions and language. The study assessing the role of UTs in NCD revealed, for the first time in such a population, the specific contribution of phenylacetylglutamine. Findings regarding the association between serum urea level and depression were inconsistent, necessitating further research. While plasma urea was associated with a higher burden of depressive symptoms, it was not linked to the incidence of antidepressants prescription. This thesis highlights the need for further research to understand the mechanisms involved in the kidney-brain axis. lt also paves the way for numerous clinical and physiopathological perspectives to improve the management of patients with CKD and neurological complications.La compréhension des maladies neurocognitives et dépressives revêt un enjeu majeur à l'échelle mondiale devant leur accroissement conséquent et le fardeau qu'elles représentent. Il semble que ces atteintes neurologiques soient particulièrement fréquentes chez les patients souffrant de maladie rénale chronique (MRC), une pathologie dont la prévalence actuelle de 10 % ne cesse de croitre, rendant sa prise en charge et la compréhension des mécanismes associés à ses complications cruciale. Alors que l'association entre la MRC et la dépression semble être consensuelle, il apparaissait important d'évaluer la présence d'une association spécifique entre la MRC et les troubles neurocognitifs (TNC). Ce travail de thèse s'est également concentré sur la compréhension des mécanismes physiopathologiques expliquant de telles associations. Peu d'études avaient jusqu'alors évalué la toxicité des déchets mal éliminés par le rein dans la MRC, appelés toxines urémiques (TU), comme facteurs de risque spécifiques des TNC et de la dépression. Ces travaux portant sur la cohorte prospective française Chronic Kidney Disease-Renal Epidemiology and Information (CKD-REIN) ayant inclus 3033 patients avec une MRC stade 3-4 sans traitement de suppléance, ont permis de mettre en évidence une association spécifique entre un DFGe altéré et la survenue de TNC avec un HR de 1.35 [1.07, 1.70]. De plus, malgré des performances cognitives globales relativement préservées (score moyen au Mini Mental State Examination à 27 /30), nous avons pu mettre en évidence une association spécifique entre un débit de filtration glomérulaire estimé altéré et l'atteinte des fonctions exécutives et du langage. L'étude évaluant la place des TU dans les TNC, nous a permis de mettre en évidence pour la première fois dans une telle population, le rôle spécifique de la phénylacétylglutamine. Les résultats de l'étude évaluant l'association entre l'urée plasmatique et la dépression se sont avérés discordants mais justifient de conduire de futures études complémentaires. Ainsi l'urée était associée au score évaluant la charge en symptômes dépressifs, cependant non associé à la prescription incidente d'antidépresseurs. Cette thèse souligne la nécessité de mener davantage de recherches pour comprendre les mécanismes intervenant dans l'axe rein cerveau. Il ouvre également la voie à de nombreuses perspectives cliniques et physio-pathologiques pour une meilleure prise en charge des patients ayant une MRC compliquée d'atteintes neurologiques
Traitement du cancer du côlon à l'aide de nanoparticules à base de protéines contenant de la curcumine comme molécule active
No full textThe main idea of this study originated from an interest in using turmeric to treat cancer cells. Turmeric possesses chemical properties that limit its use as a drug, despite having many therapeutic properties and being one of the most important anti-cancer agents. However, poor water solubility and bioavailability in the body present challenges for its pharmaceutical applications. By utilizing nanoparticles to encapsulate curcumin, the study aimed to improve its effectiveness on cancer cells.In this study, BSA (Bovine Serum Albumin) nanoparticles were used to encapsulate curcumin for the treatment of colon cancer, with the goal of improving its solubility and stability, thus enhancing bioavailability. The nanoprecipitation method with organic media was employed to create this type of nanoparticle. Curcumin was dissolved in ethanol, and BSA in water. The BSA solution was gradually added to the curcumin solution to encapsulate the curcumin. The precipitation method, followed by solvent evaporation, was used for the concomitant encapsulation of the active ingredient (curcumin) and BSA nanoparticles. Various parameters were studied, and several ratios and concentrations were tested to determine the best characterization.L'idée principale de cette étude est née de l'intérêt pour l'utilisation du curcuma dans le traitement des cellules cancéreuses. Le curcuma possède des propriétés chimiques qui limitent son utilisation comme médicament, bien qu'il présente de nombreuses propriétés thérapeutiques et soit l'un des agents anticancéreux les