Editorial
Chères et chers collègues,
Les mois passent et les conditions dans lesquelles vous recevez notre gazette ne semblent malheureusement guère changer. Pour autant, le comité de direction du GdR ISIS conserve envers et contre tout son enthousiasme pour animer la communauté.
Nous espérons que les journées envisagées à ce jour susciteront auprès de vous intérêt et engouement. Nous profitons de l’opportunité offerte par cette lettre pour vous encourager à nous contacter pour l’organisation de journées. Fort de notre expérience, nous vous accompagnerons dans leur réalisation.
Compte tenu de la situation, nous déplorons ne pas avoir été en mesure d’organiser l’Assemblée Générale du GdR ISIS cette année. Le rendez-vous est pris en Juin 2021 sur la côte sud atlantique pour travailler ensemble et fêter dignement nos retrouvailles. Surveillez pour cela le site gdr-isis.fr, qui devrait par ailleurs connaître une évolution de son visuel au cours des prochains mois.
Nous vous souhaitons à tous le meilleur.
Bien amicalement,
Cédric Richard,
pour le comité de direction du GdR ISIS
Actualités
Action Covid-19 du GdR ISIS
Action 2 : prédiction d’évolution de la maladie à partir d’images scanner couplées à des données cliniques
Porteurs : Nicolas Thome (Cnam Paris) et Alain Lalande (ImViA, Dijon)
Contexte
Dans le contexte actuel du COVID-19, de nombreuses initiatives nationales [CVG+20] et internationales (lien, autre lien) ont été menées pour répondre à des tâches de diagnostic automatique de la maladie par des méthodes d’intelligence artificielle, notamment à partir d’images scanner (CT-scan). Les CT-scan constituent actuellement la source d’information la plus fiable pour le diagnostic et deviennent l’examen de référence, notamment pour anticiper l’évolution de la maladie. Les approches mises en œuvre reposent sur des réseaux de neurones convolutifs profonds pour segmenter les poumons et les lésions dans les images de scanner X, et reposent sur une estimation de la taille relative de la lésion pour déterminer le niveau de sévérité de contagion.
Dans le cadre du groupe de travail sur le COVID-19 du GdR ISIS, l’action 2 que nous avons mis en place en mai 2020 consiste à utiliser des méthodes d’intelligence artificielle pour le pronostic d’évolution de la maladie. Ceci présente des enjeux cliniques majeurs dans le contexte de la pandémie au printemps et dans le cadre de la seconde vague de contamination à l’automne. L’objectif consiste à franchir une étape supplémentaire dans la prédiction, permettant notamment de détecter parmi les patients contaminés ceux qui présentent des risques de contracter une version grave de la maladie nécessitant le cas échéant une place en réanimation.
Objectifs de l’action
Les objectifs scientifiques de cette action sont structurés autour des axes suivants.
Axe 1 : Partage des données avec la communauté nationale du GdR
Le premier objectif du GT consiste à pouvoir partager les données avec la communauté nationale pour fédérer et stimuler la mise en place de solutions originales pour répondre à la tâche de pronostic. Le partage des données est un verrou majeur en santé, il n’est pas possible d’envisager de diffuser directement les données sans contrôle à l’ensemble de la communauté nationale. La solution retenue consiste à laisser les données dans le centre de dépôt de données hébergeur (au sein du laboratoire CREATIS), et de permettre aux membres impliqués dans l’action de transmettre des scripts afin d’entraîner les modèles d’IA et de récupérer le niveau de performance de la méthode. Afin d’assurer un niveau de sécurité satisfaisant, il est nécessaire d’avoir un responsable humain permettant de lancer localement les codes sur les machines locales et d’en contrôler les permissions (par exemple avec une image docker).
