149 research outputs found
Apprentissage profond pour la détection des crises d’épilepsie
No full textCette thèse aborde la détection automatique des crises d’épilepsie. Des algorithmes d’intelligence artificielle adaptés aux déséquilibres entre les classes « crises » et « non-crises » ainsi qu’à la forte variabilité intersujets et inter-sites sont proposés. Deux principales contributions sont présentées. Tout d’abord, dans le domaine supervisé, un modèle hybride combinant des réseaux de neurones convolutifs et un réseau de neurones récurrents à mémoire (LSTM) est proposé, intégrant un mécanisme d’attention (AT). L’originalité de cette approche réside dans l’utilisation de la couche AT pour libérer l’espace latent du LSTM. Les résultats obtenus sur trois bases de données — deux en libre accès et une grande base locale enregistrée au CHU d’Angers — ont montré une grande robustesse face à la variabilité inter-sujets et inter-sites. Ensuite, une contribution dans le domaine non supervisé est présentée avec un modèle à vues multiple. La nouveauté de cette approche réside dans l’introduction de deux vues distinctes et complémentaires : un auto-encodeur et un auto-encodeur variationnel. Les résultats obtenus soulignent la puissance du modèle proposé, particulièrement compte tenu des défis supplémentaires associés à l’apprentissage non supervisé, qui est intrinsèquement plus difficile en raison de l’absence de données annotées pour l’entraînement.This thesis addresses the automatic detection of epileptic seizures. Artificial intelligence algorithms, which address imbalances between “seizure” and “non-seizure” classes, and which are adapted to intersubject variability, are proposed.. This thesis presents two main contributions. First, in the supervised domain, a hybrid model combining convolutional neural networks and a recurrent memory neural network (LSTM) is proposed, integrating an attention mechanism (AT). This approach’s originality lies in using the AT layer to free the latent space of the LSTM. The results obtained on three databases — two open access and a large local database recorded at Angers University Hospital — showed great robustness in inter-subject and inter-site variability. Then, a contribution in the unsupervised domain is presented with a multi-view model. The novelty of this approach lies in introducing two distinct and complementary views : an autoencoder and a variational autoencoder. The obtained results highlight the power of the proposed model, especially considering the additional challenges associated with unsupervised learning, which is inherently more difficult due to the absence of annotated data for training
Learning methods for multi-label classification
No full textLa classification multi-label est une extension de la classification traditionnelle dans laquelle les classes ne sont pas mutuellement exclusives, chaque individu pouvant appartenir à plusieurs classes simultanément. Ce type de classification est requis par un grand nombre d’applications actuelles telles que la classification d’images et l’annotation de vidéos. Le principal objectif de cette thèse est la proposition de nouvelles méthodes pour répondre au problème de classification multi-label. La première partie de cette thèse s’intéresse au problème d’apprentissage multi-label dans le cadre des fonctions de croyance. Nous développons une méthode capable de tenir compte des corrélations entre les différentes classes et de classer les individus en utilisant le formalisme de représentation de l’incertitude pour les variables multi-valuées. La deuxième partie aborde le problème de l’édition des bases d’apprentissage pour la classification multi-label. Nous proposons un algorithme basé sur l’approche des k-plus proches voisins qui permet de détecter les exemples erronés dans l’ensemble d’apprentissage. Des expérimentations menées sur des jeux de données synthétiques et réelles montrent l’intérêt des approches étudiées.Multi-label classification is an extension of traditional single-label classification, where classes are not mutually exclusive, and each example can be assigned by several classes simultaneously . It is encountered in various modern applications such as scene classification and video annotation. the main objective of this