plus importants. Cependant, la faible solubilité dans l'eau et la biodisponibilité limitée dans l'organisme posent des défis pour ses applications pharmaceutiques. En utilisant des nanoparticules pour encapsuler la curcumine, cette étude vise à améliorer son efficacité sur les cellules cancéreuses. Dans cette étude, des nanoparticules de BSA (albumine sérique bovine) ont été utilisées pour encapsuler la curcumine pour le traitement du cancer du côlon, dans le but d'améliorer sa solubilité et sa stabilité, augmentant ainsi sa biodisponibilité. La méthode de nanoprécipitation avec milieu organique a été employée pour créer ce type de nanoparticule. La curcumine a été dissoute dans de l'éthanol et la BSA dans de l'eau. La solution de BSA a été ajoutée progressivement à la solution de curcumine pour encapsuler la curcumine. La méthode de précipitation suivie de l'évaporation du solvant a été utilisée pour l'encapsulation concomitante de l'ingrédient actif (curcumine) et des nanoparticules de BSA. Divers paramètres ont été étudiés et plusieurs ratios et concentrations ont été testés pour déterminer la meilleure caractérisation. Par la suite, les effets in vitro des particules sur les cellules cancéreuses (en utilisant une lignée cellulaire de cancer du côlon) et les cellules normales ont été observés et comparés aux résultats obtenus avec une chimiothérapie connue (Cisplatine). Différentes concentrations du médicament préparé ont également été testées et les résultats comparés. Les résultats se sont révélés très satisfaisants et ont démontré le succès du traitement pour tuer les cellules cancéreuses, tandis que l'effet sur les cellules normales n'était pas aussi significatif que celui des traitements chimiques
Transition de mouillage induite par condensation et formation du givre sur surfaces refroidies
No full textThis PhD thesis explores droplet dynamics and its coupling with phase change phenomena and thermal effects. In particular, it considers wetting properties of drops and dropwise condensation on hydrophobic surfaces near and below the dew point, as well as frost formation at sub-zero temperatures. The study combines experimental observations with models and numerical simulations. The first part of the thesis is devoted to the condensation-driven spreading of drops on cold superhydrophobic surfaces. The results reveal that as the substrate temperature approaches the dew point, a transition occurs during which the drop's contact angle decreases significantly, moving from a superhydrophobic to a weakly hydrophobic configuration. This phenomenon is associated with the appearance of a breath figure composed of microscopic droplets condensed around the macroscopic drop. The study proposes a scenario for the movement of the contact line and the spreading of the drop. This is based on collective events of coalescence of micro-droplets with the drop, and enables a predictive model to be established to explain the experimental observations. The second part of the work examines the phenomenon of condensation frosting when a substrate, covered by dropwise condensation, is subjected to sub-zero temperatures. Various mechanisms are involved in this phenomenon, in particular the solidification of individual condensed droplets, the formation of ice bridges in the breath figure and the associated growth of the frost front. A combination of macroscopic and microscopic experimental approaches is proposed: infrared imaging to follow the evolution of the frost front and high-speed microscopy to capture the dynamics of ice bridge formation. A theoretical model is proposed, which reproduces the experimental observations very satisfactorily. Finally, a global simulation of the phenomenon is proposed, highlighting possible applications associated with this study.The results presented in this thesis provide an understanding of wetting transitions, droplet condensation and frost formation on solid surfaces. They also provide insights that may prove useful for the design of anti-icing coatings, the optimization of condensation-based heat transfer systems, the development of surfaces for water collection and passive cooling applications.Cette thèse de doctorat explore la dynamique de gouttes et ses couplages avec des phénomènes de changement de phase et des effets thermiques. On y considère, en particulier, les propriétés de mouillage de gouttes et la condensation de gouttelettes sur des surfaces hydrophobes à proximité et en dessous du point de rosée, ainsi que la formation du givre à des températures négatives. L'étude combine des observations expérimentales avec des modélisations et des simulations numériques. La première partie de la thèse est consacrée à l'étalement des gouttes par condensation sur des surfaces froides superhydrophobes. Les résultats révèlent que lorsque la température du substrat s'approche du point de rosée, une transition se produit