Axe 2 : Diagnostic et pronostic sur les images scanner
Le second axe de recherche consiste à proposer des solutions originales pour exploiter les images CT-scan disponibles. Nous nous appuierons sur les différentes méthodes de l’état de l’art actuellement mises en œuvre dans le cadre du COVID-19 et basés sur des réseaux complètement convolutifs, e.g. U-Net [RFB15]. Dans la base de données générée au sein du CHU de St Etienne à partir d’un protocole plus complet qu’un examen classique, les 4 acquisitions disponibles permettent de quantifier des indices cliniques complémentaires pouvant permettre un meilleur pronostic de l’évolution de la pathologie. Les CT-scan classiques permettent de quantifier le pourcentage de zones pulmonaires avec lésions, les CT scan fin inspiration / fin expiration permettent de calculer une image de ventilation (action 1 du GT), et l’angiographie permet de segmenter l’arbre vasculaire et de mesurer le diamètre des branches périphériques (information qui semble pertinente au travers d’études cliniques récentes afin de caractériser le covid [GRI20]). Un aspect méthodologique à approfondir concerne la façon dont les 4 sources d’informations seront fusionnées pour permettre un diagnostic optimal. Nous évaluerons aussi la capacité de pronostic d’évolution de la maladie à partir des images seules, qui constituera une baseline de comparaison.
Axe 3 : Pronostic à partir de données hétérogènes
Le dernier axe consistera à proposer des solutions de pronostic d’évolution de la maladie à partir de l’ensemble des informations disponible dans la base de données, i.e. images CT et données cliniques. Nous évaluerons tout d’abord une seconde baseline de référence consistant à répondre à la tâche de pronostic uniquement à partir des données patient.
Le cœur méthodologique de cet axe consistera à proposer des solutions pour effectuer la prédiction dans l’espace multimodal et hétérogène couplant les images scanner et les données cliniques (complètes ou partielles). Nous explorerons des méthodes de plongements sémantique [ZSZ15] (« deep embedding »), qui permettent d’apprendre des espaces de représentation mixtes couplant des données pauvres en sémantique (e.g. images) et des données texte et/ou structurées. Dans ce contexte, la proposition de méthodes capables de gérer les données manquantes ou incomplètes au sein des différentes modalités sera un critère important pour guider le choix des modèles.
Avancement
Base de données
Depuis le début de la pandémie, une base de données a été collectée au CHU de Saint-Etienne et partagée avec le laboratoire CREATIS à Lyon. La base de données contient au niveau des images CT-scan une source d’information riche et inédite constituée de quatre acquisitions différentes, qui offrent un potentiel intéressant pour améliorer les performances des méthodes d’IA pour le diagnostic et le pronostic :
- Examen CT-scan classique pour un patient atteint de difficultés respiratoires
- CT scan acquis en fin d’inspiration
- CT scan acquis en fin d’expiration
- CT scan angiographique
Les CT-scans pour les 4 types d’acquisition sont actuellement disponible pour 681 patients. Un objectif de collecte de données de 800 patients a été fixé.
D’autre part, des méta-données sous forme de dossiers patient (CRF) sont également disponibles. Ils contiennentdesdonnées cliniques, par exemple des informations sur les antécédents médicaux, des données biologiques issues de résultats d’examen (e.g. prise de sang) et en particulier des indicateurs sur l’évolution de la maladie à 30 jours. Ceci correspond à 400 patients qui sont un sous-ensemble des 681 scanner précédents.
Financements obtenus
L’action 2 a pu bénéficier de deux financements :
- Un financement de 100 k€ du ministère dans le cadre d’un projet CARE (pour lequel l’équipe d’Olivier Saut de Bordeaux a été associé à l’action du GDR), pour financer 12 mois ingénieur (~50 k€), un serveur de calcul GPU (~40 k€), et un serveur de stockage (~10 k€).
- Un financement de 35 k€ par le biais d’un projet CNRS INS2I pour le GDR ISIS, pour financer 10 k€ de serveur et 25 k€ pour 6 mois ingénieur.
Les budgets RH des 2 projets ont été mutualisés pour recruter une jeune ingénieure de recherche (Tiphaine Diot), qui débutera le 1 novembre pour 18 mois.
Sa mission est de mettre en place l’infrastructure logicielle pour que la communauté nationale puisse accéder aux données et évaluer différents modèles pour le diagnostic et le pronostic.
Références
[CVG+20] Guillaume Chassagnon et. al. AI-Driven CT-based quantification, staging and short-term outcome prediction of COVID-19 pneumonia. https://www.medrxiv.org/content/10.1101/2020.04.17.20069187v1.article-info
[GRI20] F. Grillet, J. Behr, P. Calame, S. Aubry, E. Delabrousse. Acute Pulmonary Embolism Associated with COVID-19 Pneumonia Detected by Pulmonary CT Angiography. Radiology. 2020 Apr 23:201544. doi: 10.1148/radiol.2020201544
[KSZ15] R. Kiros, R. Salakhutdinov and R. Zemel Unifying Visual-Semantic Embeddings with Multimodal Neural Language Models Transactions of the Association for Computational Linguistics (TACL), 2015.