thesis is the development of new techniques to adress the problem of multi-label classification that achieves promising classification performance. the first part of this manuscript studies the problem of multi-label classification in the context of the theory of belief functions. We propose a multi-label learning method that is able to take into account relationships between labels ant to classify new instances using the formalism of representation of uncertainty for set-valued variables. The second part deals withe the problem of prototype selection in the framework of multi-label learning. We propose an editing algorithm based on the k-nearest neighbor rule in order to purify training dataset and improve the performances of multi-label classification algorithms. Experimental results on synthetic and real-world datasets show the effectiveness of our approaches
The Lebanese allele at the LDLR in normocholesterolemic people merits reconsideration of genotype phenotype correlations in familial hypercholesterolemia
No full text[No abstract available]Abifadel M, 2009, HUM MUTAT, V30, pE682, DOI 10.1002-humu.21002; Bodamer OA, 2002, CLIN CHEM, V48, P1913; Brusgaard K, 2010, J CLIN LIPIDOL, V4, P181, DOI 10.1016-j.jacl.2010.02.009; DAVIS CG, 1986, CELL, V45, P15, DOI 10.1016-0092-8674(86)90533-7; Day INM, 1997, HUM MUTAT, V10, P116; Deiana L, 2000, ARTERIOSCL THROM VAS, V20, P236; Fahed AC, 2011, MOL GENET METAB, V102, P181, DOI 10.1016-j.ymgme.2010.11.006; Fahed AC, 2011, NUTR METAB, V8, DOI 10.1186-1743-7075-8-23; FIGUEIREDO MS, 1992, J MED GENET, V29, P813, DOI 10.1136-jmg.29.11.813; HOBBS HH, 1986, J BIOL CHEM, V261, P3114; HOBBS HH, 1989, J CLIN INVEST, V84, P656, DOI 10.1172-JCI114212; Huijgen R, 2012, HUM MUTAT, V33, P448, DOI 10.1002-humu.21660; KHACHADURIAN AK, 1964, AM J MED, V37, P402, DOI 10.1016-0002-9343(64)90196-2; LEHRMAN MA, 1987, J BIOL CHEM, V262, P401; LEHRMAN MA, 1985, CELL, V41, P735, DOI 10.1016-S0092-8674(85)80054-4; LEHRMAN MA, 1985, SCIENCE, V227, P140, DOI 10.1126-science.3155573; NORA JJ, 1985, AM J MED GENET, V22, P585, DOI 10.1002-ajmg.1320220317; OPPENHEIM A, 1991, HUM GENET, V88, P75, DOI 10.1007-BF00204933; SUDHOF TC, 1985, SCIENCE, V228, P815, DOI 10.1126-science.2988123; Tarugi P, 2011, ADV CLIN CHEM, V54, P81, DOI 10.1016-B978-0-12-387025-4.00004-2; Teslovich TM, 2010, NATURE, V466, P707, DOI 10.1038-nature09270; YAMAMOTO T, 1984, CELL, V39, P27, DOI 10.1016-0092-8674(84)90188-0; YAMAMOTO T, 1986, SCIENCE, V232, P1230, DOI 10.1126-science.301046611
Apprentissage profond pour la détection d’anomalie dans les images et les vidéos
No full textLe concept de villes intelligentes est de mettre la technologie au service de ses citoyens afin de leur fournir des services de haut niveau dans de nombreux domaines. Ainsi, pour établir un environnement sécurisé, les villes intelligentes disposent d'un vaste réseau de caméras intelligentes pour détecter les intrusions. Le système de vidéosurveillance, alimenté par l'intelligence artificielle, est capable d'effectuer une détection automatique des anomalies. Par conséquent, le premier objectif de cette thèse est de développer des modèles d'apprentissage profond dans ce but. Le deuxième concept principal d'une ville intelligente est l'établissement d'une ville durable assurant une bonne qualité de l'air à ses citoyens. Plusieurs villes intelligentes disposent d'un vaste réseau de capteurs répartis entre différentes zones urbaines pour suivre les différentes concentrations de polluants. Afin de mieux comprendre les sources d'émission et de trouver des solutions durables qui améliorent la qualité de l'air et la santé de la population, nous avons exploré les approches d'apprentissage profond dans le contexte de prévision de la pollution atmosphérique et de la détection de concentrations anormales de polluants.The concept of smart cities is to put technology at the service of its citizens in order to achieve high standard services to the urban population in many domains. Thus, to establish a secure and safe environment, smart cities have a large network of intelligent video surveillance systems (IVSS) to monitor and detect intrusions. IVSS monitor the environment with their sensors, and when powered by artificial intelligence (AI), they perform automatic anomaly