au cours de laquelle la goutte voit son angle de contact sensiblement diminuer, passant ainsi d'une configuration superhydrophobe à faiblement hydrophobe. Ce phénomène est associé à l'apparition d'une figure de souffle constituée de gouttelettes microscopiques condensées tout autour de la goutte macroscopique. L'étude propose un scénario pour le mouvement de la ligne de contact et l'étalement de la goutte. Celui-ci est basé sur des événements collectifs de coalescence des micro-gouttelettes avec la goutte, et permet d'établir un modèle prédictif pour expliquer les observations expérimentales. La deuxième partie du travail examine le phénomène de formation du givre par condensation quand un substrat est soumis à des températures négatives. Lors de ce phénomène différents mécanismes interviennent, en particulier la solidification des gouttelettes individuelles condensées sur le substrat, la formation de ponts de glace dans les figures de souffle et la croissance associée du front de givre. Une combinaison d'approches expérimentales macroscopiques et microscopiques est proposée : l'imagerie infrarouge pour suivre l'évolution du front de givre et la microscopie à grande vitesse pour capturer la dynamique de la formation des ponts de glaces. Un modèle théorique original reproduit de manière très satisfaisante les observations expérimentales. Une simulation globale du phénomène est proposée en fin de cette partie. Cette dernière permet de mettre en évidence les éventuelles applications associées à cette étude. Les résultats présentés dans cette thèse permettent une compréhension des transitions de mouillage, de la condensation des gouttelettes et de la formation de givre sur les surfaces solides. Ils fournissent également des indications qui pourront s'avérer utiles pour la conception de revêtements antigivre, l'optimisation des systèmes de transfert de chaleur basés sur la condensation, le développement de surfaces pour la collecte de l'eau et les applications de refroidissement passif
Méthode des éléments virtuels pour la discrétisation des équations intégrales de frontière en électromagnétisme dans le domaine fréquentiel
No full textThe analysis of electromagnetic wave scattering phenomena, by three-dimensional objects, requires the use of numerical methods capable of accurately approximating the different components of the electromagnetic field. Nowadays, with advances in compression and preconditioning techniques, solvers based on boundary integral equations, discretized using the boundary element method (BEM), are among the most effective and recognized computational tools for the numerical simulation of these phenomena. Maintaining the competitiveness of such solvers is essential to guarantee their ability to simulate objects of increasing geometrical and structural complexity. In this context, this thesis aims to im-prove the performance and the flexibility, in handling irregular and nonconforming meshes, of BEM approaches. To this end, we have proposed a new discretization of electromagnetic boundary integral equations in time-harmonic domain based on the virtual element method (VEM). Introduced in 2013, this innovative numerical method generalizes the finite element method to polygonal and polyhedral meshes, for the solution of various partial differential equations. More precisely, we have extended the principle of the VEM to boundary integral formulations, modeling three characteristic configurations which involve nonsmooth scatterers : perfectly electric conducting, coated and penetrable objects. A theoretical and numerical analysis has been carried out on the virtual element based-discretization of the electric field integral equation, demonstrating in particular that the resulting scheme converges in the same way as the traditional scheme, but within the framework of meshes composed of polygons, as for instance, triangles with hanging nodes. Furthermore, implementation strategies on the basis of numerical techniques for the calculation of singular integrals have been proposed to optimize the computational complexity of the algorithms and to guarantee the results accuracy. Finally, we highlight the efficiency and the practical interest of these new discretization schemes through benchmarks of radar cross section calculation and electromagnetic compatibility.L’analyse des phénomènes de diffraction des ondes électromagnétiques par des objets en trois dimensions nécessite l’utilisation de méthodes numériques, capables d’approcher finement les différentes composantes du champ électromagnétique. Aujourd’hui, avec l’avancée des techniques de compression et de préconditionnement, les solveurs basés sur les équations intégrales de frontière, discrétisées enutilisant la méthode des éléments finis de frontière (BEM), font partis des outils de calcul efficaces et reconnus pour la simulation numérique de ces phénomènes. Le maintien