Добірка наукової літератури з теми "Détection d'abus"

Il est admis aujourd'hui que la génotoxicité identifiée dans les extraits d'eau potable provient principalement de l'action du chlore sur la matière organique naturelle qui donne naissance à des dérivés organohalogénés. Dans le présent travail, nous avons comparé la sensibilité de trois essais de génotoxicité (SOS chromotest, test d'Ames-fluctuation et test micronoyau triton) lors de l'étude de composés organohalogénés, d'acides fulviques chlorés et d'échantillons d'eau (non concentrés) en cours de traitement de potabilisation. Les composés organohalogénés étudiés sont 4 trihalométhanes, 5 acétonitriles et 5 chloropropanones identifiés dans l'eau potable ou dans des solutions de substances humiques chlorées. Les résultats obtenus révèlent que le SOS chromotest est globalement le moins sensible des trois essais et que le test d'Ames-fluctuation et le test micronoyau triton permettent généralement de détecter les plus faibles concentrations de composés génotoxiques. Les essais ont également permis de démontrer que la nature des substituants halogénés (brome ou chlore), le nombre et la position des atomes de chlore influencent notablement la génotoxicité des composés organohalogénés. Toutefois, les résultats obtenus indiquent qu'aucun des trois tests réalisés n'est suffisant à lui seul pour détecter l'ensemble des produits génotoxiques. Ces observations confirment la nécessité de réaliser une batterie de tests qui mette en oeuvre divers types cellulaires et différents systèmes de métabolisation, et détecte divers évènements de génotoxicité. Les travaux portant sur les solutions concentrées d'acides fulviques chlorés montrent l'intérêt des essais sur bactéries (particulièrement le test d'Ames-fluctuation) pour la détection rapide de l'activité génotoxique de ces solutions. L'étude concemant les échantillons d'eau prélevés à différents niveaux d'une station de potabilisation, et analysés sans concentration préalable, indique que le test d'Ames- fluctuation est le seul capable de détecter une activité génotoxique dans les échantillons non concentrés étudiés. On montre, conformément à la littérature, que l'activité mutagène observée résulte de la chloration de l'eau.

Introduction : au cours de sa pratique, le médecin militaire généraliste assure une mission de prévention. Dans ce cadre, il est amené à interpréter de nombreux électrocardiogrammes chez des sujets jeunes asymptomatiques et soumis à des activités physiques régulières, afin de dépister des pathologies à risque de mort subite. Cette interprétation a fait l’objet d’une évaluation des pratiques professionnelles. Matériel et méthode: cette évaluation des pratiques professionnelles a consisté en une relecture par un cardiologue de tous les électrocardiogrammes réalisés à titre systématique au sein de quatre unités de l’Armée française entre septembre 2009 et avril 2010. Les interprétations du médecin d’unité et du cardiologue ont été standardisées et comparées. Résultats : 1183 électrocardiogrammes ont été inclus, représentant une population de 32 ans de moyenne d'âge, essentiellement masculine (90 %). On note que 293 présentaient une ou plusieurs atypies, la plus courante étant la repolarisation précoce (196, soit 16,6 % des électrocardiogrammes), 25 présentaient une anomalie nécessitant un avis cardiologique. Le taux de concordance globale entre l'interprétation du médecin d’unité et celle du cardiologue était de 72 %. Le dépistage des anomalies par le médecin d’unité était incomplet avec une sensibilité de 31 %, une spécificité de 99 %. La valeur prédictive positive était de 64 % quant aux demandes d'avis cardiologique prescrits par le médecin d’unité. Conclusion: l’interprétation de l’électrocardiogramme chez le sujet asymptomatique par le médecin militaire généraliste permet de détecter des cardiopathies, mais de manière incomplète. Des outils tels que la mise en place de grille de lecture, l’utilisation d’un réseau de télémédecine, ainsi qu’une formation initiale et continue spécifique à la détection des cardiopathies à risque de mort subite du sujet jeune, peuvent être des moyens pour améliorer cette interprétation.

