Tesis sobre el tema "Imagerie RGB"

L’identification des états sanitaires du raisin au moment de la vendange est un enjeu majeur afin de produire des vins de qualité. Pour répondre à cet enjeu, des données sont acquises par spectrométrie, imagerie hyperspectrale et imagerie RGB sur des échantillons de raisin au cours des vendanges.Plusieurs prétraitements adaptés à chaque type de données sont appliqués tels que la normalisation, la réduction, l’extraction de vecteurs de caractéristiques et la segmentation de zones utiles. D’un point de vue imagerie, la reconstitution en fausses couleurs des images hyperspectrales, éloignée de la réalité, ne permet pas d’étiqueter toute la diversité intra-classe. En revanche, la qualité visuelle de l’imagerie RGB favorise l’étiquetage des classes avec précision. A partir de cet étiquetage, des classifieurs tels que les machines à vecteurs de support, les forêts aléatoires, l’estimation du maximum de vraisemblance, la mise en correspondance spectrale, les k-moyennes sont testés et entrainés sur les bases étiquetées. En fonction de la nature des données, le plus performant est appliqué sur les images entières de grappes ou caisses de raisins de plusieurs cépages provenant de différentes parcelles.Les indices de qualité obtenus à partir du traitement des images RGB sont très proches des estimations effectuées par les experts du domaine
Identifying the health conditions of the grapes at harvest time is a major issue in order to produce quality wines. To meet this issue, data are acquired by spectrometry, hyperspectral imaging and RGB imaging on grape samples during harvest.Several pre-treatments adapted to each type of data are applied such as normalization, reduction, extraction of characteristic vectors, and segmentation of useful areas. From an imaging point of view, the reconstruction in false colors of hyperspectral images, far from reality, doesn’t allow to label all the intra-class diversity. On the other hand, the visual quality of RGB imaging enables accurate class labelling. From this labelling, classifiers such as support vector machines, random forests, maximum likelihood estimation, spectral mapping, k-means are tested and trained on labelled bases. Depending on the nature of the data, the most effective is applied to whole images of grape clusters or crates of grapes of several grape varieties from different parcels.The quality indices obtained from RGB image processing are very close to the estimates made by experts in the field

Dans ce travail, nous avons abordé le problème d’estimation automatique du regard dans des environnements utilisateur sans contraintes. Ce travail s’inscrit dans la vision par ordinateur appliquée à l’analyse automatique du comportement humain. Plusieurs solutions industrielles sont aujourd’hui commercialisées et donnent des estimations précises du regard. Certaines ont des spécifications matérielles très complexes (des caméras embarquées sur un casque ou sur des lunettes qui filment le mouvement des yeux) et présentent un niveau d’intrusivité important, ces solutions sont souvent non accessible au grand public. Cette thèse vise à produire un système d’estimation automatique du regard capable d’augmenter la liberté du mouvement de l’utilisateur par rapport à la caméra (mouvement de la tête, distance utilisateur-capteur), et de réduire la complexité du système en utilisant des capteurs relativement simples et accessibles au grand public. Dans ce travail, nous avons exploré plusieurs paradigmes utilisés par les systèmes d’estimation automatique du regard. Dans un premier temps, Nous avons mis au point deux systèmes basés sur deux approches classiques: le premier basé caractéristiques et le deuxième basé semi apparence. L’inconvénient majeur de ces paradigmes réside dans la conception des systèmes d'estimation du regard qui supposent une indépendance totale entre l'image d'apparence des yeux et la pose de la tête. Pour corriger cette limitation, Nous avons convergé vers un nouveau paradigme qui unifie les deux blocs précédents en construisant un espace regard global, nous avons exploré deux directions en utilisant des données réelles et synthétiques respectivement
In this thesis, we tackled the automatic gaze estimation problem in unconstrained user environments. This work takes place in the computer vision research field applied to the perception of humans and their behaviors. Many existing industrial solutions are commercialized and provide an acceptable accuracy in gaze estimation. These solutions often use a complex hardware such as range of infrared cameras (embedded on a head mounted or in a remote system) making them intrusive, very constrained by the user's environment and inappropriate for a large scale public use. We focus on estimating gaze using cheap low-resolution and non-intrusive devices like the Kinect sensor. We develop new methods to address some challenging conditions such as head pose changes, illumination conditions and user-sensor large distance. In this work we investigated different gaze estimation paradigms. We first developed two automatic gaze estimation systems following two classical approaches: feature and semi appearance-based approaches. The major limitation of such paradigms lies in their way of designing gaze systems which assume a total independence between eye appearance and head pose blocks. To overcome this limitation, we converged to a novel paradigm which aims at unifying the two previous components and building a global gaze manifold, we explored two global approaches across the experiments by using synthetic and real RGB-D gaze samples

Dans cette thèse, nous traitons des problèmes de la détection des personnes et de l'estimation de leurs poses dans la Salle Opératoire (SO), deux éléments clés pour le développement d'applications d'assistance chirurgicale. Nous percevons la salle grâce à des caméras RGB-D qui fournissent des informations visuelles complémentaires sur la scène. Ces informations permettent de développer des méthodes mieux adaptées aux difficultés propres aux SO, comme l'encombrement, les surfaces sans texture et les occlusions. Nous présentons des nouvelles approches qui tirent profit des informations temporelles, de profondeur et des vues multiples afin de construire des modèles robustes pour la détection des personnes et de leurs poses. Une évaluation est effectuée sur plusieurs jeux de données complexes enregistrés dans des salles opératoires avec une ou plusieurs caméras. Les résultats obtenus sont très prometteurs et montrent que nos approches surpassent les méthodes de l'état de l'art sur ces données cliniques
In this thesis, we address the two problems of person detection and pose estimation in Operating Rooms (ORs), which are key ingredients in the development of surgical assistance applications. We perceive the OR using compact RGB-D cameras that can be conveniently integrated in the room. These sensors provide complementary information about the scene, which enables us to develop methods that can cope with numerous challenges present in the OR, e.g. clutter, textureless surfaces and occlusions. We present novel part-based approaches that take advantage of depth, multi-view and temporal information to construct robust human detection and pose estimation models. Evaluation is performed on new single- and multi-view datasets recorded in operating rooms. We demonstrate very promising results and show that our approaches outperform state-of-the-art methods on this challenging data acquired during real surgeries

L'émergence de capteurs de profondeur capturant la structure 3D de la scène et du corps humain offre de nouvelles possibilités pour l'étude du mouvement et la compréhension des comportements humains. Cependant, la conception et le développement de modules de reconnaissance de comportements à la fois précis et efficaces est une tâche difficile en raison de la variabilité de la posture humaine, la complexité du mouvement et les interactions avec l'environnement. Dans cette thèse, nous nous concentrons d'abord sur le problème de la reconnaissance d'actions en représentant la trajectoire du corps humain au cours du temps, capturant ainsi simultanément la forme du corps et la dynamique du mouvement. Le problème de la reconnaissance d'actions est alors formulé comme le calcul de similitude entre la forme des trajectoires dans un cadre Riemannien. Les expériences menées sur quatre bases de données démontrent le potentiel de la solution en termes de précision/temps de latence de la reconnaissance d'actions. Deuxièmement, nous étendons l'étude aux comportements plus complexes en analysant l'évolution de la forme de la posture pour décomposer la séquence en unités de mouvement. Chaque unité de mouvement est alors caractérisée par la trajectoire de mouvement et l'apparence autour des mains, de manière à décrire le mouvement humain et l'interaction avec les objets. Enfin, la séquence de segments temporels est modélisée par un classifieur Bayésien naïf dynamique. Les expériences menées sur quatre bases de données évaluent le potentiel de l'approche dans différents contextes de reconnaissance et détection en ligne de comportements
The emergence of RGB-D sensors providing the 3D structure of both the scene and the human body offers new opportunities for studying human motion and understanding human behaviors. However, the design and development of models for behavior recognition that are both accurate and efficient is a challenging task due to the variability of the human pose, the complexity of human motion and possible interactions with the environment. In this thesis, we first focus on the action recognition problem by representing human action as the trajectory of 3D coordinates of human body joints over the time, thus capturing simultaneously the body shape and the dynamics of the motion. The action recognition problem is then formulated as the problem of computing the similarity between shape of trajectories in a Riemannian framework. Experiments carried out on four representative benchmarks demonstrate the potential of the proposed solution in terms of accuracy/latency for a low-latency action recognition. Second, we extend the study to more complex behaviors by analyzing the evolution of the human pose shape to decompose the motion stream into short motion units. Each motion unit is then characterized by the motion trajectory and depth appearance around hand joints, so as to describe the human motion and interaction with objects. Finally, the sequence of temporal segments is modeled through a Dynamic Naive Bayesian Classifier. Experiments on four representative datasets evaluate the potential of the proposed approach in different contexts, including recognition and online detection of behaviors

Dans ce travail, méthodes d'estimation basées sur des images, également connu sous le nom de méthodes directes, sont étudiées qui permettent d'éviter l'extraction de caractéristiques et l'appariement complètement. L'objectif est de produire pose 3D précis et des estimations de la structure. Les fonctions de coût présenté minimiser l'erreur du capteur, car les mesures ne sont pas transformés ou modifiés. Dans la caméra photométrique estimation de la pose, rotation 3D et les paramètres de traduction sont estimées en minimisant une séquence de fonctions de coûts à base d'image, qui sont des non-linéaires en raison de la perspective projection et la distorsion de l'objectif. Dans l'image la structure basée sur le raffinement, d'autre part, de la structure 3D est affinée en utilisant un certain nombre de vues supplémentaires et un coût basé sur l'image métrique. Les principaux domaines d'application dans ce travail sont des reconstitutions d'intérieur, la robotique et la réalité augmentée. L'objectif global du projet est d'améliorer l'image des méthodes d'estimation fondées, et pour produire des méthodes de calcul efficaces qui peuvent être accueillis dans des applications réelles. Les principales questions pour ce travail sont : Qu'est-ce qu'une formulation efficace pour une image 3D basé estimation de la pose et de la structure tâche de raffinement ? Comment organiser calcul afin de permettre une mise en œuvre efficace en temps réel ? Quelles sont les considérations pratiques utilisant l'image des méthodes d'estimation basées sur des applications telles que la réalité augmentée et la reconstruction 3D ?