de compétitivité de ces solveurs est essentiel pour garantir leur capacité à simuler des objets de complexité géométrique, et structurelle croissante. Dans ce contexte, cette thèse vise à améliorer la performance et la flexibilité des approches BEM, face aux maillages irréguliers et non conformes. Pour cela, nous avons proposé une nouvelle approche de discrétisation des équations intégrales de frontière en électromagnétisme, dans le régime harmonique, en s’appuyant sur la méthode des éléments virtuels (VEM). Introduite en 2013, cette méthode numérique innovante généralise la méthode des éléments finis, aux maillages polygonaux et polyédriques, pour la résolution de nombreuses équations aux dérivées partielles. Plus précisément, nous avons étendu le principe de la VEM aux formulations intégrales, modélisant trois scénarios caractéristiques de diffraction par des objets non réguliers : parfaitement conducteurs, revêtus et pénétrables. Une analyse théorique et numérique approfondie a été menée sur la discrétisation par éléments virtuels de l’équation intégrale en champ électrique, démontrant en particulier une convergence du schéma induit équivalente à celle du schéma traditionnel, mais dans le cadre de maillages composés de polygones comme, par exemple, de triangles avec des nœuds d’ancrage (soit hanging nodes en anglais). Par ailleurs, des stratégies d’implémentation, de la discrétisation basées sur des techniques numériques de calcul des intégrales singulières, ont été proposées afin d’optimiser la complexité des algorithmes et de garantir la précision des résultats. Enfin, nous mettons en avant l’efficacité et l’intérêt pratique de ces nouveaux schémas de discrétisation au travers de benchmarks dédiés au calcul de la surface équivalente radar et à lacompatibilité électromagnétique
Apprentissage profond pour la correction des effets de volume partiels en imagerie TEMP
No full textSingle Photon Emission Computed Tomography (SPECT) is a nuclear imaging modality used in oncology for tumor detection and staging. Quantification with SPECT has emerged as a key tool for dosimetry during Targeted Radionuclide Therapies (TRT) such as 177Lu-PSMA or 177Lu-DOTATATE. In this thesis we explore two topics: 1) a Quasi Monte Carlo (QMC) method that could potentially speed up simulations and 2) deep learning based Partial Volume Correction (PVC) for SPECT images. Monte Carlo (MC) simulations play a critical role in Nuclear Medicine for various tasks, such as dose computation, new SPECT system design and reconstruction algorithm evaluation. While highly realistic and accurate, thanks to the large numbers of particles and interactions simulated, MC simulations are computationally expensive and slow to converge. The first contribution of this thesis is the exploration of the potential use of Quasi Random Sequences in MC simulations for Nuclear Medicine as a Variance Reduction Technique to reduce their computation cost. Quasi-Random sequences are designed to fill the sampling space more homogeneously compared to commonly used pseudo-random number generators. This approach, denoted QMC simulations, uses a quasi-random Sobol sampler, that we implemented in the Geant4 code, used by the Gate software, to sample primary particles positions, directions, energy, as well as the first Compton interactions of photons with matter. While initial results demonstrated promising error reductions up to 40% for gamma particle tracking in a vacuum, further experiments showed that changing the material to water drastically increased the number of required dimensions and thus reduced the gain induced by the quasi-random sampler to only a few percent. Another limitation to SPECT-based dosimetry is that the quantitative accuracy of 177Lu-SPECT images remains limited, due to Partial Volume Effects (PVE) that need to be compensated. PVEs are inaccuracies in reconstructed image counts that are no longer proportional to the true activity. Typically, PVEs manifest as blurred edges on small regions (spill-out) or contribution of surrounding regions to the estimated activity in an object (spill-in). The main cause of the finite spatial resolution in SPECT, leading to PVEs, is the collimator-detector response, defined by its Point Spread Function (PSF), which can be modeled in iterative reconstruction algorithms to be corrected. However, PSF modeling during reconstruction is not enough to correct PVEs. To address this, the second contribution of this thesis is PVCNet-sino, a Deep Learning based PVC method, trained on a large synthetic sinogram dataset to correct for the depth-dependent PSF on projections, before reconstruction. The training dataset was generated using real patient CT scans used to create 10,000 random activity maps. These activity maps were analytically forward-projected 1) with PSF modeling and noise and 2) without PSF. A 3d-Unet was trained to revert the effect