Electronique
In vitro microemboli classification using neural network models and RF signals
Emboli classification is of high clinical importance for selecting appropriate treatment for patients. Several ultrasonic (US) methods using Doppler processing have been used for emboli detection and classification as solid or gaseous matter. We suggest in this experimental study exploiting the Radio-Frequency (RF) signal backscattered by the emboli since they contain additional information on the embolus than the Doppler signal. The aim of the study is the analysis of RF signals using Multilayer Perceptron (MLP) and Radial-Basis Function Network (RBFN) in order to classify emboli. Anthares scanner with RF access was used with a transmit frequency of 1.82 MHz at two mechanical indices (MI) 0.2 and 0.6. The mechanical index is given as the peak negative pressure (in MPa) divided by the square root of the frequency (in MHz). A Doppler flow phantom was used containing a 0.8 mm diameter vessel surrounded by a tissue mimicking material. To imitate gas emboli US behaviour, Sonovue microbubbles were injected at two different doses (10ll and 5ll) in a nonrecirculating at a constant flow. The surrounding tissue was assumed to behave as a solid emboli. In order to mimic real clinical pathological situations, Sonovue concentration was chosen such that the fundamental scattering from the tissue and from the contrast were identical. The amplitudes and bandwidths of the fundamental and the 2nd harmonic components were selected as input parameters to the MLP and RBFN models.Moreover the frequency bandwidths of the fundamental and the 2nd harmonic echoes were approximated by Gaussian functions and the coefficients were used as a third input parameter to the neural network models. The results show that the Gaussian coefficients provide the highest rate of classification in comparison to the amplitudes and the bandwidths of the fundamental and the 2nd harmonic components. The classification rates reached 89.28% and 92.85% with MLP and RBFN models respectively. This short communication demonstrates the opportunity to classify emboli based on a RF signals and neural network analysis. Voir les détails
Mots clés : Microemboli, Gaseous embolus, Solid embolus, RF signals, Neural Network
Two classifiers score fusion for text independent speaker verification
Two classifiers score fusion for text independent speaker verification Voir les détails
Mots clés : GMM, SVM
Méthodes de traitement des signaux ultrasonores basées sur la déconvolution dans la détection des défauts
Ce travail de thèse concerne l’étude et l’implémentation des méthodes de traitement des signaux ultrasonores basées sur la déconvolution, appliquées à la détection des défauts de délaminage présents dans un matériau composite multicouches du type CFRP. Le signal ultrasonore mesuré est modélisé sous la forme d'un produit de convolution entre une fonction représentative de la forme d'onde émise par le traducteur ultrasonore et une fonction appelée réflectivité. Le problème de l'échographie ultrasonore consiste à essayer de reconstruire le plus précisément possible la séquence de réflectivité. Compte tenu de la définition du modèle direct, le problème inverse spécifique traité dans cette thèse est celui de la déconvolution. La résolution de cette classe de problèmes se heurte à deux difficultés liées d'une part à la présence de bruit et d'autre part à la perte d'informations due à la convolution. Le problème de la déconvolution est donc de remonter à la "bonne" solution, c'est-à-dire celle qui est physiquement significative. Dans cette thèse, les méthodes de déconvolution qui sont divisées en trois grandes catégories : déterministe, semi aveugle et aveugle, ont été étudiées, implémentées, adaptées aux signaux ultrasonores et appliquées au contrôle des matériaux composites. Les résultats obtenus sur divers signaux ultrasonores synthétiques et expérimentaux attestent de la robustesse et des performances de ces méthodes. Voir les détails
Mots clés : contrôle non destructif, ultrason, traitement de signal, déconvolution
Segmentation et évaluation des images segmentées
La segmentation de l’image – le processus qui vise à diviser l’image en ses constituants – est une étape clé dans le traitement de l’image car ses résultats conditionnent la qualité de l’interprétation. Plusieurs méthodes ont été proposées mais aucune ne peut être considérée comme universelle. C’est pourquoi l’évaluation de la performance de la segmentation s’avère indispensable pour s’assurer qu’une technique donnée réalise avec succès la tache pour laquelle elle a été développée. Cette thèse s’articule sur les deux aspects suscités du traitement de l’image. En premier, nous proposons trois méthodes de segmentation basées sur la technique des modèles déformables. Dans un deuxième temps, nous proposons deux méthodes d’évaluation de résultats de segmentation d’images en régions. Voir les détails
Mots clés : Segmentation d'images, contours actifs, Évaluation de la segmentation d'images, Méthodes supervisées, Mesures de différence.