Les gliomes sont des tumeurs cérébrales infiltrantes difficilement curables, notamment à cause de la difficulté à visualiser toutes les infiltrations au bloc opératoire. Dans cette thèse, nous réalisons une étude clinique de spectroscopie de fluorescence de la protoporphyrine IX (PpIX) dans les gliomes de 10 patients selon l’hypothèse que les spectres collectés proviennent de la contribution de 2 états de la PpIX dont les proportions varient suivant la densité en cellules tumorales. Après avoir présenté le développement du système interventionnel proposant une excitation multi-longueurs d’onde, nous présentons son utilisation sur fantômes de PpIX mimant les propriétés des gliomes. Ceci permet tout d’abord d’obtenir les spectres émis par les 2 états séparément puis de proposer un modèle d’ajustement des spectres comme une combinaison linéaire des 2 spectres de référence sur la bande spectrale 608-637 nm. Ensuite, nous présentons la mise en place de l’étude clinique, notamment l’analyse de risques, avant d’appliquer ce système in vivo. Les mesures in vivo détectent de la fluorescence dans des tissus où le microscope chirurgical n’en détecte pas, ce qui pourrait s’expliquer par un changement d’état de la PpIX entre le cœur des gliomes et leurs infiltrations. L’intérêt de l’excitation multi-longueurs d’onde est démontré par la décroissance de la corrélation des spectres acquis aux trois excitations suivant la densité en cellules tumorale. Enfin, nous soulevons des pistes d’étude de l’identification peropératoire des zones de fonctionnalité cérébrale à l’aide d’une caméra optique ainsi que l’étude du temps de vie de fluorescence et de la fluorescence deux photons de la PpIX sur fantômes
Gliomas are infiltrative tumors of the brain which are yet hardly curable, notably because of the difficulty to precisely delimitate their margins during surgery. Intraoperative 5-ALA induced protoporphyrin IX (PpIX) fluorescence microscopy has shown its relevance to assist neurosurgeons but lacks sensitivity. In this thesis, we perform a spectroscopic clinical trial on 10 patients with the assumption that collected fluorescence is a linear combination of the contribution of two states of PpIX which proportions vary with the density of tumor cells. This work starts with the development of the intraoperative, portable and real time fluorescence spectroscopic device that provides multi-wavelength excitation. Then, we show its use on PpIX phantoms with tissues mimicking properties. This first enables to obtain a reference emitted spectrum for each state apart and then permits the development of a fitting model to adjust any emitted spectrum as a linear combination of the references in the spectral band 608-637 nm. Next, we present the steps led to get approvals for the clinical trial, especially the risk analysis. In vivo data analysis is then presented, showing that we detect fluorescence where current microscopes cannot, which could exhibit a change in PpIX state from glioma center to its margins. Besides, the relevance of multi-wavelength excitation is highlighted as the correlation between the three measured spectra of a same sample decreases with the density of tumor cells. Finally, the complementary need to intraoperatively identify cerebral functional areas is tackled with optical measurements as a perspective and other properties of PpIX on phantoms are also raised

L'imagerie numérique, de la synthèse d'images à la vision par ordinateur est en train de connaître une forte évolution, due entre autres facteurs à la démocratisation et au succès commercial des caméras 3D. Dans le même contexte, l'impression 3D grand public, qui est en train de vivre un essor fulgurant, contribue à la forte demande sur ce type de caméra pour les besoins de la numérisation 3D. L'objectif de cette thèse est d'acquérir et de maîtriser un savoir-faire dans le domaine de la capture/acquisition de modèles 3D en particulier sur l'aspect rendu réaliste. La réalisation d'un scanner 3D à partir d'une caméra RGB-D fait partie de l'objectif. Lors de la phase d'acquisition, en particulier pour un dispositif portable, on est confronté à deux problèmes principaux, le problème lié au référentiel de chaque capture et le rendu final de l'objet reconstruit
Digital imaging, from the synthesis of images to computer vision isexperiencing a strong evolution, due among other factors to the democratization and commercial success of 3D cameras. In the same context, the consumer 3D printing, which is experiencing a rapid rise, contributes to the strong demand for this type of camera for the needs of 3D scanning. The objective of this thesis is to acquire and master a know-how in the field of the capture / acquisition of 3D models in particular on the rendered aspect. The realization of a 3D scanner from a RGB-D camera is part of the goal. During the acquisition phase, especially for a portable device, there are two main problems, the problem related to the repository of each capture and the final rendering of the reconstructed object

Ce manuscrit propose une approche méthodologique pour la constitution d’une chaîne complète de vidéosurveillance pour des environnements naturellement encombrés. Nous identifions et levons un certain nombre de verrous méthodologiques et technologiques inhérents : 1) à l’acquisition de séquences vidéo en milieu naturel, 2) au traitement d’images, 3) au suivi multi-cibles, 4) à la découverte et la modélisation de motifs comportementaux récurrents, et 5) à la fusion de données. Le contexte applicatif de nos travaux est la surveillance apicole, et en particulier, l’étude des trajectoires des abeilles en vol devant la ruche. De ce fait, cette thèse se présente également comme une étude de faisabilité et de prototypage dans le cadre des deux projets interdisciplinaires EPERAS et RISQAPI (projets menées en collaboration avec l’INRA Magneraud et le Muséum National d’Histoire Naturelle). Il s’agit pour nous informaticiens et pour les biologistes qui nous ont accompagnés, d’un domaine d’investigation totalement nouveau, pour lequel les connaissances métiers, généralement essentielles à ce genre d’applications, restent encore à définir. Contrairement aux approches existantes de suivi d’insectes, nous proposons de nous attaquer au problème dans l’espace à trois dimensions grâce à l’utilisation d’une caméra stéréovision haute fréquence. Dans ce contexte, nous détaillons notre nouvelle méthode de détection de cibles appelée segmentation HIDS. Concernant le calcul des trajectoires, nous explorons plusieurs approches de suivi de cibles, s’appuyant sur plus ou moins d’a priori, susceptibles de supporter les conditions extrêmes de l’application (e.g. cibles nombreuses, de petite taille, présentant un mouvement chaotique). Une fois les trajectoires collectées, nous les organisons selon une structure de données hiérarchique et mettons en œuvre une approche Bayésienne non-paramétrique pour la découverte de comportements émergents au sein de la colonie d’insectes. L’analyse exploratoire des trajectoires issues de la scène encombrée s’effectue par classification non supervisée, simultanément sur des niveaux sémantiques différents, et où le nombre de clusters pour chaque niveau n’est pas défini a priori mais est estimé à partir des données. Cette approche est dans un premier temps validée à l’aide d’une pseudo-vérité terrain générée par un Système Multi-Agents, puis dans un deuxième temps appliquée sur des données réelles
This manuscript provides the basis for a complete chain of videosurveillence for naturally cluttered environments. In the latter, we identify and solve the wide spectrum of methodological and technological barriers inherent to : 1) the acquisition of video sequences in natural conditions, 2) the image processing problems, 3) the multi-target tracking ambiguities, 4) the discovery and the modeling of recurring behavioral patterns, and 5) the data fusion. The application context of our work is the monitoring of honeybees, and in particular the study of the trajectories bees in flight in front of their hive. In fact, this thesis is part a feasibility and prototyping study carried by the two interdisciplinary projects EPERAS and RISQAPI (projects undertaken in collaboration with INRA institute and the French National Museum of Natural History). It is for us, computer scientists, and for biologists who accompanied us, a completely new area of investigation for which the scientific knowledge, usually essential for such applications, are still in their infancy. Unlike existing approaches for monitoring insects, we propose to tackle the problem in the three-dimensional space through the use of a high frequency stereo camera. In this context, we detail our new target detection method which we called HIDS segmentation. Concerning the computation of trajectories, we explored several tracking approaches, relying on more or less a priori, which are able to deal with the extreme conditions of the application (e.g. many targets, small in size, following chaotic movements). Once the trajectories are collected, we organize them according to a given hierarchical data structure and apply a Bayesian nonparametric approach for discovering emergent behaviors within the colony of insects. The exploratory analysis of the trajectories generated by the crowded scene is performed following an unsupervised classification method simultaneously over different levels of semantic, and where the number of clusters for each level is not defined a priori, but rather estimated from the data only. This approach is has been validated thanks to a ground truth generated by a Multi-Agent System. Then we tested it in the context of real data