of the PSF on these sinograms. Importantly, our proposed method did not rely on an image segmentation mask. After reconstruction, PVCNet-sino demonstrated improved PVE reduction compared to other state-of-the-art PVC techniques. This PVC method was evaluated on simulated data, phantom experiments and real patient data. The PVCNet-sino correction was also compared to other deep learning based approaches, such as image-to-image training and correction (PVCNet-img) as well as to a dual domain approach (PVCNet-sino-img). Results of this comparison indicate that training both in the projection and the image domains leads to the best visual and quantitative improvement of SPECT images. However, all deep learning based methods proposed in this thesis showed difficulty to correct small lesions. This work could potentially improve SPECT-based quantification in TRT workflows and be an alternative to segmentation-based methods.La tomographie par émission monophotonique (TEMP) est une modalité d'imagerie nucléaire notamment utilisée en oncologie pour la détection et le suivi des tumeurs. La quantification par TEMP est également devenue cruciale pour la dosimétrie dans le cadre des Radiothérapies Internes Vectorisées (RIV) au 177Lu-PSMA ou 177Lu-DOTATATE. Dans cette thèse, nous explorons deux sujets: 1) une méthode Quasi Monte Carlo (QMC) qui pourrait potentiellement accélérer les simulations 2) la correction des effets de volume partiel (EVPs) des images TEMP par apprentissage profond.Les simulations Monte Carlo (MC) jouent un rôle essentiel en médecine nucléaire, notamment pour le calcul de dose, la conception de nouveaux systèmes TEMP et l'évaluation des algorithmes de reconstruction. Bien que très réalistes et précises les simulations MC sont coûteuses en calcul et lentes à converger. La première contribution de cette thèse est l'investigation de l'usage des séquences quasi-aléatoires pour l'échantillonnage dans les simulations MC pour la médecine nucléaire. Les séquences quasi-aléatoires sont conçues pour remplir l'espace d'échantillonnage de manière plus homogène que les générateurs de nombres pseudo-aléatoires couramment utilisés. Une suite de Sobol a été utilisée dans Geant4/Gate pour échantillonner les positions, directions et l'énergie des gamma primaires, ainsi que leurs premières interactions Compton. Bien que les premiers résultats ont montré des réductions d'erreur prometteuses allant jusqu'à 40 % pour le suivi des particules gamma dans le vide, d'autres expériences, notamment dans l'eau, ont montré que lorsque le nombre de dimensions requises augmentait, le gain induit par l'échantillonneur quasi-aléatoire se réduisait à seulement quelques pourcents. Une autre limite de la dosimétrie basée sur l'image TEMP est que leur résolution spatiale reste limitée, en raison des EVP. Les EVPs sont une sous-estimation ou surestimation de l'intensité des voxels dans les images reconstruites. Généralement, les EVPs se manifestent par le flou des bords des petites régions ou par la contribution des régions environnantes à l'activité estimée d'un objet. Leur cause principale est la réponse du collimateur-détecteur, définie par sa fonction d'étalement du point (PSF), qui peut être corrigée en la modélisant dans les algorithmes de reconstruction itératifs. Cette méthode n'étant pas suffisante, la deuxième contribution de cette thèse est PVCNet-sino, une méthode de correction de EVPs basée sur l'apprentissage profond, entraînée sur un grand jeu de données de sinogrammes synthétiques pour corriger la PSF sur les projections, avant reconstruction. Les données d'entraînement ont été générées à l'aide de scanner de patients utilisés pour créer 10 000 sources d'activité aléatoires, projetées analytiquement 1) avec modélisation de la PSF et du bruit et 2) sans PSF. Un 3d-Unet a été entraîné pour inverser l'effet du PSF sur ces sinogrammes. La méthode proposée ne repose pas sur une segmentation de l'image, à l'inverse de la plupart des méthodes de correction de EVPs. Après reconstruction, PVCNet-sino permet une meilleure réduction des EVPs par rapport à d'autres méthodes de correction et a été évaluée sur des données simulées, des expériences sur fantôme et des données de patients. La correction avec PVCNet-sino a également été comparée à d'autres approches basées sur l'apprentissage profond: une dans le domaine image (PVCNet-img) et une approche opérant dans les deux domaines (PVCNet-sino-img). Les résultats indiquent que l'entraînement à la fois sur les projections et sur l'image mène à la meilleure correction, visuellement et quantitativement. Cependant, toutes les méthodes basées sur l'apprentissage profond proposées dans cette thèse ont montré des difficultés à corriger les petites lésions. A l'avenir, ce travail pourrait améliorer la quantification basée sur la TEMP dans le cadre des RIV et être une alternative aux méthodes basées sur la segmentation