Seminar/2017-11-08
From LRDE
Mercredi 8 novembre 2017, 10h-12h, Amphi 4 de l'EPITA
Lire les lignes du cerveau humain
Jean-François Mangin, NeuroSpin, CEA, Paris-Saclay
La lecture des lignes de la main est une activité ancestrale sans
fondement scientifique, même si certains motifs sont associés à des
malformations congénitales comme la trisomie 21. Cette conférence
décrira l’émergence d’une véritable science de la lecture des « lignes
du cerveau humain », qu’il s’agisse des plissements de son cortex ou
de la trajectoire des faisceaux de fibres qui constituent son câblage
à longue distance. Des formes inhabituelles de ces plissements ou de
ces faisceaux sont parfois la trace d’anomalies développementales
susceptibles d’augmenter le risque de développer certaines
pathologies.
Jean-François Mangin est directeur de recherche au CEA. Il y dirige un
groupe de recherche algorithmique en neuro-imagerie au sein du centre
Neurospin, la plateforme IRM en champs intenses du CEA. Il est aussi
directeur du CATI, la plateforme française créée par le plan Alzheimer
pour prendre en charge les grandes études de neuroimagerie
multicentriques. Il est enfin codirecteur du sous-projet «Human
Strategic Data» du Human Brain Project, le plus vaste projet de
recherche de la commission européenne. Il est ingénieur de l’Ecole
Centrale Paris et Docteur de Télécom ParisTech. Son programme de
recherche vise au développement d’outils de vision par ordinateur
dédiés à l’interprétation des images cérébrales. Son équipe
s’intéresse en particulier aux anomalies des plissements ou de la
connectivité du cortex associées aux pathologies. Elle distribue les
outils logiciels issus de cette recherche à la communauté.
www.cati-neuroimaging.com, www.humanbrainproject.eu, www.brainvisa.info
Apprentissage automatique en neuroimagerie: application aux maladies cérébrales
Edouard Duchesnay, NeuroSpin, CEA, Paris-Saclay
L'apprentissage automatique, ou "pattern recognition" multivarié, peut
identifier des motifs complexes, associés à une variable d'intérêt, et
ce, dans des données de grandes dimensions. Une fois l'apprentissage
effectué par l'algorithme, il est appliqué à un nouvel individu afin
de prédire l'évolution future de ce dernier. L'imagerie par résonance
magnétique (IRM) fournit une approche efficace et non invasive pour
étudier les changements structurels et fonctionnels du cerveau,
associés aux conditions cliniques des patients. En combinant
apprentissage automatique et imagerie cérébrale, il est possible de
considérer l'émergence d'une médecine personnalisée, où les
algorithmes ont appris du passé à prédire la réponse probable et
future d'un patient donné à un traitement spécifique. Ces nouvelles
informations guideront le clinicien dans ses choix thérapeutiques.
Nous présenterons la complexité des données IRM manipulées, les
algorithmes d'apprentissage et leurs applications aux maladies
cérébrales.
Edouard Duchesnay a obtenu un diplôme d'ingénieur en génie logiciel de
l'EPITA en 1997 (spécialisation SCIA), puis un master et un doctorat
en traitement du signal et des images de l'Université de Rennes 1,
respectivement en 1998 et 2001. Depuis 2008, il est chargé de
recherche chez Neurospin, le centre de neuroimagerie par IRM du
CEA. Il développe des algorithmes d'apprentissage automatique
fournissant des outils de diagnostic et pronostic ou des méthodes de
découverte de biomarqueurs pour les maladies du cerveau. E. Duchesnay
est un contributeur majeur de la bibliothèque d'apprentissage
automatique ParsimonY de Python, dédiée aux données structurées de
grandes dimensions, telles que l'imagerie cérébrale ou les données
génétiques. Il a également contribué à la bibliothèque d'apprentissage
automatique scikit-learn de Python.
Home page: https://duchesnay.github.io/ "Home page" has not been listed as valid URI scheme., ParsimonY library https://github.com/neurospin/pylearn-parsimony "ParsimonY library https" has not been listed as valid URI scheme., Scikit-learn library http://scikit-learn.org "Scikit-learn library http" has not been listed as valid URI scheme.