detection and trigger alarms to prevent suspicious behaviors or situations. Hence, the first objective of this thesis is to develop deep learning models for automatic anomaly detection in videos surveillance systems. The second main concept of smart cites is the establishment of a green city, sustainable city ensuring good air quality for citizens. Multiple smart cities have a large network of sensors distributed between different urban areas to keep track of different pollutants concentrations. In order to better understand the sources of emissions and to find sustainable solutions for air quality and population health improvements, we have explored machine-learning approaches in the context of air pollution forecasting and the detection of abnormal pollutants’ concentrations
Impact of AREDS in a developing country 5 years after publication of the study
No full textPURPOSE. The Age-Related Eye Disease Study (AREDS) is the only large-scale study to demonstrate a reduction in the risk of progression to end-stage age-related macular degeneration (AMD) when vitamin supplementation was given to patients with advanced forms of the disease. Our study assesses the impact of this study on vitamin supplementation in patients with advanced AMD from 5 years before publication of the AREDS results until 5 years after. METHODS. Medical records of patients with AMD presenting between September 1996 and October 2006 were reviewed. Patients were subclassified according to AREDS categories. The proportion of advanced cases on vitamin replacement before October 2001 was compared to that after October 2001. Since October 2001, the different reasons for abstinence were investigated and analyzed. RESULTS. Only 2403 patients of the 40,000 medical records reviewed met the AREDS AMD criteria. Of these, 137 patients verifying categories 3 and 4 were diagnosed prior to October 2001. Fourteen were on supplements then. Fifty-three patients complied with the represcribed vitamins during subsequent visits after October 2001, raising the percentage significantly to 48.9percent (p0.001). Also, from October 2001 until October 2006, an additional 76 patients verified categories 3 and 4. Fifty-three (69.7percent) of them were on vitamins (p=0.001). Financial burden was the principal reason for abstinence in 67.7percent of patients prescribed vitamins after October 2001. CONCLUSION. The results of AREDS had an impressive impact on prescribing supplements in AREDS category 3 and 4 patients in Lebanon. The main reason for noncompliance is financial. © 2010 Wichtig Editore.Age-Related Eye Disease Study Research Group, 2001, ARCH OPHTHALMOL, V119, P1417; [Anonymous], 1999, CONTROL CLIN TRIALS, V20, P573; Chen SJ, 2008, INVEST OPHTH VIS SCI, V49, P3126, DOI 10.1167-iovs.08-1803; Chen Wen, 2003, J Huazhong Univ Sci Technolog Med Sci, V23, P414; Evans J. R., 2006, COCHRANE DB SYST REV, V19; Everitt AV, 2006, CLIN INTERV AGING, V1, P11, DOI 10.2147-ciia.2006.1.1.11; Fraser-Bell S, 2008, AM J OPHTHALMOL, V145, P308, DOI 10.1016-j.ajo.2007.10.007; Gupta SK, 2007, INVEST OPHTH VIS SCI, V48, P1007, DOI 10.1167-iovs.06-0712; Hirakawa M, 2008, BRIT J OPHTHALMOL, V92, P630, DOI 10.1136-bjo.2007.130575; Hogg RE, 2008, OPHTHALMOLOGY, V115, P1046, DOI 10.1016-j.ophtha.2007.07.031; Iyengar SK, 2004, AM J HUM GENET, V74, P20, DOI 10.1086-380912; Kawasaki R, 2008, OPHTHALMOLOGY, V115, P1735, DOI 10.1016-j.ophtha.2008.02.012; Kawasaki R, 2008, OPHTHALMOLOGY, V115, P1376, DOI 10.1016-j.ophtha.2007.11.015; KLEIN R, 1992, OPHTHALMOLOGY, V99, P933; Klein R, 2006, OPHTHALMOLOGY, V113, P373, DOI 10.1016-j.ophtha.2005.12.013; Leske MC, 2006, OPHTHALMOLOGY, V113, P29, DOI 10.1016-j.ophtha.2005.08.012; Nowak JZ, 2006, PHARMACOL REP, V58, P353; Plestina-Borjan I, 2007, COLLEGIUM ANTROPOL, V31, P33; Robman L, 2007, CAN J OPHTHALMOL, V42, P720, DOI 10.3129-canjophthahnol.i07-116; SanGiovanni JP, 2008, ARCH OPHTHALMOL-CHIC, V126, P1274, DOI 10.1001-archopht.126.9.1274; Santos Laura Patrícia Ferreira, 2005, Arq Bras Oftalmol, V68, P229, DOI 10.1590-S0004-27492005000200014; Schaumberg DA, 2001, ARCH OPHTHALMOL-CHIC, V119, P1259; Seddon JM, 2003, ARCH OPHTHALMOL-CHIC, V121, P1728, DOI 10.1001-archopht.121.12.1728; Seddon JM, 2006, ARCH OPHTHALMOL-CHIC, V124, P995, DOI 10.1001-archopht.124.7.995; SOMMER A, 1991, NEW ENGL J MED, V325, P1412, DOI 10.1056-NEJM199111143252004; Sommerburg O, 1998, BRIT J OPHTHALMOL, V82, P907, DOI 10.1136-bjo.82.8.907; Sparrow J M, 1997, Ophthalmic Epidemiol, V4, P49; van Leeuwen R, 2003, BRIT MED J, V326, P255, DOI 10.1136-bmj.326.7383.255; Wilson HL, 2004, AM J OPHTHALMOL, V137, P615, DOI 10.1016-j.ajo.2003.10.02522