[RFB15] O. Ronneberger, P.Fischer, and T. Brox. U-net: Convolutional networks for biomedical image segmentation. In Medical Image Computing and Computer-Assisted Intervention (MICCAI), volume 9351, pages 234-241. Springer, 2015.
Société savante AMIES
Appel PEPS Mathématiques du Sport et des Activités physiques
AMIES lance un appel PEPS « mathématiques du sport » visant à accompagner les entreprises dans leurs processus d’innovation liés au sport, à l’activité physique, au bien-être. Le PEPS est un co-financement de projets de recherche avec une entreprise.
La date limite de candidature est fixée au 10 janvier 2021.
Vous pouvez consulter l’intégralité de l’appel en ligne :
https://www.agence-maths-entreprises.fr/public/docs/faits-marquants/Appel_maths_sport_v2.pdf
Rencontre chercheur-e-s et ingénieur-e-s : « Saisir le mouvement »
Venez stimuler votre créativité et encourager le transfert de savoirs et de technologies entre communautés scientifiques ! Une rencontre organisée par Phimeca et AMIES autour du thème « saisir le mouvement » le 25 novembre 2020, vous pouvez vous inscrire : https://seminaire.phimeca.com/
Chapitre IEEE France
Chers membres du Chapitre Signal Processing de la Section IEEE France,
Voici plusieurs informations susceptibles de vous intéresser :
- En janvier 2020, IEEE Signal Processing Society a lancé le nouveau IEEE Open Journal of Signal Processing (OJ-SP), une plate-forme d’accès libre qui accueille les soumissions innovantes dans tous les domaines du traitement du signal. Nous vous écrivons pour vous informer des développements récents et vous encourager à envisager de publier dans OJ-SP. [Plus d’informations]
- Nous vous rappelons qu’il est toujours possible d’inviter des « Distinguished Lecturers » dans le cadre de journées du GdR ISIS ou d’évènements scientifiques qui ont lieu en France et ouverts à la communauté. Étant donné la situation actuelle, il est possible de solliciter un DL pour un talk en visioconférence.
La liste des DL est disponible ici. - Nous souhaitons encourager les membres de notre communauté à candidater dans les 12 différents TC du chapitre SPS, à savoir :
- Applied Signal Processing Systems
- Audio and Acoustic Signal Processing
- Bio Imaging and Signal Processing Technical Committee
- Computational Imaging
- Image, Video, and Multidimensional Signal Processing
- Information Forensics and Security
- Machine Learning for Signal Processing
- Multimedia Signal Processing
- Sensor Array and Multichannel
- Signal Processing for Communications and Networking
- Signal Processing Theory and Methods
- Speech and Language Processing
William Puech, Président du Chapitre France IEEE SPS
Rémy Boyer, Secrétaire du Chapitre France IEEE SPS
Cédric Demonceaux, Trésorier du Chapitre France IEEE SPS
Club des partenaires du GdR ISIS
Ouverture du Centre Lagrange en Mathématiques et Calcul soutenu par Huawei
Huawei annonce l’ouverture d’un nouveau Centre Lagrange en Mathématiques et Calcul ouvert à la communauté scientifique. L’ambition du centre Lagrange est de faire bouger les lignes en termes de limites fondamentales (théorisées par la Capacité de Shannon, l’Architecture Von-Neumann, ou encore la Loi de Moore) afin de réaliser des progrès significatifs dans le domaine des mathématiques appliqués et du calcul. Car les avancées nécessaire en calcul et en data science sont clés dans une industrie où les mathématiques sont la discipline fondamentale. Huawei espère ainsi contribuer au développement et à l’excellence d’un écosystème mathématique en France qui permettra de créer des ruptures scientifiques dans le domaine du calcul en s’inscrivant dans une perspective de long terme (10 ans). Le Nouveau Centre de recherche mathématique Lagrange situé au 103 rue de Grenelle – Paris 7e est au cœur d’un écosystème unique qu’abrite la région Ile-de-France, avec notamment la plus grande concentration de mathématiciens au monde. Ce lieu sera ouvert à une trentaine de chercheurs qui travailleront étroitement avec leur université, instituts de recherche et école dans une liberté académique totale. Il sera notamment ouvert à une dizaine de chercheurs invités permanents. Le centre accueillera régulièrement des séminaires qui seront ouverts à l’ensemble de la communauté scientifique. Un comité de sélection sera mis en place ainsi qu’un conseil scientifique avec des chercheurs de renommée internationale dans le domaine des mathématiques. A terme, Huawei espère transformer ce centre en une fondation dans le but de contribuer au financement de la recherche et l’innovation de rupture scientifique.