Les comportements abusifs en ligne peuvent avoir des conséquences dramatiques sur les utilisateurs et les communautés. Avec l'avènement d'internet et des réseaux sociaux, personne n'est à l'abri de ce genre de comportement. Ces dernières années, de nombreux pays ont mis en place des lois visant à réduire ce type d'abus. Une détection et un traitement rapide des cas abusifs est un facteur important afin de réduire leur impact et leur nombre. Cette tâche de modération impliquant d'importants coûts humains et financiers, les entreprises ont un gros intérêt à l'automatiser. La détection automatique de contenu abusif se révèle assez complexe. Pour contrer ce problème, il a été montré que prendre en compte le contexte dans lequel un message est posté permet d'améliorer la détection. Cependant la méthode la plus courante dans la littérature consiste à traiter des messages individuels, pris en dehors de leur contexte. Dans ce manuscrit, on s'intéresse plus particulièrement à la combinaison du contenu et de la structure pour la détection de contenu abusif. Utiliser le contenu textuel des messages est l'approche la plus courante dans la littérature. Cette méthode présente l'avantage d'être facile à mettre en place, mais elle est aussi très vulnérable aux attaques basées sur le texte, notamment aux techniques d'obfuscation. La structure de la conversation, représentant le contexte, est beaucoup moins étudiée car elle est plus complexe à manipuler. Pourtant, elle permet d'introduire une notion de contexte qui permet de détecter des cas abusifs là où le texte seul n'en est pas capable. Ce contexte peut être modélisé sous la forme d'un graphe conversationnel représentant la conversation contenant le message étudié. En comparant deux méthodes construites à partir d'un procédé d'extraction de caractéristiques (feature engineering), nous avons montré qu'une méthode n'utilisant que des graphes conversationnels et ignorant le contenu textuel des messages était capable d'obtenir de meilleures performances. Des auteurs dans la littérature suggèrent que combiner plusieurs modalités d'information permet d'améliorer la détection de messages abusifs. À cet effet, nous proposons plusieurs stratégies pour combiner le contenu et la structure des conversations et par nos expériences, nous prouvons que cela est en effet bénéfique pour la détection. Une limitation de ces méthodes basées sur un ensemble de mesures est qu'elles sont assez coûteuses tant en ressources informatiques qu'en temps de conception. Les méthodes d'apprentissage de représentations peuvent être une solution à ce problème, en permettant d'apprendre automatiquement la représentation de ces données. Pour les graphes, nous avons démontré que considérer les attributs des liens, à savoir la direction, le poids et le signe, permet d'améliorer les performances. La littérature ne proposant aucune méthode de plongement de graphe entier signé, nous comblons ce vide en développant deux méthodes de ce type. Nous les évaluons sur un benchmark nouvellement créé et constitué de trois jeux de données de graphes signés, et prouvons qu'ils obtiennent de meilleurs résultats que leurs équivalents ne prenant pas en compte les signes. Finalement, nous menons une étude comparative de plusieurs méthodes de plongement lexical et de graphes pour la détection de messages abusifs en les appliquant à un jeu de données de conversations. Nos résultats montrent qu'elles sont plus efficaces que les méthodes se basant sur un ensemble de mesures pour le texte, et légèrement moins efficaces pour les graphes. Cependant, ces résultats restent très encourageants car ces méthodes possèdent de nombreux autres avantages tels qu'être complètement indépendantes de la tâche, plus faciles à adapter à d'autres environnements d'utilisation, et beaucoup plus efficaces en termes de temps
Online abusive behaviors can have devastating consequences on individuals and communities. With the global expansion of internet and the social networks, anyone can be confronted with these behaviors. Over the past few years, laws and regulations have been established to regulate this kind of abuse but the responsibility ultimately lies with the platforms that host online communications. They are asked to monitor their users in order to prevent the proliferation of abusive content. Timely detection and moderation is a key factor to reduce the quantity and impact of abusive behaviors. However, due to the sheer quantity of online messages posted every day, platforms struggle to provide adequate resources. Since this implies high human and financial costs, companies have a keen interest in automating this process. Although it may seem a relatively simple task, it turns out to be quite complex. Indeed, malicious users have developed numerous techniques to bypass the standard automated methods. Allusions or implied meaning are other examples of strategies that automatic methods struggle to