Fusion of ultrasound and MRI images using weakly or unsupervised learning: application in neuro-oncology

——————————————————————————————————————–For detailed information, please visit: https://cloud.irit.fr/s/eHMsZcVoigPfenR——————————————————————————————————————– Stage M2 Keywords: ultrasound, IRM, fusion, deep learning, diffusion models, DDRM. Where: Institut de Recherche en Informatique de Toulouse (IRIT) in Toulouse. Project DescriptionGlial tumors are the most common primary brain tumors, with significant variability in aggressiveness and prognosis [1]. Surgical resection is the…

Lire la suite

Enseignant chercheur sur la Gestion des systèmes de mobilités multimodaux H/F (CESI LINEACT)

Contexte : CESI LINEACT (UR 7527), Laboratoire d’Innovation Numérique pour les Entreprises et les Apprentissages au service de la Compétitivité des Territoires, anticipe et accompagne les mutations technologiques des secteurs et des services liés à l’industrie et au BTP. La proximité historique de CESI avec les entreprises est un élément…

Lire la suite

Histopathologie générative pour l’augmentation de données et l’amélioration de la fiabilité des systèmes d’aide au diagnostic du cancer

Mots-clés : IA générative, images histopathologiques, augmentation d’images, aide à la décision, cancer Contexte Les images histopathologiques jouent un rôle crucial dans le développement de modèles d’analyse avancés, essentiels pour l’aide au diagnostic du cancer. Cependant, la disponibilité limitée de ces données et leur représentativité souvent insuffisante en raison de…

Lire la suite

Modèles génératifs profonds pour la correction semi-supervisée d’environnements reconstruits par photogrammétrie.

Annonce de thèse « Modèles génératifs profonds pour la correction semi-supervisée d’environnements reconstruits par photogrammétrie » dans l’équipe ComSEE à l’Institut Pascal (Clermont-Ferrand). Les candidatures sont à envoyer avant le 15 février 2025 à maxime.lhuillier@uca.fr Titre: Modèles génératifs profonds pour la correction semi-supervisée d’environnements reconstruits par photogrammétrie. Title: Deep generative models for…

Lire la suite

Développement de modèles Graph Neural Networks (GNN) pour la classification et la prédiction des propriétés moléculaires

Stage M2 au Laboratoire LGI2A, Université d’Artois Les représentations moléculaires traditionnelles, telles que SMILES (Simplified Molecular Input Line Entry System) ou les méthodes inspirées de Word2Vec, présentent des limitations dans leur capacité à capturer la stéréochimie moléculaire. Ces formats se concentrent principalement sur la connectivité atomique et les liaisons, sans…

Lire la suite

Prédiction des voies de synthèses pour des dérivés de cyclodextrines à partir de l’IA explicable

Stage niveau M2 Contexte L’intelligence artificielle n’a pas seulement révolutionné les domaines tels que l’analyse d’image et le traitement automatique des langages, mais il présente également un intérêt particulier pour la chimie [1]. Particulièrement, les tâches de synthèse et la rétrosynthèse sont deux piliers de la chimie organique. La tâche…

Lire la suite

Étude de l’attention visuelle dans des espaces architecturaux visualisés en réalité virtuelle

Stage M1 ou M2 Stage recherche LS2N (Nantes) Contexte La lumière naturelle porte des valeurs essentielles, affectives et culturelles, qui participent aux qualités prêtées aux espaces intérieurs. Nombreux sont les architectes qui s’en saisissent pour créer des ambiances, révéler des volumes, rythmer un parcours et émouvoir. Néanmoins, les indicateurs existant…

Lire la suite