Contexte
5ème groupe mondial en termes d’investissement R&D avec 15 milliards d’euros investis dans le monde chaque année (30% en recherche long-terme, 70% en recherche appliquée), Huawei a choisi la France comme terre d’excellence en matière de recherche et développement. Fort d’un investissement R&D de 138M d’euros depuis 2014 en France, Huawei a ouvert cinq centres de recherche (Paris, Boulogne-Billancourt, Grenoble et Nice) développant des expertises spécifiques (esthétique des appareils, mathématiques, normes sans fil, intelligence artificielle, puces électroniques), et qui rassemblent près de 200 chercheurs issus des meilleurs établissements avec une forte part de chercheurs internationaux. Huawei France s’inscrit également dans une stratégie d’innovation ouverte avec l’ouverture à Paris en avril 2018 d’une plateforme Open Lab avec des partenaires industriels en lien avec l’écosystème tech (start-ups, écoles).
Merouane DEBBAH, Vice-President, Huawei France R&D
Activités du GdR ISIS
Réunions programmées
Les informations sur ces réunions et les liens d’inscription sont à retrouver sur le site du GdR ISIS.
Comptes-rendus récemment publiés
Comptes-rendus des réunions d’animation, accessibles uniquement aux utilisateurs identifiés sur le site, à partir de cette page.
- Télédétection et Climat – 2023-12-07
- Etat des lieux de la reconstruction tomographique – 2023-11-17
- Caméra à événements appliquée à la robotique – 2023-11-16
- Traitement du signal pour la musique (Action Audio) – 2023-11-16
- Journée Visage, gestes, actions et comportement – 2023-11-13
- Méthodes bayésiennes approximées et variationnelles pour la détection, l’estimation et le décodage – 2023-09-28
- Journée Vision 3D et apprentissage – 2023-06-27
- Journée carrière des doctorants du GDR ISIS – 2023 – 2023-06-19
- Analyse forensique de données multimédia – 2023-05-16
- Etat des lieux de la compression des données multimédia – 2023-05-10
Dans le kiosque d’annonces du GdR ISIS
Propositions de postes
Postes d’enseignants-chercheurs
- Poste MCF en section 27, Université Paris Cité – IUT / LIPADE : Image et programmation / algorithmes
- Un poste de maître de conférence en imagerie médicale l’université de Paul Sabatier, Toulouse 3
- Poste Enseignant-chercheur en image et IA
- Postes d’enseignant-chercheur en « Machine Learning » à l’ENSAI
- Appel à candidatures pour la fonction de direction du laboratoire Sciences et technologies de la musique et du son (UMR 9912 STMS) – Mandature 2025-29
Postes de chercheurs
Post-doctorants
- Bayesian model comparison
- Postdoctorat en science des données pour le contrôle qualité dans la fabrication de dispositifs médicaux
- TWO Postdoctoral Researcher positions for Developing Emotionally Intelligent Agents through Large Language Models for Personalized User Interaction
- Chercheur (H/F) 18 mois : Modélisation physique des télécommunications optiques en espace libre à travers une atmosphère diffusante dans le domaine MWIR
- 2years post-doc position Machine Learning and nanosats to probe small bodies interior
- Algorithmes pour l’imagerie hyperspectrale computationnelle
- Hybrid Artificial Intelligence applied to Byzantine Sigillography
- Post-Doctoral Position in Physics-based Machine Learning in the MALICE Inria project team (Inria Lyon Centre, LabHC)
- Post-Doctoral Fellow (PerForms): Computer Vision and 3D Modeling at IMT Atlantique
- Data Analysis in Tomographic Imaging
- Postdoc : Resource allocation and signaling problems in 6G wireless communication networks
- Post-Doctoral Fellow in the field of Computer Vision and 3D Modeling (W/M) – 24months
- Postdoc position: Visual servoing for tumor tracking in minimally invasive robotic surgery
- Postdoc position: Computer vision and augmented reality for laparoscopic liver surgery guidance
- Modélisation de l’interaction main/doigts-matière déformable dans la robotique collaborative
- Two-year postdoc position in signal processing and Monte Carlo methods applied to epidemiology