detect. While usually performed on individual messages taken out of their context, it has been shown that automatic abuse detection can benefit from considering the context in which the message was posted. In this thesis, we want to focus on the combination of content and structure of conversations to tackle the abuse detection task. Using the textual content of messages is the standard approach which was first developed in the literature. It has the advantage of being easy to set up, but on the other hand, it is vulnerable to text-based attacks such as obfuscation. The structure of the conversation which represent the context is less frequently used as it is more complicated to manipulate. Yet it allows to introduce a contextual aspect which helps detecting abuse occurrences when the text on its own is not sufficient. This context can be modeled as a contextual graph representing the conversation which includes the message. By comparing two methods based on feature engineering on a dataset of conversations extracted from a video games, we could show that a method relying exclusively on conversational graphs and ignoring the content was able to obtain better detection performance. The literature suggest that combining multiple modalities often result in a better detection of abusive messages. We propose multiple strategies to combine the content and structure of conversations and prove that their combination is indeed beneficial to the detection. A limitation of feature-based methods is that they are costly in time and computational resources. Our study also highlights that only a fraction of the computed features are truly relevant for the task. Representation learning methods can be used to mitigate these issues by automatically learning the representations of text and conversational graphs. For graphs, we demonstrated that using edge weights, signs and directions improved the performance. As no method exists for signed whole-graph embedding, we fill this gap in the literature by developing two such methods. We assess them on a newly constituted benchmark of three datasets of signed graphs and show that they perform better than their unsigned counterparts. Lastly, we perform a comparative study of several lexical and graph-embedding method for abuse detection by applying them to our dataset of conversations. Our results show that they perform better than feature-based approaches on text and are slightly less effective on graphs. Still, they obtain promising results given that they are completely task independent, much more scalable and time-efficient than feature-based approaches

La cartographie de la masse des amas de galaxies comparée aux resultats statistiques de simulations numériques constitue un test cosmologique puissant. L'originalité de la mesure de masse par effet de lentille gravitationnelle presentée dans la première partie est la place importante faite à de nouvelles techniques statistiques bayésiennes pour la mesure de forme des galaxies et la reconstruction de masse. Ce formalisme a permis de préciser le profil de masse NFW de l'amas Cl0024. Dans une seconde partie est presenté le projet de détection conjointe d'amas par effet Sunyaev-Zel'dovich (radio) et Red Cluster Sequence (optique). Cette dernière méthode repose sur l'identification de séquences en couleur de galaxies elliptiques dans les amas. L'implémentation à été validée sur un echantillon d'images du relevé global. Enfin, un chapitre est consacré aux outils de réduction des images grand champ ayant servi de support a ce travail
The cartography of the mass in galaxy clusters compared to the output of numerical simulations is a powerful test to constrain cosmological parameters. The originality of the gravitationnal lensing analysis presented in the first part is the large use of new statistical bayesian techniques to measure the shape of galaxies and reconstruct the final mass maps. This formalism allowed a precise determination of the NFW profile of the cluster Cl0024. The second part presents the project of a joined galaxy cluster detection both with the Sunyaev-Zel'dovich effect (radio) et the Red Cluster Sequence (optical). This method is based of this identification of colour sequences of early type galaxies in cluters. The implementation has been tested on a subsample of images of the complete survey. Finally a chapter is devoted to the tools used to reduce the wide field images used in this work