Background: With the emerging application of autonomous vehicles in the automotive industry, several efforts have been made for the complete adoption of autonomous vehicles. One of the several problems in creating autonomous technology is the detection of water puddles, which can cause damages to internal components and the vehicle to lose control. This thesis focuses on the detection of water puddles on-road and off-road conditions with the use of Deep Learning models. Objectives: The thesis focuses on finding suitable Deep Learning algorithms for detecting the water puddles, and then an experiment is performed with the chosen algorithms. The algorithms are then compared with each other based on the performance evaluation of the trained models. Methods: The study uses a literature review to find the appropriate Deep Learning algorithms to answer the first research question, followed by conducting an experiment to compare and evaluate the selected algorithms. Metrics used to compare the algorithm include accuracy, precision, recall, f1 score, training time, and detection speed. Results: The Literature Review indicated Faster R-CNN and SSD are suitable algorithms for object detection applications. The experimental results indicated that on the basis of accuracy, recall, and f1 score, the Faster R-CNN is a better performing algorithm. But on the basis of precision, training time, and detection speed, the SSD is a faster performing algorithm. Conclusions: After carefully analyzing the results, Faster R-CNN is preferred for its better performance due to the fact that in a real-life scenario which the thesis aims at, the models to correctly predict the water puddles is key

World cereal stocks need to increase in order to meet growing demands. Currently, maize, rice, wheat, are the main crops worldwide, while other cereals such as barley, sorghum, oat or different millets are also well placed in the top list. Crop productivity is affected directly by climate change factors such as heat, drought, floods or storms. Researchers agree that global climate change is having a major impact on crop productivity. In that way, several studies have been focused on climate change scenarios and more specifically abiotic stresses in cereals. For instance, in the case of heat stress, high temperatures between anthesis to grain filling can decrease grain yield. In order to deal with the climate change and future environmental scenarios, plant breeding is one of the main alternatives breeding is even considered to contribute to the larger component of yield growth compared to management. Plant breeding programs are focused on identifying genotypes with high yields and quality to act as a parentals and further the best individuals among the segregating population thus develop new varieties of plants. Breeders use the phenotypic data, plant and crop performance, and genetic information to improve the yield by selection (GxE, with G and E indicating genetic and environmental factors). More factors must be taken into account to increase the yield, such as, for instance, the education of farmers, economic incentives and the use of new technologies (GxExM, with M indicating management). Plant phenotyping is related with the observable (or measurable) characteristics of the plant while the crop growing as well as the association between the plant genetic background and its response to the environment (GxE). In traditional phenotyping the measurements are collated manually, which is tedious, time consuming and prone to subjective errors. Nowadays the technology is involved in many applications. From the point of view of plan phenotyping, technology has been incorporated as a tool. The use of image processing techniques integrating sensors and algorithm processes, is therefore, an alternative to asses automatically (or semi-automatically) these traits. Images have become a useful tool for plant phenotyping because most frequently data from the sensors are processed and analyzed as an image in two (2D) or three (3D) dimensions. An image is the arrangement of pixels in a regular Cartesian coordinates as a matrix, each pixel has a numerical value into the matrix which represents the number of photons captured by the sensor within the exposition time. Therefore, an image is the optical representation of the object illuminated by a radiating source. The main characteristics of images can be defined by the sensor spectral and spatial properties, with the spatial properties of the resulting image also heavily dependent on the sensor platform (which determines the distance from the target object).
Las existencias mundiales de cereales deben aumentar para satisfacer la creciente demanda. Actualmente, el maíz, el arroz y el trigo son los principales cultivos a nivel mundial, otros cereales como la cebada, el sorgo y la avena están también bien ubicados en la lista. La productividad de los cultivos se ve afectada directamente por factores del cambio climático como el calor, la sequía, las inundaciones o las tormentas. Los investigadores coinciden en que el cambio climático global está teniendo un gran impacto en la productividad de los cultivos. Es por esto que muchos estudios se han centrado en escenarios de cambio climático y más específicamente en estrés abiótico. Por ejemplo, en el caso de estrés por calor, las altas temperaturas entre antesis y llenado de grano pueden disminuir el rendimiento del grano. Para hacer frente al cambio climático y escenarios ambientales futuros, el mejoramiento de plantas es una de las principales alternativas; incluso se considera que las técnicas de mejoramiento contribuyen en mayor medida al aumento del rendimiento que el manejo del cultivo. Los programas de mejora se centran en identificar genotipos con altos rendimientos y calidad para actuar como progenitores y promover los mejores individuos para desarrollar nuevas variedades de plantas. Los mejoradores utilizan los datos fenotípicos, el desempeño de las plantas y los cultivos, y la información genética para mejorar el rendimiento mediante selección (GxE, donde G y E indican factores genéticos y ambientales). El fenotipado plantas está relacionado con las características observables (o medibles) de la planta mientras crece el cultivo, así como con la asociación entre el fondo genético de la planta y su respuesta al medio ambiente (GxE). En el fenotipado tradicional, las mediciones se clasifican manualmente, lo cual es tedioso, consume mucho tiempo y es propenso a errores subjetivos. Sin embargo, hoy en día la tecnología está involucrada en muchas aplicaciones. Desde el punto de vista del fenotipado de plantas, la tecnología se ha incorporado como una herramienta. El uso de técnicas de procesamiento de imágenes que integran sensores y algoritmos son por lo tanto una alternativa para evaluar automáticamente (o semiautomáticamente) estas características.

L’apprentissage machine a révolutionné la manière dont les problèmes de perception sont, actuellement, traités. En effet, la plupart des approches à l’état de l’art, dans de nombreux domaines de la vision par ordinateur, se reposent sur des réseaux de neurones profonds. Au moment de déployer, d’évaluer, et de fusionner de telles approches au sein de véhicules autonomes, la question de la représentation des connaissances extraites par ces approches se pose. Dans le cadre de ces travaux de thèse, effectués au sein de Renault SAS, nous avons supposé qu’une représentation crédibiliste permettait de représenter efficacement le comportement de telles approches. Ainsi, nous avons développé plusieurs modules de perception à destination d’un prototype de véhicule autonome, se basant sur l’apprentissage machine et le cadre crédibiliste. Nous nous sommes focalisés sur le traitement de données caméra RGB, et de nuages de points LIDAR. Nous avions également à disposition des cartes HD représentant le réseau routier, dans certaines zones d’intérêt. Nous avons tout d’abord proposé un système de fusion asynchrone, utilisant d’une part un réseau convolutionel profond pour segmenter une image RGB, et d’autre part un modèle géométrique simple pour traiter des scans LIDAR, afin de générer des grilles d’occupation crédibilistes. Etant donné le manque de robustesse des traitements géométriques LIDAR, les autres travaux se sont focalisés sur la détection d’objet LIDAR et leur classification par apprentissage machine, et la détection de route au sein de scans LIDAR. En particulier, ce second travail reposait sur l’utilisation de scans étiquetés automatiquement à partir de cartes HD
The perception task is paramount for self-driving vehicles. Being able to extract accurate and significant information from sensor inputs is mandatory, so as to ensure a safe operation. The recent progresses of machine-learning techniques revolutionize the way perception modules, for autonomous driving, are being developed and evaluated, while allowing to vastly overpass previous state-of-the-art results in practically all the perception-related tasks. Therefore, efficient and accurate ways to model the knowledge that is used by a self-driving vehicle is mandatory. Indeed, self-awareness, and appropriate modeling of the doubts, are desirable properties for such system. In this work, we assumed that the evidence theory was an efficient way to finely model the information extracted from deep neural networks. Based on those intuitions, we developed three perception modules that rely on machine learning, and the evidence theory. Those modules were tested on real-life data. First, we proposed an asynchronous evidential occupancy grid mapping algorithm, that fused semantic segmentation results obtained from RGB images, and LIDAR scans. Its asynchronous nature makes it particularly efficient to handle sensor failures. The semantic information is used to define decay rates at the cell level, and handle potentially moving object. Then, we proposed an evidential classifier of LIDAR objects. This system is trained to distinguish between vehicles and vulnerable road users, that are detected via a clustering algorithm. The classifier can be reinterpreted as performing a fusion of simple evidential mass functions. Moreover, a simple statistical filtering scheme can be used to filter outputs of the classifier that are incoherent with regards to the training set, so as to allow the classifier to work in open world, and reject other types of objects. Finally, we investigated the possibility to perform road detection in LIDAR scans, from deep neural networks. We proposed two architectures that are inspired by recent state-of-the-art LIDAR processing systems. A training dataset was acquired and labeled in a semi-automatic fashion from road maps. A set of fused neural networks reaches satisfactory results, which allowed us to use them in an evidential road mapping and object detection algorithm, that manages to run at 10 Hz