- Post-doc : Développement d’un modèle numérique patient-spécifique pour la simulation chirurgicale de la valve mitrale
- Two research fellows in Robotics perception for intelligent vehicles
- Postdoc position on computational imaging at ENS Lyon
- Post-Doctoral Fellowship: Deep learning-based approaches for dose images denoising
- Postdoctoral position on explainable AI applied to genome data
Postes d’ATER
Sujets de thèses
- Thèse en cotutelle France-Canada : Deep learning-based compression of dynamic 3D point clouds
- Detection of neuromarkers of an inner speech task by electroencephalography: application to the detection of auditory verbal hallucinations
- Multi-temporal and multi-modal Earth Observation latent space decoding using physically aware Deep Learning
- Thèse ONERA – SONDRA: Self-Supervised Anomaly Detection in complex-valued SAR imaging
- Thèse CIFRE RENAULT/ I3S Nice
- Conception de formes d’ondes pour l’accès massif non coordonné dans les réseaux sans fils
- PhD in Deep Learning for Ocean Science
- PhD CIFFRE – Object Detection from Few Multispectral Examples
- IA explicable (XAI – eXplainable AI) pour la prévision de chutes de blocs rocheux
- PHD position: Sustainable wireless communications: low-energy, low-cost and zero added electromagnetic waves
- PHD position: AI-enhanced highly mobile and unpredictable IoT networks
- PhD Position: Toward Frugal Machine Learning with Physics-Aware Models
- Thèse : Méthodologie d’évaluation de la représentativité et de la vulnérabilité des jeux de données de type traces numériques pour l’analyse de la mobilité
- Exploring Deep Information Geometry
- PhD position at INSA Rennes – Massive cell-free MIMO and reconfigurable intelligent surfaces for 6G and beyond networks: learning-based optimization approaches.
- PhD open-position : Pose Estimation of Texture-Less Object in an Industrial Context
- Study of Reconfigurable Intelligent Surfaces (RIS) Based on RFID tags
- Energy efficient and intelligent 5G massive MIMO solutions based on machine-learning for Vehicular communications
Postes d’ingénieurs
- Algorithmes pour l’imagerie hyperspectrale computationnelle
- Poste ingénieur 12mois : IA embarqué et détection d’objets sur projet académique et industriel
- (INT Marseille) Ingénieur de recherche en IA et analyse d’images IRM cérébrales
- (LIS-Marseille) Poste d’ingénieur (IR): Analyse d’images de microscopie électronique par « Deep Learning »
- La Rochelle Université recrute au sein du laboratoire Informatique Image Interaction (L3i) de l’Institut LUDI, un·e ingénieur·e de recherche en informatique sous contrat à durée indéterminée
Offres de stages
- Détection dynamique d’événements routiers à partir d’une caméra événementielle
- M2 internship; Development of spatiotemporal attention mechanisms for enhanced motion segmentation in video sequences
- Stage M2/Ingénieur : Multi-view clustering
- Stage M2/Ingénieur : Classification de lésions cutanées
- Etude comparative des performances de techniques de classification de données multicapteurs pour l’analyse d’activités de personnes fragiles dans un environnement domestique
- IMT-Atlantique M2 internship: High-resolution reconstruction of ocean global oxygen
- IMT-Atlantique M2 internship: Precursors of extremes from data
- Title : A Dynamic Multi-objective Model For Campus Timetable Scheduling
- Stage M2 – Techniques de classification et de caractérisation d’interférences GNSS (LOCSP)
- Stage M2 : Allocation de ressource pour l’efficacité énergétique des systèmes sans-fils subissant des effets non linéaires
- Frugal Learning / Zero-Shot Learning of Semantic Segmentation Image Application on COVERED (CollabOratiVE Robot Environment Dataset) for 3D Semantic Segmentation
- Internship subject at LIFO, Orléans
- Stage M2 : Deep learning faiblement supervisé pour l’aide au diagnostic du lymphome
- Stage M2 – Analyse d’images biomédicales
- Contrastive learning and training strategies for deep hyperspectral unmixing
- Convergent Plug-and-Play algorithm for Deep Hyperspectral Unmixing
