Modélisation de séquence par techniques adaptatives : prévision de décharges de batterie et extraction de contours dans des images médicales

O. Gérard

LIP6 2000/031: THÈSE de DOCTORAT de l'UNIVERSITÉ PARIS 6 LIP6 / LIP6 research reports
241 pages - Juin/June 1999 - French document.

Get it : 5457 Ko /Kb

Contact : par mail / e-mail

Thème/Team: Apprentissage et Acquisition de Connaissances

Titre français : Modélisation de séquence par techniques adaptatives : prévision de décharges de batterie et extraction de contours dans des images médicales
Titre anglais : Time series modeling by adaptive methods : prediction of battery discharges and contour detection in medical images

Résumé : L'objet de cette thèse est de proposer et de développer une méthode générale et robuste permettant de traiter deux types de problématique de traitement de séquences.
L'approche générale se fonde sur une modélisation pertinente du phénomène observé et sur l'inférence statistique des paramètres de cette modélisation et de leurs variations. Pour les deux problématiques, nous avons développé des systèmes hiérarchiques et hybrides, tirant parti des capacités d'approximateurs universels des réseaux de neurones et intègrant de la connaissance a priori sur le problème.
Le premier problème traité s'inscrit dans le cadre général de la prévision du comportement d'un système dynamique évoluant selon le contexte. Plus précisément, nous avons proposé un nouveau système hiérarchique et évolutif pour prévoir la fin de décharge de batteries rechargeables alimentant un appareil portable. Le modèle originalproposé utilise deux réseaux de neurone. Le premier est un simple modèle d'une courbe de décharge alors que le second est responsable de l'adaptation aux données contextuelles et estime les paramètres du premier réseau. La version incrémentale proposée permet une adaptation en ligne aux variabilités comportementales des batteries. Les résultats obtenus sont bons avec une erreur moyenne de 6 minutes pour un événement qui peut intervenir dans un intervalle de 10 heures.
Le second problème abordé consiste en l'extraction automatique d'un contour dans des images médicales : le contour du ventricule gauche dans des images angiocardiographiques.
La délinéation précise de cet objet sert de base à la mesure de quantités très utiles au diagnostic de maladies cardio-vasculaires. Le système proposé utilise le plus possible de l'information a priori de haut niveau afin de restreindre la recherche vers le contour le plus probable. Cette recherche se base sur un modèle hybride réseau de neurones - chaîne de Markov cachée. Les résultats prometteurs obtenus démontrent l'intérêt de cette démarche.

Abstract : The aim of this thesis is to propose and develop a general method for analyzing two kinds of time series problems. This general approach is based on a modelization of the observed phenomenon and on statistical learning of the model parameters and their evolution. For these two problems, hierarchical hybrid systems have been developed using the universal approximation capability of the neural networks and integrating prior knowledge about the problem.
The first application is the prediction of the behavior of a dynamic system evolving under the influence of changes in its environment. More precisely, the goal of our proposed hierarchical and evolving system was to predict the end of the discharge of batteries powering a portable system. This proposed system consists in two neural networks hierarchically organized. The first network is a simple model of a discharge curve while the second is responsible for the adaptation to the context by the estimation the weights of the first network. An incremental version further adapts on-line the system to take into account individual behavior of the batteries. The results obtained are rather good with an average error of about 6 minutes for an event that may occur within 10 hours.
The second application deals with the automatic extraction of a contour in medical images and more precisely with the detection of the left ventricle contours in angiocardiographic images. The precise determination of this contour is the basis of several measures required for diagnosing cardio-vascular diseases. The proposed system makes use of prior high-level knowledge to direct the search toward the most probable contour. This search is based on a hybrid neural network - hidden Markov model system. The promising results demonstrate the validity of the developed approach.

Mots-clés : Réseau de neurones, méthode adaptative, prévision de décharge, batterie rechargeable, détection de contour, image médicale

Key-words : Neural network, adaptive method, discharge prediction, rechargeable batteries, contour detection, medical images

Publications internes LIP6 2000 / LIP6 research reports 2000

Responsable Éditorial / Editor :Valerie.Mangin@lip6.fr