L'accès aux séquences d'images 3D s'est aujourd'hui démocratisé, grâce aux récentes avancées dans le développement des capteurs de profondeur ainsi que des méthodes permettant de manipuler des informations 3D à partir d'images 2D. De ce fait, il y a une attente importante de la part de la communauté scientifique de la vision par ordinateur dans l'intégration de l'information 3D. En effet, des travaux de recherche ont montré que les performances de certaines applications pouvaient être améliorées en intégrant l'information 3D. Cependant, il reste des problèmes à résoudre pour l'analyse et la segmentation de scènes intérieures comme (a) comment l'information 3D peut-elle être exploitée au mieux ? et (b) quelle est la meilleure manière de prendre en compte de manière conjointe les informations couleur et 3D ? Nous abordons ces deux questions dans cette thèse et nous proposons de nouvelles méthodes non supervisées pour la classification d'images 3D et la segmentation prenant en compte de manière conjointe les informations de couleur et de profondeur. A cet effet, nous formulons l'hypothèse que les normales aux surfaces dans les images 3D sont des éléments à prendre en compte pour leur analyse, et leurs distributions sont modélisables à l'aide de lois de mélange. Nous utilisons la méthode dite « Bregman Soft Clustering » afin d'être efficace d'un point de vue calculatoire. De plus, nous étudions plusieurs lois de probabilités permettant de modéliser les distributions de directions : la loi de von Mises-Fisher et la loi de Watson. Les méthodes de classification « basées modèles » proposées sont ensuite validées en utilisant des données de synthèse puis nous montrons leur intérêt pour l'analyse des images 3D (ou de profondeur). Une nouvelle méthode de segmentation d'images couleur et profondeur, appelées aussi images RGB-D, exploitant conjointement la couleur, la position 3D, et la normale locale est alors développée par extension des précédentes méthodes et en introduisant une méthode statistique de fusion de régions « planes » à l'aide d'un graphe. Les résultats montrent que la méthode proposée donne des résultats au moins comparables aux méthodes de l'état de l'art tout en demandant moins de temps de calcul. De plus, elle ouvre des perspectives nouvelles pour la fusion non supervisée des informations de couleur et de géométrie. Nous sommes convaincus que les méthodes proposées dans cette thèse pourront être utilisées pour la classification d'autres types de données comme la parole, les données d'expression en génétique, etc. Elles devraient aussi permettre la réalisation de tâches complexes comme l'analyse conjointe de données contenant des images et de la parole
Access to the 3D images at a reasonable frame rate is widespread now, thanks to the recent advances in low cost depth sensors as well as the efficient methods to compute 3D from 2D images. As a consequence, it is highly demanding to enhance the capability of existing computer vision applications by incorporating 3D information. Indeed, it has been demonstrated in numerous researches that the accuracy of different tasks increases by including 3D information as an additional feature. However, for the task of indoor scene analysis and segmentation, it remains several important issues, such as: (a) how the 3D information itself can be exploited? and (b) what is the best way to fuse color and 3D in an unsupervised manner? In this thesis, we address these issues and propose novel unsupervised methods for 3D image clustering and joint color and depth image segmentation. To this aim, we consider image normals as the prominent feature from 3D image and cluster them with methods based on finite statistical mixture models. We consider Bregman Soft Clustering method to ensure computationally efficient clustering. Moreover, we exploit several probability distributions from directional statistics, such as the von Mises-Fisher distribution and the Watson distribution. By combining these, we propose novel Model Based Clustering methods. We empirically validate these methods using synthetic data and then demonstrate their application for 3D/depth image analysis. Afterward, we extend these methods to segment synchronized 3D and color image, also called RGB-D image. To this aim, first we propose a statistical image generation model for RGB-D image. Then, we propose novel RGB-D segmentation method using a joint color-spatial-axial clustering and a statistical planar region merging method. Results show that, the proposed method is comparable with the state of the art methods and requires less computation time. Moreover, it opens interesting perspectives to fuse color and geometry in an unsupervised manner. We believe that the methods proposed in this thesis are equally applicable and extendable for clustering different types of data, such as speech, gene expressions, etc. Moreover, they can be used for complex tasks, such as joint image-speech data analysis

Le progrès génétique est l'un des principaux leviers utilisés pour accroître la production alimentaire et nourrir la population humaine croissante dans un contexte de changement global. La sélection ou la création du cultivar optimal pour un endroit donné est très difficile compte tenu de la très grande variabilité spatiale et temporelle des conditions environnementales. Le phénotypage au champ, c'est-à-dire le suivi quantitatif des variables d'état des cultures et du fonctionnement du couvert, a été reconnu comme le goulot d'étranglement pour accélérer le progrès génétique. Dans cette thèse pluridisciplinaire, des méthodes statistiques et de traitement d’images sont développées afin d’estimer différents traits structuraux de cultures de blé pour application à l’amélioration variétale. Cette thèse a été entreprise au moment où la technologie progresse très rapidement, à la fois sur les aspects matériels et logiciels : accessibilité aux plates-formes de drones et de véhicules sans pilote, diminution du coût des unités de traitement graphique (GPU) explosion du développement des algorithmes d'apprentissage profond. Cette thèse s’articule en cinq chapitres : Le premier chapitre introduit les motivations de l’étude ainsi que les besoins actuel en matière de phénotypage haut débit. Un état de l’art sur le phénotypage est aussi présenté en attirant l’attention sur les méthodes de traitements d’images et de réseaux de neurones convolutifs. Le deuxième chapitre présente le développement de méthodologies permettant d’estimer la hauteur du couvert à partir d’observations par drone ou par robot roulant au sol. La faisabilité de deux principales technologies et plateformes ont été comparées et prouvées: le LiDAR porté par un véhicule au sol et des images RVB acquises par drone. Les deux chapitres suivants adressent le problème de l’estimation de la densité d’épis et de tiges de blé par images à haute résolution spatiale. Les résultats montrent le potentiel et les limites de l’apprentissage profond pour ces applications. L’accent est aussi mis sur l’étude des différentes configurations d’acquisitions possibles et le débit de la méthode. Le dernier chapitre revient sur les principaux résultats élaborés au cours de cette thèse et ouvre différentes perspectives pour le phénotypage haut-débit en remplacement ou complément des mesures manuelles classiquement réalisées par les sélectionneurs et propose des pistes pour améliorer les méthodes développées
Genetic progress is one of the major leverage used to increase food production and satisfy the needs for the increasing human population under global change issues. Selecting or creating the optimal cultivar for a given location is quite challenging considering the very large spatial and temporal variability of the environmental conditions. Field phenotyping, i.e. the quantitative monitoring of crop state variables and canopy functioning, was recognized as the bottleneck to accelerate genetic progress and increase crop yield. This multidisciplinary study develops statistical and image processing methods to estimate the several structural traits of wheat to be applied to crop breeding. Further, this thesis was undertaken in the context of rapid hardware and software technological advancements illustrated by the increasing accessibility to UAV (Unmanned Aerial Vehicle) and UGV (Unmanned Ground Vehicle) platforms, the decreasing cost of processing units (GPUs, cloud computing) and the boom in the development of deep learning algorithms. This manuscript is divided into five chapters: The first chapter introduces the motivation behind the study as well as the current needs for high throughput phenotyping. A state of the art on phenotyping is also achieved by drawing attention to image processing methods and convolutional neural networks. The second chapter presents the development of methodologies for estimating the crop height. The feasibility of two main technologies and platforms were compared and proven: LiDAR mounted on a UGV and RGB (Red Green Blue) images acquired by a UAV. The next two chapters address the problem of estimating the density of wheat ears and stems from spatial high-resolution images. The results show the potential and limitations of deep learning for this application. Emphasis is also put on the study of the different possible acquisition configurations and the throughput of the method. The last chapter summarizes the pipelines developed and draws different perspectives of high throughput phenotyping to replace or supplement in-situ measurements as well as the improvement facilitated by the methods developed