- Stage de M2: Analyse de données hétérogènes pour l’étude des troubles bipolaires
- STAGE M2 – Imagerie Aérospatiale
- Stage M2 : une méthode générique de fusion des images à différentes échelles
- Proposition de stage : Expliquabilité des GNNs
- M2 Internship: Human action recognition using fusion of spatio-temporal data and scene interpretation
- Détection dynamique d’événements routiers à partir d’une caméra événementielle
- Gaussian Process Prior Variational Autoencoders for Earth Data Time Series Anlaysis
- [THALES] STAGE – Ingénieur IA et modélisation – F/H
- Reconnaissance d’actions dans les vidéos de sport amateur
- Méthodes de dé-mélange pour la correction d’atténuation d’images tomographiques de fluorescence
- Réseaux convolutifs pour la microscopie par ptychographie de Fourier
- Master internship for Spring 2024 on Unbalanced optimal transport-based regularizers applied to epidemiology
- Interprétabilité des modèles Transformers dans l’analyse des images médicales
- Stage IMS Bordeaux : Implémentation embarquée de réseaux de neurones profonds pour le diagnostic de maladies de la vigne.
- Automatic classification of plasmodium parasite species and stages of development from stained thin blood smears using machine learning
- Stage M2 | PFE : Self super-resolution for prostate cancer segmentation and detection
- Stage M2 | PFE : Deep characterization of prostate cancer in multi-parametric imaging
- Master 2 internship at LIP6 – Medical implant detection on head CT images
- Stage M2 – PFE Séparation de sources acoustiques de synthèses mécanochimiques par factorisation de matrices non-négatives // gipsa-lab Grenoble
- M2 Internship : Assessment of patient pain based on Deep Learning approaches using multimodal data
- Stage M2/Ing : Fusion Intermédiaire des Modalités pour la Reconnaissance Audiovisuelle des Emotions Spontanées
- Investigating Deepfake Watermarking
- Détection d’anomalies AIS: tracking du niveau et des azimuts d’émission
- Stage-Ingénieur RD – Bac +5 (Eybens) – Développement d’algorithmes de détection, identification et prédiction de défauts moteur pour applications industrielles
- M2 Internship : Assessment of patient pain based on Deep Learning approaches using multimodal data
- Stage M2/Ing : Fusion Intermédiaire des Modalités pour la Reconnaissance Audiovisuelle des Emotions Spontanées
- [Stage M2] Rob-Perroquet : optimisation des modèles d’IA pour une interaction Homme-Robot temps-réel
- Master internship for Spring 2024 on Diffusion Models for Audio Inpainting
- Stage M2 / PFE : Explanable Artificial Intelligence (XAI) for Medical Image Segmentation
- M2 internship : robust and scalable interferometric phase linking for Earth deformation monitoring with SAR satellite image time-series
- Stage M2 : IA-based automated detection and behavior analysis among piglets (Rennes)
- M2 Stage – Strong coordination and strategic communication
- Stage Master : « Identification algorithmique d’images d’otolithes par IA avec un ensemble restreint de données » (GREYC , Caen / France)
- Internship M2 : Modeling of Printing-and-Digitalization process using generative methods
- Stage M2/Ingénieur : Amélioration de la robustesse de l’apprentissage fédéré
- Stage de M2: Prédiction de l’eutrophisation d’un lac
- Stage de M2 : Intégration des incertitudes et effets liés aux différentes sources de données pour l’identification des stocks de poisson
- Stage M2 / PFE : Explanable Artificial Intelligence (XAI) for Medical Image Segmentation
- Création d’un outil de représentation numérique de la pollution lumineuse en 3D temps réel
- Stage – Ingénieur-e en Intelligence Artificielle F/H
- Stage M2/Ingénieur (LaTIM) : Intraoperative registration for magnetic micro robotic injection in knee osteoarthritis treatment
- Deep learning and tensor decomposition for the analysis of patterns in signals and multimodal imaging. Application to neuropathies
- Apprentissage multimodal pour l’étalonnage de capteurs de polluants atmosphériques à faible coût et leur prédiction
