Vous êtes ici : GIPSA-lab > Formation > Thèses soutenues
Chargement
COSTARD Aude

Estimation de la structure d'indépendance conditionnelle d'un réseau de capteur. Application à l'imagerie médicale

 

Directeur de thèse :     Olivier MICHEL

Co-encadrant :     Sophie ACHARD

École doctorale : Electronique, electrotechnique, automatique, traitement du signal (eeats)

Spécialité : Signal, image, parole, télécoms

Structure de rattachement : Grenoble-INP

Établissement d'origine : INPG - ENSE3

Financement(s) : autres financements

 

Date d'entrée en thèse : 01/11/2011

Date de soutenance : 10/11/2014

 

Composition du jury :
DESVIGNES Michel, Professeur, Grenoble INP, Président
HEINRICH Christian, Professeur, Université de Strasbourg, Rapporteur
LEZORAY Olivier, Professeur, Université de Caen, Rapporteur
DE VICO FALLANI Fabrizio, Chercheur, INRIA, Examinateur
MESKALDJI Djalel, Research Associate, EPFL, Examinateur
MICHEL Olivier, Professeur, Grenoble INP, Directeur de thèse
ACHARD Sophie, Chargé de Recherche, CNRS, Encadrante
BORGNAT Pierre, Chargé de Recherche, CNRS, Encadrant

 

Résumé : Cette thèse s'inscrit dans le cadre de l'étude de réseaux de capteurs. L'objectif est de pouvoir comparer des réseaux en utilisant leurs structures d'indépendance conditionnelle. Cette structure représente les relations entre deux capteurs sachant l'information enregistrée par les autres capteurs du réseau. Nous travaillons sous l'hypothèse que les réseaux étudiés sont assimilables à des processus gaussiens multivariés. Sous cette hypothèse, estimer la structure d'indépendance conditionnelle d'un processus multivarié gaussien est équivalent à estimer son modèle graphique gaussien. Dans un premier temps, nous proposons une nouvelle méthode d'estimation de modèle graphique gaussien : elle utilise un score proportionnel à la probabilité d'un graphe de représenter la structure d'indépendance conditionnelle du processus étudié et est initialisée par Graphical lasso. Pour situer notre méthode par rapport aux méthodes existantes, nous avons développé une procédure d'évaluation des performances d'une méthode d'estimation de modèles graphiques gaussiens incluant notamment un algorithme permettant de générer des processus multivariés gaussiens dont la structure d'indépendance conditionnelle est connue. Dans un deuxième temps, nous classifions des processus à partir des estimées des structures d'indépendance conditionnelle de ces processus. Pour ce faire, nous introduisons comme métrique la divergence de Kullback-Leibler symétrisée entre les profils croisés normalisés des processus étudiés. Nous utilisons cette approche pour identifier des ensemble de régions cérébrales pertinentes pour l'étude de patients dans le coma à partir de données d'IRM fonctionnelle.


GIPSA-lab, 11 rue des Mathématiques, Grenoble Campus BP46, F-38402 SAINT MARTIN D'HERES CEDEX - 33 (0)4 76 82 71 31