Low-density lipoprotein levels and not mutation status predict Intima-media thickness in familial hypercholesterolemia
No full textBackground Intima-media thickness (IMT) is a well-described marker of cardiovascular disease. In this study we aim to determine whether low-density lipoprotein (LDL) levels and disease-related mutation status can predict IMT in patients with severe familial hypercholesterolemia (FH) referred for or on LDL apheresis. Methods Genetic screening, lipid profile testing, and IMT measurements were performed on a series of 33 severe FH patients (19 homozygous) on LDL apheresis treatments (LDL 447 ± 151 mg-dL, age range 6-60 years). Data were then compared with literature IMT-LDL data for normal subjects, mild FH patients, and severe FH patients (18, 41, and 6 studies, respectively). Results Age-adjusted IMT was linearly related to LDL levels over a wide range of values (500 mg-dL), except for the severe FH no-apheresis cohort. Alternatively, our severe FH population (mostly on apheresis) did follow the mild FH-control age-adjusted IMT-LDL relation. Conclusions In severe FH, measuring LDL levels is more predictive of increased IMT than genetic screening. © 2014 Elsevier Inc. All rights reserved.Descamps OS, 2001, EUR J CLIN INVEST, V31, P958, DOI 10.1046-j.1365-2362.2001.00915.x; Fahed AC, 2011, MOL GENET METAB, V102, P181, DOI 10.1016-j.ymgme.2010.11.006; Fahed AC, 2011, NUTR METAB, V8, DOI 10.1186-1743-7075-8-23; Feinstein SB, 2002, AM J CARDIOL, V89, p31C; Guardamagna O, 2009, J PEDIATR, V155, P199, DOI 10.1016-j.jpeds.2009.02.022; Kastelein JJP, 2008, NEW ENGL J MED, V358, P1431, DOI 10.1056-NEJMoa0800742; Kastelein JJP, 2007, NEW ENGL J MED, V356, P1620, DOI 10.1056-NEJMoa071359; Koga N, 1999, J INTERN MED, V246, P35, DOI 10.1046-j.1365-2796.1999.00466.x; Nolting PRWD, 2003, ARCH INTERN MED, V163, P18370
Evidential mono- and multi-label classification : Application to cardiovascular diseases detection
No full textCette thèse porte sur la détection de maladies cardio-vasculaires grâce à la surveillance de signaux physiologiques. L’objectif est de développer des approches de classification mono- et multi-label, basées sur la théorie des fonctions de croyance, pour prédire ou diagnostiquer une complication liée à une ou plusieurs maladies cardio-vasculaires. D’abord, une approche proposant une extraction de paramètres et une modélisation de l'information dans un cadre évidentiel est développée pour prédire la fibrillation atriale, une arythmie cardiaque. Une extension de cette approche utilise une option de rejet de classification et une modélisation alternative de l'information. La thèse élargit par la suite le domaine d’application pour couvrir plusieurs maladies cardio-vasculaires à la fois. Le problème est alors défini comme une classification multi-label où les labels représentent des traits caractéristiques des maladies. Une approche de classification multi-label est développée dans le domaine évidentiel qui se sert des corrélations entre les maladies pour accroître la précision du diagnostic. Enfin, une approche théorique de classification multi-label qui profite de la corrélation entre les labels a été proposée. Cette méthode d’ensemble permet de classifier en multi-label de manière efficace. Les approches proposées sont validées grâce à une base de données médicale publique, MIMIC III, hébergée sur Physionet.This thesis focuses on the detection of cardiovascular diseases through the monitoring of physiological signals. The objective is to develop mono- and multi-label classification approaches, based on the theory of belief functions, to predict or diagnose a complication linked to one or more cardiovascular diseases. First, an approach providing parameter extraction and information modeling in an evidential framework is developed to predict atrial fibrillation, a cardiac arrhythmia. An extension of this approach uses a reject classification