Les modes hybrides le long d'une fibre optique de cœur d'une anisotropie tensorielle (cas faible guidage)
Dans ce travail, évaluation de fibres optiques : - À diélectriques : silice isotrope. - et de cœur d’une anisotropie tensorielle.Selon le cas du faible guidage. Une étude comparative a été menée où il a été déduit que la fibre à cœur chiral anisotrope apporte des améliorations intéressantes sur les paramètres caractéristiques de ce type de fibre. Cette étude était basée essentiellement sur celle de l’approche électromagnétique et La méthode de résolution analytique des équations de dispersion, adoptée pour chaque mode. Les résultats obtenus par cette étude étaient interprétés et comparés à ceux de la littérature pour des structures similaires. Voir les détails
Mots clés : chiralité, fibre optique, fibre optique à cœur chiral, fréquence de coupure
Amélioration des performances de la reconnaissance automatique locuteur par des méthodes de fusion de données
Dans le cadre de ce travail de thèse, nous nous intéressons au problème d’amélioration des performances de reconnaissance automatique de locuteur en mode indépendant de texte par application des méthodes de fusion de données entre deux systèmes GMM-UBM et GMMSVM, puis ensuite, crée une application sous JAVA capable d’une part d’acquérir un signal audio et d’autre part de faire analyser celui-ci pour identifier ou vérifier le locuteur. Voir les détails
Mots clés : Reconnaissance automatique de locuteur, modèle de mélange gaussien GMM, modèle de monde UBM, GMM-SVM machines à vecteurs support, fusion de données
Classification des particules par ultrason et réseaux de neurones artificiels (Application aux emboles)
Les systèmes d’imagerie vasculaire du cerveau sont aujourd’hui des outils indispensables d’aide au diagnostic dans les différents services de neurologie et de réanimation. Les accidents vasculaires cérébraux qui correspondent à la troisième cause de mortalité se divisent en deux grandes familles: les ischémies et les hémorragies. Les systèmes d’imagerie, utilisés en routine clinique pour observer les ischémies cérébrales (30 % des infarctus cérébraux correspondent à des embolies), les malformations (anévrisme), les hémorragies méningées et les thromboses veineuses, sont les scanners, les systèmes d’angio- IRM (ARM) et les systèmes Doppler transcrânien (DTC). De nos jours, le système Doppler est un système d’exploration non invasif qui permet une étude qualitative du retentissement hémodynamique des sténoses artérielles cervicales. Les techniques Doppler restent très peu sensibles à la caractérisation (détection ou classification) des emboles et présentent des carences réelles pour la discrimination entre emboles gaz (contraste) et emboles solides (tissu).Dans ce mémoire, nous proposons plusieurs méthodes de détection et de caractérisation d’emboles (gaz et solides) basées sur les ultrasons en utilisant des modèles non linéaires tels que les réseaux de neurones artificiels et la méthode de machines à vecteurs de support Voir les détails
Mots clés : produits de contraste, ultrasons, microbulles, embole gaz, embole solide, classification, réseaux de neurones artificiels, machines à vecteurs de support, Sélection de caractéristiques, Méthode des K voisins les plus proches (KNN)
Caractérisation du bruit de structure d’un acier inoxydable austénitique contenant une soudure par analyse en ondelettes et test d’hypothèses.
Cette étude montre la caractérisation du bruit de structure d’un acier inoxydable austénitique et la détection d’éventuels défauts dans la structure auscultée. La caractérisation du bruit de structure se fait à partir de signaux ultrasonores Ascan. Ces signaux sont traités et représentés dans un plan temps - échelle au moyen d’une analyse en ondelettes continues. L’objectif ici est de savoir si chaque motif de la représentation temps - échelle est dû au bruit de structure ou à un défaut. La procédure mise en œuvre, repose sur une technique de détection basée sur un test d’hypothèse. Des signaux typiques de bruit de structure sont alors décrits par un modèle autorégressif. L’approche est testée sur des signaux ultrasonores d’un acier inoxydable austénitique laminé puis d’une soudure dans cet acier et permet effectivement de séparer diverses composantes du signal. Voir les détails
Mots clés : NDT/NDE, ultrasons, transformée en ondelette, acier austénitique, bruit de structure
A Variational Level Set Approach applied to detect weld defects in radiographic images
This paper presents a variational level set approach applied to segment images; especially to detect welds defects in radiographic images. Level set methods are a general and powerful technique to represent an object's boundary by the means of an implicit function that has a specific value on the boundary. The evolution is obtained with updating partial differential equations (PDE). The spatial derivatives are improved by using high order approximations “Essentially Non Oscillatory scheme (ENO)”. Also the level set function is easily initialized with a binary function, which is more efficient to construct than the widely used signed distance function (SDF). The computational cost for traditional reinitialization can also be reduced. The proposed algorithm has been applied to both synthetics and real (weld radiographic) images with promising results. Voir les détails
Mots clés : image segmentation, weld defects, Curve evolution, Level set, PDE
A generic shape decomposition
This paper presents a new technique for decomposing a binary shape which provides a hierarchical description of the shape. Associated to the decomposition, a hierarchical reconstruction procedure enables to recover the general aspect of the object as well as its exact original shape. A mathematical modeling of the procedure allows us to demonstrate that the reconstruction is exact. Simulation results show the efficiency of this technique and underline its stability against noise document. Voir les détails
Mots clés : Object Decomposition, Hierarchical Representation, Mathematical Modelization