L'objectif de cette thèse concerne la possibilité d'améliorer le diagnostic et la thérapie des gliomes par le ciblage des intégrines à l’aide du RGD et par le développement d'agents multimodaux de type alcoxyamine. L’étude de l’internalisation du RGD révèle une régulation par la densité cellulaire, paramètre histologique dans la catégorisation des gliomes. Dans notre modèle, la densité cellulaire impacte la contribution de l’endocytose clathrine-dépendante et le métabolisme mais n’influence pas le rôle du cytosquelette. La régulation de l’internalisation des peptides RGD par la densité cellulaire reste à mieux comprendre afin de perfectionner les agents utilisant ce ciblage pour l’imagerie et le diagnostic des gliomes. Dans le même temps, les propriétés multimodales des alcoxyamines ont été évaluées àdes fins théranostiques. Ces molécules s’homolysent spontanément pour libérer un nitroxyde et un radical alkylant cytotoxique pouvant en plus induire une réactivation immunitaire antitumorale. Le nitroxyde est un agent de contraste pour l’IRM rehaussée par effet Overhauser. Le fort rehaussement du signal observé à proximité du nitroxyde assure un suivi en temps réel de l’apparition de l’agent alkylant. L’adaptation des alcoxyamines pour une homolyse conditionnelle dans le gliome permettrait une action thérapeutique avec un contrôle spatial et un suivi temporel du composé cytotoxique. L’acheminement de molécules d’intérêt vers la cible est rendu difficile par la présence de barrières physiologiques. Dans ce travail, la progression de nanoparticules par la voie intratrachéale peut se substituer à celle intraveineuse avec une augmentation du temps de rétention dans le gliome
The aim of this thesis is to improve the diagnostic and the therapy of glioma through both the integrin targeting by RGD and the development of Alkoxyamine as multimodal agent. The RGD internalization is regulated by the cellular density, a histologic parameterfor the glioma classification. In our model, the cellular density increases the contribution of both the clathrin-mediated endocytosis and the metabolism but not the one of the cytoskeletal. A better knowledge about the RGD internalization regulation by the cell density could help the MRI probe development for glioma diagnosis. Properties of alkoxyamine as multimodal agent were evaluated to perform theranostic. The spontaneous alkoxyamine homolysis give a nitroxide radical and a cytotoxic alkylating agent that could induce immune reactivation against the tumor. This nitroxide is an Overhauser enhanced MRI contrast agent. The strong signal enhancement in the nitroxide vicinity gives information in real-time about the release of the alkyl radical. Alkoxyamine adaptation for a conditional homolysis through specific glioma proteolysis activity could induce a localized alkyl therapeutic effect with a real-time monitoring. Physiological barriers limit the drug accumulation in the targeted sites. In this study, the intratracheal instillation of nanoparticles can substitute the intravenous administrationincreasing their intratumoral retention time

Actuellement, la chirurgie représente la première indication pour la thérapie du cancer. Néanmoins, la résection complète du tissu tumoral, la détection des micrométastases et la préservation des tissus sains pendant l'intervention représentent un enjeu majeur et influencent fortement le pronostic du patient. Les récents développements technologiques en imagerie pour la chirurgie guidée des cancers ont conduit à des résultats précliniques prometteurs et les premiers essais cliniques utilisant des traceurs non-spécifiques confirment déjà le potentiel de ces systèmes pour l'amélioration de la chirurgie. De plus, le diagnostic précoce des tumeurs, ainsi que le développement de thérapies ciblées sont également des axes majeurs de recherche en cancérologie. Dans ce contexte notre équipe a précédemment développé un vecteur synthétique ciblant un récepteur cellulaire l'intégrine αVβ3. Ce vecteur est constitué d'un châssis décapeptidique cyclique RAFT (Regioselectively Addressable Functionalized Template) et présentant deux domaines indépendants permettant de séparer les deux fonctions du vecteur. Sur un domaine, la fonction de ciblage est assurée par la présentation multivalente de ligands -RGD- spécifiques du récepteur. L'autre domaine du vecteur porte les molécules d'intérêt à vectoriser, agents thérapeutiques ou de détection pour l'imagerie médicale. Dans la première partie de ces travaux, nous avons évalué la combinaison de ce vecteur couplé à un fluorophore avec une sonde portative pour imager et guider le chirurgien pendant la chirurgie des fibrosarcomes spontanés chez le chat. Cette étude représente une preuve de concept pour la translation clinique chez l'homme. Les résultats ont montré que l'injection du traceur ne provoquait pas d'effets toxiques chez le chat et permettait un marquage spécifique de la tumeur avec un bon ratio tumeur/tissu sain, qui devrait améliorer la qualité de la résection tumorale en aidant le chirurgien à mieux délimiter les marges du tissu tumoral. Dans la seconde partie de ces travaux nous avons développé un nouveau vecteur bi-fonctionnel dérivé du RAFT-RGD. Au composé d'origine a été ajoutée une séquence peptidique clivable par la matrixmetalloprotease-9, une enzyme surexprimée dans la tumorigénèse. Cette molécule à fluorescence activable a montré une amélioration du ciblage tumoral in vitro et in vivo comparée au RAFT-RGD suggérant un effet additionnel lié au double ciblage. Ces résultats préliminaires encouragent la poursuite de sa caractérisation pour son potentiel de " pro-drug " mais également pour l'étude des interactions entre l'intégrine et l'environment tumoraux.

Les maladies pulmonaires obstructives chroniques sont la quatrième cause de mortalité en Europe. Les techniques disponibles pour les suivre ne permettent de diagnostiquer la maladie que tardivement. Une nouvelle méthode a été proposée en 1994 : l'imagerie par résonance magnétique (IRM) avec des gaz hyperpolarisés (HP). Les poumons constituent un immense interface entre le gaz et le tissu. Dans un champ magnétique (B0), la différence de susceptibilité magnétique entre les deux milieux a pour conséquence de détériorer le signal. Cet effet est d'autant plus fort que B0 est élevé. Ayant à notre disposition deux appareils à deux B0 différents (0,1 T et 1,5 T) ainsi qu'un système de pompage optique pour produire de l'hélium 3 (3He) HP, nous avons étudié quantitativement l'influence de B0 sur le signal de l'3He HP dans les poumons. Dans un premier temps les bases théoriques et la liste exhaustive des matériels nécessaires pour cette étude ont été présentées. Puis nous avons mis en évidence que le temps de relaxation transversale de l'3He HP lors de l'application d'un train d'échos de spins, T2cpmg, s'allonge lorsque B0 décroît. Une variation de deux ordres de grandeur a été observée entre 0,1 et 1,5 T. Des études sur modèle animal (rat) ont montré que d'une part T2cpmg a une sensibilité au remplissage pulmonaire équivalente à celle du coefficient apparent de diffusion, et d'autre part l'ajout d'un agent super paramagnétique provoque la compensation de l'effet de susceptibilité. Nous avons ensuite mis en évidence le rallongement du temps de vie du signal de l'hélium-3 HP dans les poumons, T2*, à faible B0. Enfin une comparaison du rapport signal sur bruit mesuré sur les deux appareils a été entreprise. En conclusion bien que le rallongement de T2* à faible B0 soit bénéfique pour l'IRM, cet effet est limité et l'utilisation d'appareil classique haut champ ne représente pas un inconvénient déterminant pour cette application.

Introduction : La thérapie ciblée des cancers des VADS nécessite la mise au point de nouveaux vecteurs spécifiques. Ces vecteurs servent à acheminer des substances thérapeutiques, mais aussi ils peuvent être couplés à des fluorophores afin de les utiliser dans la chirurgie guidée par l'imagerie de fluorescence proche infrarouge.Objectifs : L'objectif de notre travail est de tester de nouveaux vecteurs des cancers des VADS et d'étudier l'apport de l'imagerie de fluorescence proche infrarouge dans la chirurgie des cancers des VADS chez un modèle animal orthotopique que nous mettons au point.Matériel et méthodes : La lignée cellulaire des cancers des VADS CAL33 est caractérisée in vitro et in vivo. De nouveaux vecteurs qui ciblent un ou plusieurs récepteurs des cellules CAL33 comme l'intégrine alpha v beta 3, l'EGFR et la NRP1, sont testés in vitro. Parallèlement, un modèle animal orthotopique des cancers des VADS est développé par implantation de fragments tumoraux des cellules CAL33, au niveau de la cavité buccale de la souris nude. La résection des tumeurs orthotopiques est guidée par l'imagerie de fluorescence proche infrarouge, après injection systémique du peptide RAFT-c[RGD]4 couplé à un fluorophore. Ce peptide cible l'intégrine alpha v beta 3 et est préalablement testé in vivo sur les cellules CAL33.Résultats : Nos résultats préliminaires montrent que certaines molécules bispécifiques présentent une liaison accrue in vitro aux cellules CAL33. Par ailleurs, la chirurgie guidée par l'imagerie de fluorescence proche infrarouge ciblant l'intégrine alpha v beta 3, présente un impact positif sur la survie sans rechute dans notre modèle orthotopique, à travers la détection de reliquats tumoraux qui pourraient passer inaperçus si l'exérèse tumorale avait été réalisée exclusivement d'une façon macroscopique. Elle permet aussi de détecter les adénopathies métastatiques.Conclusion : L'imagerie de fluorescence proche infrarouge améliore la qualité de l'exérèse tumorale dans notre modèle orthotopqiue optimisé des cancers des VADS. Cette étape préclinique est indispensable avant de tester cette technique chez l'être humain
Introduction: Targeted therapy of head and neck squamous cell carcinoma (HNSCC) requires the development of novel specific vectors that can deliver therapeutic molecules. These vectors could also be coupled to fluorophores to be used in near infrared fluorescence imaging-guided surgery.Objectives: The aim of our work is to test new targeted vectors of HNSCC and to study the role of the near infrared fluorescence imaging-guided surgery in HNSCC resection in a novel orthotopic animal model that we develop.Materials and Methods: The HNSCC cell line CAL33 is characterized in vitro and in vivo. Novel vectors that target one or more receptors of this cell line such as alpha v beta 3 integrin, EGFR and NRP1, are tested in vitro. Meanwhile, an orthotopic animal model of HNSCC is developed by implanting tumor fragments of CAL33 cells, in the oral cavity of nude mice. Surgical resection of orthotopic tumors is guided by the near infrared fluorescence imaging after systemic injection of RAFT-c[RGD]4 peptide coupled with a fluorophore. This peptide targets alpha v beta 3 integrin and is previously tested in vitro.Results: Our preliminary results show that bispecific vectors would present an increased binding to CAL33 cells in vitro. On the other hand, near infrared fluorescence imaging-guided surgery has a positive impact on the recurrence-free survival rate in our orthotopic model, by detecting fluorescent cancer foci that could remain unidentified if resection was performed exclusively under visual guidance. Our results show also that near infrared fluorescence imaging can also help to detect metastatic lymph nodes.Conclusion: Near-infrared fluorescence imaging-guided surgery improves the quality of tumor resection in our optimized orthotopic animal model of HNSCC. This preclinical stage is essential before testing this novel technique in humans