- AI characterization of the MR SWI-DWI ischemic mismatch for hyperacute ischemic stroke patients
- Medical imaging for the prediction of survival of patients with stroke with deep-learning
- Stage M2/Ingénieur: deep learning pour l’imagerie thermique
- Internship on Geo-coding of textual input
- Internship on Partial latent encoding of multi-spectral data
- Internship on Joint encoding of multi-spectral images
- Internship for Learning-based super-resolution inspired by quantum physics: application to 3D dental imaging
- REALISTIC DATASETS FOR ROBUST EVALUATION OF FRESCO RECONSTRUCTION ALGORITHMS
- ACCELERATION OF LOCAL REGISTRATION ALGORITHMS FOR FRESCO RECONSTRUCTION
- stage Master 2 : Discovering new objects for visual localization
- [Stage M2] Méthodes de fusion de données multispectrales à de multiples résolutions et à données manquantes. Application aux images Sentinel-2 et Sentinel-3
- « Dall-e Brain » : A generative prompt model for synthetic healthy brain images
- Qualification automatique de l’agrément d’un lieu pour évaluer sa marchabilité perçue
- Calcul et évaluation des indicateurs automatiques de marchabilité
- Anomaly detection methods in a signal processing context
- Optimizing Manufacturing: Anomaly Detection with Optimal Transport and Operations Research Integration
- Stage Master 2 (I3S – CNRS): Reliable Low-Latency Communication via Forward Error Correction
- Deep learning with Normalizing Flows for anomaly detection on time series
- Stage en imagerie médicale : Nouvelles méthodes d’IA pour la prédiction des maladies neurologiques
- Offre de stage master M2 ou PFE ingénieur.e – Boussole optique pour estimer le cap céleste dans l’ultraviolet
- Stage – Synthèse de formes d’ondes Radar et communication par réseau MIMO
- Few shot medical image classification
- Intership Inria Lyon / INSA Lyon : Reinforcement Learning for Stochastic Resource Allocation in 6G Networks
- Stage M2/Ecole d’ingénieur – Robust Multi-Task Learning from Multiple Remote Sensing Datasets
- Offre de stage de recherche en vision par ordinateur
- Offre de stage master M2 ou PFE ingénieur.e – Traitement d’images polarimétriques pour la navigation sans GPS bio-inspirée
- Offre de stage M2 ou PFE Ingénieur.e – Mise en œuvre d’une boussole optique embarquée pour véhicule
- Graph Neural Networks (GNN) for Social Networks
- Stage M2 – Non-stationary and robust Reinforcement Learning methodologies for drones detection
- Stage PFE 6 mois – niveau Master 2, sujet : Modélisation de la consommation d’énergie des applications de streaming vidéo
- Etude des caméras light field à rolling shutter / Study of rolling shutter light field cameras
- Internship offer in decentralized/federated machine learning — I3S Laboratory, Sophia Antipolis
- Decentralized learning in the presence of heterogeneous system devices
- Offre de stage BAC+5 à Tours – Segmentation IRM cérébrales 3D
- Stage M2 ONERA – Self Supervised Learning pour la détection d’objets de petite taille
- Automated Human Action Data Acquisition and Synchronization Tool for Digital Twin Systems
- Stage M2 ONERA – Optimisation sous incertitudes par algorithme évolutionnaire pour des données hyperspectrales
- [Stage – Saclay] Apprentissage et inférence de données manquantes dans des séries de données SAR cohérentes. Application : imagerie 3-D d’environnements naturels – Mission ESA BIOMASS
- M2/Ecole d’Ingénieur Internship (IRISA Vannes): Active learning and object detection in multimodal aerial images
- Stage M2-Microbubble Localization using Deep Learning for Ultrasound Localization Microscopy (ULM)
- Reconstruction d’IRM par apprentissage profond
- Stage de Master 2 : Détection et poursuite parcimonieuse hors-grille de contrails dans des images satellites (FR/EN)
- (LIS-Marseille) Master2 – PFE : Analyse d’images de microscopie électronique par réseaux profonds : Augmentation de données
- Méthodes d’apprentrissage profond pour l’accélération d’IRM
- Modélisation par apprentissage profond d’un “stylo magique”