L’analyse des cheveux est à présent reconnue comme un outil pertinent dans le domaine de la toxicologie car elle permet de fournir un historique des habitudes de consommation d’un individu, qu’il s’agisse d’une consommation ponctuelle ou répétée.L’analyse d’un seul cheveu par désorption/ionisation laser assistée par matrice (MALDI) offre de nombreux avantages par rapport aux techniques conventionnelles : la quantité de cheveux est réduite, la préparation des échantillons est simplifiée et les images sont acquises avec une résolution spatiale très élevée (~100 µm). L’imagerie MALDI (MALDI-MSn) nous a permis de caractériser et de cartographier l’évolution des quantités de xénobiotiques le long du cheveu avec une très haute résolution spatiale sans une préparation trop longue ou trop complexe des échantillons au préalable.La spectrométrie de masse MALDI couplée à des plaques micro-réseaux (Microarrays for Mass Spetrometry, MAMS) nous a permis de développer une méthode pour effectuer une semi-quantification de la cocaïne, de la benzoylecgonine, de l’ecgonine méthyl ester et du cocaéthylène à partir d’une quantité de 1 mg de cheveux et 2 heures d’extraction ; les résultats sont bien corrélés avec une méthode de quantification validée. Cette méthode est pertinente lorsque des résultats urgents sont requis. Au total, le développement de ces deux applications nous a permis de démontrer la pertinence de la spectrométrie de masse MALDI dans l’analyse toxicologique du cheveu. Les perspectives consistent à améliorer ces protocoles afin de les transposer en routine et de développer des méthodes de screening large par spectrométrie de masse MALDI
Hair analysis is now recognized as a relevant tool in the field of toxicology. It provides a precise history of an individual’s exposure to drugs, whether it is a punctual or repeated consumption.Matrix-Assisted Laser Desorption/Ionization (MALDI) has many advantages over conventional techniques: the amount of hair needed is reduced, the sample preparation is simplified and the images are acquired with high spatial resolution (~ 100 μm).MALDI (MALDI-MSn) imaging allowed us to characterize and map the evolution of drugs amounts along the hair with very spatial resolution avoiding long and complex pre-sample preparation.MALDI coupled to Microaarays for Mass Spectrometry (MAMS) allowed us to develop a method for semi-quantitation of cocaine, benzoylecgonine, ecgonine methyl ester and cocaethylene using 1 mg of hair and 2 hours of extraction; the results are well correlated with a validated quantification method. This method is relevant when urgent results are required.In total, the development of these two applications demonstrates the relevance of MALDI mass spectrometry in the toxicological analysis of hair. The prospects are to improve these protocols in order to transpose them routinely and to develop large screening methods by MALDI mass spectrometry

Ce mémoire décrit mes travaux de thèse menés au sein de l'équipe ComSee (Computers that See) rattachée à l'axe ISPR (Image, Systèmes de Perception et Robotique) de l'Institut Pascal. Celle-ci a été financée par la société Vesalis par le biais d'une convention CIFRE avec l'Institut Pascal, subventionnée par l'ANRT (Association Nationale de la Recherche et de la Technologie). Les travaux de thèse s'inscrivent dans le cadre de l'automatisation de la fouille d'archives vidéo intervenant lors d'enquêtes policières. L'application rattachée à cette thèse concerne la création automatique d'un album photo des individus apparaissant sur une séquence de vidéosurveillance. En s'appuyant sur un détecteur de visages, l'objectif est de regrouper par identité les visages détectés sur l'ensemble d'une séquence vidéo. Comme la reconnaissance faciale en environnement non-contrôlé reste difficilement exploitable, les travaux se sont orientés vers le suivi visuel multi-cibles global basé détections. Ce type de suivi est relativement récent. Il fait intervenir un détecteur d'objets et traite la vidéo dans son ensemble (en opposition au traitement séquentiel couramment utilisé). Cette problématique a été représentée par un modèle probabiliste de type Maximum A Posteriori. La recherche de ce maximum fait intervenir un algorithme de circulation de flot sur un graphe, issu de travaux antérieurs. Ceci permet l'obtention d'une solution optimale au problème (défini par l'a posteriori) du regroupement des détections pour le suivi. L'accent a particulièrement été mis sur la représentation de la similarité entre les détections qui s'intègre dans le terme de vraisemblance du modèle. Plusieurs mesures de similarités s'appuyant sur différents indices (temps, position dans l'image, apparence et mouvement local) ont été testées. Une méthode originale d'estimation de ces similarités entre les visages détectés a été développée pour fusionner les différentes informations et s'adapter à la situation rencontrée. Plusieurs expérimentations ont été menées sur des situations complexes, mais réalistes, de scènes de vidéosurveillance. Même si les qualités des albums construits ne satisfont pas encore à une utilisation pratique, le système de regroupement de détections mis en œuvre au cours de cette thèse donne déjà une première solution. Grâce au point de vue partitionnement de données adopté au cours de cette thèse, le suivi multi-cibles développé permet une extension simple à du suivi autre que celui des visages.