option and alternative information modeling. The thesis then broadens the field of application to cover several cardiovascular diseases at the same time. The problem is thus defined as a multi-label classification where the labels represent features of the diseases. A multi-label classification approach is developed in the evidential domain which makes use of correlations between diseases to increase diagnostic accuracy. Finally, a theoretical approach of multi-label classification, which takes advantage of the correlation between labels, has been proposed. This ensemble method allows for efficient multi-label classification. The proposed approaches are validated using a public medical database, MIMIC III, hosted on Physionet
Prior-constrained Convolutional Neural Networks for Medical Image Segmentation
No full textAujourd’hui, les réseaux de neurones convolutifs profonds (CNN) ont montré de très bonnes performances pour la segmentation des images médicales issues de diverses modalités. Malgré ces premiers succès, les réseaux de segmentation peuvent encore générer des segmentations anatomiquement aberrantes, avec des trous ou des imprécisions près des frontières des objets à segmenter. De plus, ils nécessitent souvent de grandes quantités de données étiquetées pour l’entraînement des CNN, données qui ne sont pas facilement disponibles dans le domaine médical. Pour remédier à ces limitations, des recherches récentes se sont concentrées sur l’incorporation de connaissances a priori, telles que la forme, les caractéristiques ou l’emplacement des objets, utilisées comme contraintes, dans le cadre des CNN, afin de renforcer la plausibilité anatomique. Les contraintes via les connaissances a priori peuvent être incorporées dans les CNNs soit au niveau de l’architecture du réseau, soit au niveau de la fonction de perte. Alors que les contraintes structurelles sont plutôt robustes, les contraintes de perte sont plus génériques et peuvent être intégrées à n’importe quelle architecture. L’objectif de notre thèse est d’étudier et de proposer de nouvelles méthodes pour contraindre les, CNN afin de segmenter des organes et/ou des lésions en imagerie médicale. Nos contributions sont de trois ordres : 1) Nous avons proposé un état de l’art des a priori intégrés au fonctions de coût dans les CNN de segmentation, afin d’identifier les limites des méthodes actuelles et les nouvelles directions de recherche. En outre, nous avons effectué un benchmark dans lequel les performances d’une sélection de fonctions de pertes basées sur des a priori sont étudiés et mises en rapport avec les caractéristiques des jeux de données. 2)Nous avons proposé de nouvelles contraintes architecturales avec BB-UNet (Bounding BoxU-Net), qui est une variante deU-Net qui intègre l’emplacement de l’objet à segmenter, ainsi qu’un a priori sur sa forme, par le biais d’une couche convolutive introduite au niveau des skip connections. Nous étudions également le l’apport des couches de type CoordConv, qui sont des convolutions intégrant les coordonnées spatiales des pixels, pour la segmentation des images médicales. 3) Enfin, nous avons proposé une contrainte au niveau de la fonction de pet. L’objectif de cette nouvelle perte basée sur les antériorités est de régulariser les périmètres des organes afin de prendre en compte les irrégularités de bordure et de forme. Nous testons les méthodes proposées sur une variété de jeux de données de différentes tâches et modalités, y compris la segmentation d’organes, de lésions et de tumeurs via des défis médicaux tels que SegTHOR, Decathlon, ISLES, pour n’en citer que quelques-uns.Today, deep convolutional neural networks (CNNs) have demonstrated state-of-the-art performance for medical image segmentation, on various imaging modalities and tasks. Despite early success, segmentation networks may still generate anatomically aberrant segmentations, with holes or inaccuracies near the object boundaries. Moreover, they often require large amounts of labeled training data, which is not easily available within the medical field. To mitigate these limitations, recent research studies have focused on incorporating prior knowledge, such as object shapes or boundary or location, as constraintswithin the deep learning framework, in order