- Bioacoustic analysis of marine mammal sounds using signal processing methods
- Influence of glycemic control on sleep in type 1 diabetic patients
- Master2 internships in AI for Computer Vision
- Stage PFE Ingénieur/Master Orange: Machine Learning solutions for MIMO systems
- Implémentation efficace d’algorithmes d’apprentisage pour la télédétection
- M2 internship; Development of spatiotemporal attention mechanisms for enhanced motion segmentation in video sequences
- Stage M2 – Robust joint detection-estimation methodologies for massive radio telescopes
- Stage M2 + thèse: apprentissage auto-supervisé de représentations multimodales
- Stage M2 – Apprentissage de prior pour les problèmes inverses
- Three M2 internship subjects in the Morpheme team – Sophia-Antipolis
- Master thesis IRISA: Embedded Linux for Software Defined Radio
- Master thesis IRISA: Embedded bird sound recognition on intermittent platform
- Model-based deep learning for efficient electromagnetic modelling of high-dimensional frequency selective surfaces
- Modèles hiérarchiques pour l’analyse multi-échelle de données de très haute résolution en imagerie synchrotron
- Analyse topologique de mouvements de grains dans une séquence d’images 3D
- Stage de fin d’études ONERA/DTIS : Imageur 3D monoculaire par Depth from Defocus et réseau de neurones
- Couplage réseaux de neurones et modèle physique pour la détection de défaut par thermographie infra-rouge
- Impact du traitement numérique sur la conception conjointe optique/traitement
- Stage IMT Atlantique : Reconnaissance aveugle de modulation des signaux de communication acoustiques sous-marins
- STAGE: étude des changements de forme des cellules au cours de l’embryogénèse
- STAGE: extension de la nomenclature de Conklin pour le nommage d’embryon d’ascidies
- Localisation des fissures volcaniques dans les données de télédétection par apprentissage automatique
- Etudier les risques de vie privée sur la reconstruction de profils à partir d’images IRM en comparaison à des photos de réseaux sociaux
- Fusion de données images et textuelles pour la prédiction de l’issue de l’AVC
- High-performance information extraction from cosmic web probes
- Extensions de l’algorithme Trial and Error Learning dans le cadre des réseaux de communications
- Stage de fin d’études « Deep Generative Modeling of Multi-microphone Speech Signals »
- Medical image segmentation: application to brain aneurysms in neurosurgery
- Traitement d’image embarqué pour la réduction de bruit colonnaire d’un flux vidéo infrarouge
- M2 Internship: ultrasound liver image segmentation using deep learning
- Internship proposal: Development of a SPD-autoencoder with time series analysis application for remote sensing data
- Ecological Habitat Mapping via Semantic Segmentation from airborne imagery
- Stage Traitement du signal – IA : Dépliement d’algorithmes parcimonieux de goniométrie
- Détection d’anomalies dans la croissance de plantes
- Machine learning pour l’imagerie des plantes
Autres propositions
Evénements
Appels à projets
Annonces de conférences
- Call for paper CCIW 2024
- 14ème conférence scandinave sur l’intelligence artificielle (SCAI’24)
- Journées IA hybride
- IEEE Conf. ISIVC’24, Marrakech, Morocco, 21th-23th May, 2024
- Conference EUSIPCO 2024
- 1st Artificial Intelligence Models and Artifacts for Business Intelligence Applications (AIM ABIA 2024) – Call for Papers
- The 14th Scandinavian Conference on Artificial Intelligence (SCAI)
Ecoles thématiques
Publications
- Parution du livre : Optimisation et apprentissage (ISTE Editions)
- PanoraMIS : nouveau dataset en ligne
- Nouveau livre : Shannon, La théorie mathématique de la communication, en français
- Livre en libre accès sur HAL
- New book: Graph Partitioning by C.-E. Bichot and P. Siarry (Eds) WILEY-ISTE
- Revue TS : site de soumission
- Antennes non-standard
- « Artificial Ants » – New book announcement by N. Monmarché, F. Guinand and P. Siarry (Eds) ISTE-WILEY
- Nouveau livre « De la radio logicielle à la radio intelligente »