La sécurité routière est un enjeu majeur de santé publique et de protection des personnes. D'après l'organisation mondiale de la santé (OMS), près de 1,2 millions de personnes meurent chaque année dans le monde suite à des accidents de la route (2015). D’après des données accidentologiques, 36,7% des blessures graves ont pour origine des lésions au thorax (Page et collab., 2012). La biomécanique en sécurité passive a pour rôle d'améliorer notre compréhension du corps humain dans le but de construire de meilleurs outils pour évaluer le risque de blessure.Les modèles numériques d'être humain sont employés pour simuler virtuellement les conditions d'un accident. Aujourd'hui, ils sont de plus en plus utilisés par les constructeurs automobiles et équipementiers pour mieux comprendre les mécanismes lésionnels. Cependant, ils n’existent que dans certaines tailles et ne prennent alors pas en compte les variations morphologiques observées dans la population.L'imagerie médicale 3D donne accès aux géométries des différentes structures anatomiques composant le corps humain. Les hôpitaux regorgent aujourd'hui de quantités d'images 3D couvrant une très large partie de la population en termes d'âge, de corpulence et de sexe.L’objectif global de cette thèse est de modéliser statistiquement la géométrie 3D de la cage thoracique à partir d'images médicales afin de personnaliser un modèle numérique de corps humain pour simuler par éléments finis des conditions de choc automobile. Le premier objectif est d’élaborer un protocole de segmentation une base de CT-scans de manière à obtenir des données géométriques adaptées à la construction d’un modèle statistique de forme de la cage thoracique.Le deuxième objectif est de construire un modèle statistique de forme de la cage thoracique, en prenant en compte sa structure articulée.Le troisième objectif est d’utiliser le modèle statistique de la cage thoracique pour déformer un modèle numérique d’être humain, de manière à étudier l’influence de certains paramètres sur le risque de blessure
Road safety is a major issue of public health and personal safety. According to the World Health Organization (WHO), nearly 1.2 million people die each year worldwide due to road accidents (2015). According to accident data, 36.7% of serious injuries are caused by thoracic injuries (Page et al., 2012). The aim of biomechanics in passive safety is to improve our understanding of the human body in order to build better tools for assessing the risk of injury.Numerical human body models are used to virtually simulate the conditions of an accident. Today, they are increasingly used by car manufacturers and equipment manufacturers to better understand injury mechanisms. However, they exist only in few sizes and do not take into account the morphological variations observed in the population.3D medical imaging gives access to the geometries of the different anatomical structures that make up the human body. Today, hospitals are full of 3D images covering a very large part of the population in terms of age, body size and sex.The overall objective of this thesis is to statistically model the 3D geometry of the rib cage from medical images in order to personalize a numerical human body model to simulate car crash conditions.The first objective is to develop a segmentation process based on CT-scans in order to obtain geometric data adapted to the construction of a statistical model of shape of the rib cage.The second objective is to build a statistical model of the shape of the rib cage, taking into account its articulated structure.The third objective is to use the statistical model of the rib cage to deform a numerical human body model, in order to study the influence of certain parameters on the risk of injury

L'objectif de cette thèse est de développer l'imagerie de transfert de saturation des agents de contraste lipoCEST pour la détection de l'angiogenèse dans un modèle souris de tumeur cérébrale U87. Un lipoCEST offrant un seuil de sensibilité in vitro de 100 pM est optimisé afin de répondre aux contraintes de l'imagerie CEST in vivo. Grâce à la mise en place d'un dispositif expérimental dédié à l'imagerie CEST, nous évaluons les performances des lipoCEST pour détecter de façon spécifique l'angiogenèse tumorale. Nous montrons pour la première fois qu'il est possible de détecter un lipoCEST in vivo dans un cerveau de souris suite à une injection intraveineuse. De plus, l'utilisation d'un lipoCEST fonctionnalisé avec un peptide RGD permet de cibler spécifiquement l'intégrine ανβ3 surexprimée lors de l'angiogenèse tumorale. L'association spécifique du RGD-lipoCEST est confirmée grâce à des données d'immunohistochimie et de microscopie de fluorescence. Enfin, dans le but de tendre vers un protocole d'imagerie moléculaire par IRM-CEST, nous mettons en place un outil de quantification des lipoCEST. Cet outil repose sur la modélisation des processus d'échange de protons in vivo. Grâce à la prise en compte des inhomogénéités de champs B0 et B1 qui peuvent se révélées être délétères pour le contraste CEST, nous démontrons que la précision de notre outil de quantification est de 300 pM in vitro. La quantification des données CEST acquises chez la souris U87 permet d'estimer à 1,8 nM la concentration maximale en RGD-lipoCEST liés à leur cible moléculaire.

Cette thèse a pour objectif la conception de méthodes pour la reconnaissance automatique des activités chirurgicales. Cette reconnaissance est un élément clé pour le développement de systèmes réactifs au contexte clinique et pour des applications comme l’assistance automatique lors de chirurgies complexes. Nous abordons ce problème en utilisant des méthodes de Vision puisque l’utilisation de caméras permet de percevoir l’environnement sans perturber la chirurgie. Deux types de vidéos sont utilisées : des vidéos laparoscopiques et des vidéos multi-vues RGBD. Nous avons d’abord étudié les résultats obtenus avec les méthodes de l’état de l’art, puis nous avons proposé des nouvelles approches basées sur le « Deep learning ». Nous avons aussi généré de larges jeux de données constitués d’enregistrements de chirurgies. Les résultats montrent que nos méthodes permettent d’obtenir des meilleures performances pour la reconnaissance automatique d’activités chirurgicales que l’état de l’art
The main objective of this thesis is to address the problem of activity recognition in the operating room (OR). Activity recognition is an essential component in the development of context-aware systems, which will allow various applications, such as automated assistance during difficult procedures. Here, we focus on vision-based approaches since cameras are a common source of information to observe the OR without disrupting the surgical workflow. Specifically, we propose to use two complementary video types: laparoscopic and OR-scene RGBD videos. We investigate how state-of-the-art computer vision approaches perform on these videos and propose novel approaches, consisting of deep learning approaches, to carry out the tasks. To evaluate our proposed approaches, we generate large datasets of recordings of real surgeries. The results demonstrate that the proposed approaches outperform the state-of-the-art methods in performing surgical activity recognition on these new datasets