to enforce anatomical plausibility. Constraints via prior knowledge can be incorporated in CNNs either at the level of the network architecture or at the level of the loss function. Whereas structural constraints are rather robust, loss constraints are more generic and can be plugged into any backbone network. The objective of our research is to investigate and propose new methods to constrain CNNs in order to segment anatomical objects in medical imaging. Our contributions are threefold: 1) We propose a survey on prior-based losses in medical image segmentation, in order to identify limitations of current methods and novel research directions. In addition, we conduct a benchmark where we investigate the performance of some stateof-the-art prior-based losses across segmentation tasks and shed light on the underlying relationship between the prior losses relative to the dataset characteristics. 2)We propose novel architectural constraints with BB-UNet (Bounding Box U-Net), which is a novel UNet variant that integrates location as well as shape prior through a convolutional layer, introduced at the level of skip connections. We also investigate the CoordConv component,a spatial coordinate conditioned extension of convolutional layers for medical image segmentation. 3) We propose a constraint at the level of the loss function. The objective of this novel prior-based loss is to regularize organ perimeters in order to take intoaccount border and shape irregularities. We test the proposed methods across a variety of datasets of different tasks and modalities including organs, lesion and tumor segmentation via medical challenges such as SegTHOR, Decathlon, ISLES, to name a few
Algorithme d'apprentissage séquentiel pour la méthode KFD Relations avec la méthode KPCA
No full textDurant la décennie précédente, de multiples méthodes pour l'analyse et la classification de données fondées sur la théorie des espaces de Hilbert à noyau reproduisant ont été développées. Elles reposent sur le principe fondamental du kernel trick, initialement mis en oeuvre par Vapnik dans le cadre des Support Vector Machines. Celui-ci permet d'étendre au cas non-linéaire des traitements initialement linéaires en utilisant la notion de noyau. La méthode Kernel Fisher Discriminant, nommée KFD, constitue ainsi une généralisation non-linéaire de l'analyse discriminante de Fisher. Bien que son efficacité soit indiscutable, on déplore le fait que sa mise en oeuvre nécessite le stockage et la manipulation de matrices de dimension égale au nombre de données traitées, point critique lorsque l'ensemble d'apprentissage est de grande taille. Cet article présente un algorithme séquentiel palliant cette difficulté puisqu'il ne nécessite, ni la manipulation, ni même le stockage de telles matrices. Dans un second temps, un parallèle est proposé entre KFD et KPCA, acronyme de Kernel Principal Component Analysis, cette dernière méthode constituant une extension au cas non-linéaire de l'analyse en composantes principales. Les points communs exhibés permettent de proposer un algorithme itératif pour celle-ci également. Il présente de fait des similitudes marquées avec celui dédié à KFD
Non Parametric Distributed Inference in Sensor Networks Using Box Particles Messages
No full textThis paper deals with the problem of inference in distributed systems where the probability model is stored in a distributed fashion. Graphical models provide powerful tools for modeling this kind of problems. Inspired by the box particle filter which combines interval analysis with particle filtering to solve temporal inference problems, this paper introduces a belief propagation-like message-passing algorithm that uses bounded error methods to solve the inference problem defined on an arbitrary graphical model. We show the theoretic derivation of the novel algorithm and we test its performance on the problem of calibration in wireless sensor networks. That is the positioning of a number of randomly deployed sensors, according to some reference defined by a set of anchor nodes for which the positions are known a priori. The new algorithm, while achieving a better or similar performance, offers impressive reduction of the information circulating in the network and the needed computation times
- …