La région cranio-faciale est particulièrement vulnérable aux pertes de structures. Sa localisation et sa visibilité font qu'une atteinte entraîne des troubles, aussi bien physiques (alimentation, phonation...) que psychologiques (intégrité de la personne...). Les traitements actuels (régénération osseuse guidée, autogreffe osseuse ou allogreffe) sont particulièrement invasifs et présentent un taux d'échec élevé. Tout cela affecte fortement la qualité de vie du patient. De plus, le coût direct de ces traitements est important pour les systèmes de santé et le patient. Il existe donc un réel besoin de développer des traitements innovants basés sur des approches biomimétiques d'ingénierie tissulaire pour la régénération/réparation osseuse. L'objectif de ce travail est de développer une approche d'ingénierie tissulaire pour la réparation/régénération de tissus osseux cranio-faciaux lésés. Il est basé sur l'utilisation de matrices cellularisées avec des cellules souches mésenchymateuses issues de la pulpe dentaire : les Dental Pulp Stem Cells (DPSCs). De nombreux travaux ont démontré la grande plasticité de ces cellules, qui dérivent initialement de la crête neurale, mais aussi leur rôle trophique dans la réparation de tissus lésés par leur capacité de différenciation ostéogénique et chondrocytaire. Par ailleurs, ces cellules présentent des propriétés pro-angiogéniques supérieures aux cellules mésenchymateuses de la moelle osseuse (MSCs) et l'accès à cette réserve est aisé puisqu'elles peuvent être obtenues à partir de dents extraites. Dans ce contexte, nous avons à ce jour utilisé des matrices denses de collagène contenant des cellules souches pulpaires pour régénérer un tissu osseux crânien après réalisation de défauts critiques. L'objectif est d'induire très précocement une néo-angiogenèse favorisant à court terme la survie des cellules implantées, puis de stimuler leur maintien à long terme au sein du néo-tissu implanté, pour enfin provoquer une ostéoformation. Nous avons, ainsi, pu étudier et valider différents aspects de cette thématique : .1 L'impact positif de l'utilisation de matrices denses de collagène comme support ostéoconducteur, .2 Le suivi à long terme des cellules après implantation in vivo .3 L'impact positif d'un pré-traitement à l'hypoxie sur i/ la survie des cellules après implantation in vivo ii/ la potentialisation de leur apport pour la régénération/réparation osseuse en orientant leur différenciation vers une voie ostéoblastique, .4 L'apport significatif des techniques d'imageries pour le suivi des animaux grâce à la tomographie par émission de positons (utilisation de traceurs spécifiques de la minéralisation au sein des matrices et de la néo-angiogenèse) et au microscanner à rayons X (suivi cinétique de la qualité et de la quantité de matrice osseuse régénérée), .5 La validation et la confirmation de l'ensemble de ces résultats par l'histologie. Ainsi, ces résultats nous ont permis de répondre à l'objectif de travail et de perfectionner certains aspects de la composante cellulaire. Toutefois, il reste nécessaire d'optimiser le biomatériau lui-même. Il est en effet envisageable d'améliorer les matrices de collagène compressées que nous utilisons actuellement, en y intégrant par exemple des céramiques bioactives. En perspective, potentialiser les biomatériaux des matrices et combiner les DPSCs avec un support plus adapté à leur survie et à leur croissance permettrait d'améliorer considérablement la cicatrisation osseuse. Ces dernières années, l'étude des cellules souches a progressé d'approche in vitro vers l'in vivo. Les modèles in vivo établis pour étudier ces cellules dans le domaine cranio-facial ont déjà apporté des renseignements et ce travail s'inscrit dans leur continuité en cherchant à concevoir des stratégies adaptées pour l'utilisation future des DPSCs en ingénierie tissulaire
The craniofacial area is particularly vulnerable to structural loss. Its location and visibility make a loss causes disorders, both physical (food, phonation...) than psychological (integrity of the person...). Current treatments (autografts, allografts or synthetic bone grafts) are particularly invasive and have a high failure rate. All this strongly affects the quality of life of the patient. In addition, the cost of these treatments is significant for the health systems and the patient. Therefore, there is a real need to develop innovative treatments based on biomimetic tissue approaches for bone repair. The purpose of this thesis is to develop a tissue engineering approach for the repair/regeneration of injured cranial-facial bone tissue. It is based on the use of cellularized scaffolds with mesenchymal stem cells derived from the dental pulp: Dental Pulp Stem Cells (DPSCs). Many studies have demonstrated the high plasticity of these cells, which initially derive from the neural crest, but also their trophic ability in the repair of damaged tissues by their osteogenic and chondrocyte differentiation capacity. Moreover, these cells have better's pro-angiogenic properties than mesenchymal cells of the bone marrow (MSCs) and access to this reserve is easy since they can be obtained from extracted teeth. In this context, we have used dense collagen scaffolds seeded with DPSCs to regenerate cranial bone tissue on critical defects model. The objective is to induce a very early neo-angiogenesis for improved short-term survival of implanted cells, then stimulate the long-term maintenance of cells in the implanted neo-tissue, finally to cause osteoformation. We were able to study and validate various aspects of this theme: 1- The positive impact of the use of dense collagen scaffold as osteoconductive support, 2- Long-term follow-up of the cells after implantation in vivo (thanks to the use of a cell line constitutively expressing an intracellular fluorescence protein), 3- The positive impact of a pre-treatment with hypoxia on i/ the survival of the cells after implantation in vivo ii/ their contribution to bone regeneration / repair by orienting their differentiation towards an osteoblastic pathway, 4- The significant contribution of imaging techniques for the monitoring of animals (less sacrifice and longitudinal follow-up...) thanks to positron emission tomography (use of specific tracers of the mineralization within the scaffolds and neo-angiogenesis) and X-ray microscanner (kinetic monitoring of the quality and quantity of regenerated bone matrix) 5- Validation and confirmation of all these results by histology. Thus, these different results allowed us to respond to the working hypothesis and optimize some aspects of the cellular component. However, it remains necessary to optimize the biomaterial itself. It is indeed possible to improve the compressed collagen scaffolds that we currently use, for example by incorporating bioactive ceramics such as bioglasses or hydroxyapatite. In recent years, the study of stem cells has progressed from in vitro to in vivo. The in vivo models established to study these cells in the craniofacial area have already provided valuable information and this work is a continuation of these previous studies by seeking to build on better strategies (right characterization, environment oriented...) for the future use of DPSCs for tissue engineering purposes. In view of this work, potentiating the biomaterials of the scaffolds and combining the DPSCs with a support more adapted to their survival and their growth would considerably improve bone healing, as well as bone regeneration / repair

Recently, products of Unmanned Aerial System (UAS) integrated through SIFT algorithm and dense cloud matching using structure from motion has gained prominence with tree-level inventory maintenance in forestry. Various studies have been carried out by using UAS imagery to quantify and map forest structure of simple coniferous stands. However, most of the previous works employ methodologies that require manual inputs and lack of reproducibility to other forest systmes. Manual detection of trees and calculation of their attributes can be a time-consuming and complicated process which can be overcome with an automated technique applied by forest managers and/or landowners is highly desired to take full advantage of the readily available UAS remote sensing images. This study presents a methodology for automated measurements of tree height, crown area and crown diameter of hardwood species using UAS images. Different UAS platforms were employed to gather digital data of two hardwood plantations at Martell, Indiana. The resulting aerial images were used to generate the Digital Surface Model (DSM) and Digital Elevation Model (DEM) for the forest stand from which the Crown Height Model (CHM) was derived. The canopy height model can be inputted to the web platform deployed through shiny server (https://feilab.shinyapps.io/Crown/) to derive individual tree parameters automatically. The results show that this automated method provides a high accuracy in individual tree identification (F-score> 90%) and tree-level measurements (RMSEht<1.2m and RMSEcrn<1m). Moreover, tree-level parameter estimation for 4,600 trees were calculated in less than 30 minutes based on a post-processed DSM from UAS-SfM derived images with minimal manual inputs. This study demonstrates the feasibility of automated inventory and measure of tree-level attributes in hardwood plantations with UAS images.

Dissertation submitted in partial fulfilment of the requirements for the Degree of Master of Science in Geospatial Technologies
Informal settlement in developing countries are complex. They are contextually and radiometrically very similar to formal settlement. Resolution offered by Remote sensing is not sufficient to capture high variations and feature size in informal settlements in these situations. UAV imageries offers solution with higher resolution. Incorporating UAV image and normalized DSM obtained from UAV provides an opportunity of including information on 3D space. This can be a crucial factor for informal settlement extraction in countries like Nepal. While formal and informal settlements have similar texture, they differ significantly in height. In this regard, we propose segmentation of informal settlement of Nepal using UAV and normalized DSM, against traditional approach of orthophoto only or orthophoto and DSM. Absolute height, normalized DSM(nDSM) and vegetation index from visual band added to 8 bit RGB channels are used to locate informal settlements. Segmentation including nDSM resulted in 6 % increment in Intersection over Union for informal settlements. IoU of 85% for informal settlement is obtained using nDSM trained end to end on Resnet18 based Unet. Use of threshold value had same effect as using absolute height, meaning use of threshold does not alter result from using absolute nDSM. Integration of height as additional band showed better performance over model that trained height separately. Interestingly, benefits of vegetation index is limited to settlements with small huts partly covered with vegetation, which has no or negative effect elsewhere.

Dissertation submitted in partial fulfilment of the requirements for the Degree of Master of Science in Geospatial Technologies
Tree species identification forms an integral part of biodiversity monitoring. Locating at-risk species and predicting their distribution is equally as important as tracing invasive alien plant species distributions. The high prevalence of the latter and their destructive impact on the environment is the focus for this thesis. In areas of the world where technology limitations are restrictive, an approach using low-cost, available RGB drone imagery is proposed to train advanced deep learning models to distinguish individual tree species; three dominant species (Pinus elliotti, Eucalyptus grandis and Syzygium cordatum) providing the bulk of sampling data, of which the first two are highly invasive in the region. This study explored the efficacy of utilizing Mask RCNN, an instance segmentation deep neural network, in identifying multiple classes of trees within the same image. In line with the low-cost approach, Google Colaboratory was utilized which drastically lowers the training time necessary and alleviates the need for high GPU systems. The model was trained on imagery from three study areas which were representative of three distinct landscapes: very dense forest, moderately dense forest with overlapping canopies, and open forest. The results indicate decent performance in open forest landscapes where overlapping tree crowns is infrequent with mean Average Precision of 0.71. On the contrary, in a dense forest landscape with many interlocking tree crowns, a mean Average Precision of 0.43 is highly indicative of the model’s poor performance in such environments. The trained network was also observed to have higher confidence scores of detected objects within the open forest study areas as opposed to dense forest.

La recherche actuelle sur le cancer se tourne vers des « stratégies ciblées » afin de développer de nouvelles méthodes diagnostiques plus sensibles et performantes, ainsi que de nouvelles thérapies plus efficaces mais aussi mieux tolérées. Dans ce contexte, nos travaux sont consacrés à la conception de vecteurs synthétiques ciblant un récepteur cellulaire surexprimé par les tumeurs, l'intégrine alphaVbeta3. Ce ciblage permet de concentrer les drogues ou les éléments de détection au niveau tumoral. L'outil utilisé pour la construction chimique de nos vecteurs est un châssis décapeptidique cyclique RAFT (Regioselectively Addressable Functionalized Template) présentant deux domaines indépendants permettant de séparer les deux fonctions du vecteur. Sur un domaine, la fonction de ciblage est assurée par la présentation multivalente de ligands -RGD- spécifiques du récepteur. L'autre domaine du vecteur supporte les molécules d'intérêt à vectoriser : agents thérapeutiques pour limiter la prolifération du foyer malin ou agents de détection pour l'imagerie médicale.

Introduction : La thérapie ciblée des cancers des VADS nécessite la mise au point de nouveaux vecteurs spécifiques. Ces vecteurs servent à acheminer des substances thérapeutiques, mais aussi ils peuvent être couplés à des fluorophores afin de les utiliser dans la chirurgie guidée par l'imagerie de fluorescence proche infrarouge.Objectifs : L'objectif de notre travail est de tester de nouveaux vecteurs des cancers des VADS et d'étudier l'apport de l'imagerie de fluorescence proche infrarouge dans la chirurgie des cancers des VADS chez un modèle animal orthotopique que nous mettons au point.Matériel et méthodes : La lignée cellulaire des cancers des VADS CAL33 est caractérisée in vitro et in vivo. De nouveaux vecteurs qui ciblent un ou plusieurs récepteurs des cellules CAL33 comme l'intégrine alpha v beta 3, l'EGFR et la NRP1, sont testés in vitro. Parallèlement, un modèle animal orthotopique des cancers des VADS est développé par implantation de fragments tumoraux des cellules CAL33, au niveau de la cavité buccale de la souris nude. La résection des tumeurs orthotopiques est guidée par l'imagerie de fluorescence proche infrarouge, après injection systémique du peptide RAFT-c[RGD]4 couplé à un fluorophore. Ce peptide cible l'intégrine alpha v beta 3 et est préalablement testé in vivo sur les cellules CAL33.Résultats : Nos résultats préliminaires montrent que certaines molécules bispécifiques présentent une liaison accrue in vitro aux cellules CAL33. Par ailleurs, la chirurgie guidée par l'imagerie de fluorescence proche infrarouge ciblant l'intégrine alpha v beta 3, présente un impact positif sur la survie sans rechute dans notre modèle orthotopique, à travers la détection de reliquats tumoraux qui pourraient passer inaperçus si l'exérèse tumorale avait été réalisée exclusivement d'une façon macroscopique. Elle permet aussi de détecter les adénopathies métastatiques.Conclusion : L'imagerie de fluorescence proche infrarouge améliore la qualité de l'exérèse tumorale dans notre modèle orthotopqiue optimisé des cancers des VADS. Cette étape préclinique est indispensable avant de tester cette technique chez l'être humain
Introduction: Targeted therapy of head and neck squamous cell carcinoma (HNSCC) requires the development of novel specific vectors that can deliver therapeutic molecules. These vectors could also be coupled to fluorophores to be used in near infrared fluorescence imaging-guided surgery.Objectives: The aim of our work is to test new targeted vectors of HNSCC and to study the role of the near infrared fluorescence imaging-guided surgery in HNSCC resection in a novel orthotopic animal model that we develop.Materials and Methods: The HNSCC cell line CAL33 is characterized in vitro and in vivo. Novel vectors that target one or more receptors of this cell line such as alpha v beta 3 integrin, EGFR and NRP1, are tested in vitro. Meanwhile, an orthotopic animal model of HNSCC is developed by implanting tumor fragments of CAL33 cells, in the oral cavity of nude mice. Surgical resection of orthotopic tumors is guided by the near infrared fluorescence imaging after systemic injection of RAFT-c[RGD]4 peptide coupled with a fluorophore. This peptide targets alpha v beta 3 integrin and is previously tested in vitro.Results: Our preliminary results show that bispecific vectors would present an increased binding to CAL33 cells in vitro. On the other hand, near infrared fluorescence imaging-guided surgery has a positive impact on the recurrence-free survival rate in our orthotopic model, by detecting fluorescent cancer foci that could remain unidentified if resection was performed exclusively under visual guidance. Our results show also that near infrared fluorescence imaging can also help to detect metastatic lymph nodes.Conclusion: Near-infrared fluorescence imaging-guided surgery improves the quality of tumor resection in our optimized orthotopic animal model of HNSCC. This preclinical stage is essential before testing this novel technique in humans

Les récents progrès en neuroimagerie ont permis, au cours des dernières années, de faire avancer les connaissances sur les maladies neurologiques et psychiatriques en offrant la possibilité de mieux comprendre l’évolution des maladies neurodégénératives et la nature du comportement, des émotions, de la personnalité, et de la cognition. Plusieurs défis éthiques ont émergés suite à l’utilisation de ces nouvelles technologies d’imagerie cérébrale. La perspective des chercheurs concernant les pratiques d’évaluation des protocoles de recherche en neuroimagerie ainsi que les défis éthiques, sociaux et légaux auxquels font face les chercheurs n'ont pas encore été étudiés, même s’ils constituent des acteurs clés. Nous avons entrepris une étude empirique sur les perspectives des chercheurs quant au processus d'évaluation par les comités d’éthique de la recherche (CÉR) afin d’examiner les enjeux éthiques, légaux et sociaux liés à la pratique de la neuroimagerie au Canada. Pour ce faire, nous avons expédié un questionnaire en ligne et réalisé des entrevues semi-structurées avec des chercheurs en neuroimagerie et des présidents des CÉR. Les entrevues ont été transcrites et analysées à l'aide du logiciel d'analyse qualitative Nvivo. Nos résultats ont mis en lumière plusieurs aspects éthiques légaux et sociaux suscitant une attention particulière afin de remédier aux défis actuels dans la recherche en neuroimagerie ainsi qu’au processus d’évaluation de la recherche par les CÉR. Nos données comportent également des recommandations provenant des chercheurs eux-mêmes afin d'améliorer le processus d'évaluation. Finalement, notre propre expérience avec cette étude multicentrique nous a permis de constater plusieurs des défis mentionnés par les chercheurs.
Over the past years, advances in neuroimaging have allowed for a better understanding of neurologic and psychiatric disorders and yielded insights into behavior, emotion, personality, and cognition as well as allowed for a deeper understanding of neurodegenerative diseases. In light of the uses of these new imaging technologies, several ethical issues have emerged. The perspectives of researchers on current ethics review of neuroimaging protocols and ethical, legal and social issues present in neuroimaging have not been investigated, even though they are key stakeholders. We undertook an empirical study of researcher perspectives regarding the REB review process to examine ethical, legal and social issues associated with the practice of neuroimaging in Canada. We conveyed an online questionnaire survey and conducted semi-structured interviews with neuroimaging researchers and REB chairs. Interviews were transcribed and analyzed using the NVivo qualitative analysis software. Our results put into perspective emerging ethical, social and legal issues which are important challenges to address in the field of neuroimaging as well as practical challenges in the REB process. Our data also contain recommendations, coming from the neuroimagers themselves, in order to improve the evaluation process. Finally, our experience conducting this research has allowed us to confirm the challenges and stakeholders faced by neuroimagers.

Dissertation submitted in partial fulfilment of the requirements for the degree of Master of Science in Geospatial Technologies
It is becoming more present in agriculture’s practices the use of Unmanned Aerial Systems with sensors capable of capturing light, in the visible and in longer wavelengths of the electromagnetic spectrum once reflected on the field. These sensors have been used to perform Remote Sensing also in other knowledge fields, describing phenomenon without the risk, cost and the time consuming processes associated with in site samples collection and analysis by a technician or satellite imagery acquisition. The Vegetation Indexes developed can explain the vigor of the cultivation and its data collection processes are more cost and time efficient, allowing farmers to monitor plant grow in every critical stage. These Vegetation Indexes started by being calculated from satellite and airborne imagery, one of the main source for crop management tools, however UAS is becoming more present in Precision Agriculture, achieving better spatial and temporal resolution. This gap in spatial resolution when studying low density cultivations like olive groves and vineyards, creates Vegetation Index’s maps polluted with noise caused by the soil and therefore difficult to interpret and analyse. Hence, when the agriculture has spaced and low density vegetation becomes challenging to understand and extract information from these vegetation index’s maps regarding different spatial variability patterns of the tree canopy vigor. In these cases, where vegetation is spaced it is important to filter this noise. A Classification Model was developed with the objective of extracting just the vegetation’s canopy data. The soil was filtered and the canopy data interpolated using spatial analysis tools. The final interpolated maps produced can provide meaningful information regarding the spatial variability and be used to support decision making, identifying critical areas to be intervened and managed, or be used as an input for Variable Rate Technology applications.