La réparation endovasculaire des anévrismes aortiques abdominaux (EVAR) et l’implantation valvulaire aortique transcathéter (TAVI) sont des interventions endovasculaires pour lesquelles l’analyse des images CT préopératoires est une étape préalable au planning et au guidage de navigation. Dans le cas de la procédure EVAR, les travaux se concentrent spécifiquement sur la question difficile de la segmentation de l’aorte dans l’imagerie CT acquise sans produit de contraste (NCCT), non encore résolue. Dans le cas de la procédure TAVI, ils abordent la détection des repères anatomiques permettant de prédire le risque de complications et de choisir la bioprothèse. Pour relever ces défis, nous proposons des méthodes automatiques basées sur l’apprentissage profond (DL). Un modèle entièrement supervisé basé sur la fusion de caractéristiques 2D-3D est d’abord proposé pour la segmentation vasculaire dans les NCCT. Un cadre faiblement supervisé basé sur des pseudo-labels gaussiens est ensuite envisagé pour réduire et faciliter l’annotation manuelle dans la phase d’apprentissage. Des méthodes hybrides faiblement et entièrement supervisées sont finalement proposées pour étendre la segmentation à des structures vasculaires plus complexes, au-delà de l’aorte abdominale. Pour la valve aortique dans les CT cardiaques, une méthode DL de détection en deux étapes des points de repère d’intérêt et entièrement supervisée est proposée. Les résultats obtenus contribuent à l’augmentation de l’image préopératoire et du modèle numérique du patient pour les interventions endovasculaires assistées par ordinateur.

Au cours des dernières années, le besoin en débit des télécommunications a considérablement augmenté. Pour maintenir une avance significative, il est essentiel d’améliorer les réseaux existants et de développer de nouvelles infrastructures plus performantes. Ainsi, les réseaux du futur pourraient être constitués de fibre faiblement multimode afin d’augmenter le nombre de canaux indépendants dans une même fibre. Il faudrait alors transférer les fonctions optiques déjà démontrées dans les réseaux actuels telles que la conversion de fréquence ou la régénération de phase. Cette thèse étudie numériquement et expérimentalement le mélange à quatre ondes sensible et insensible à la phase dans les fibres faiblement multimodes. Les simulations présentées dans cette thèse sont basées sur l’équation non-linéaire de Schrödinger multimode implémentée par une méthode de split-step Fourier. Les simulations ont démontré que la régénération de phase intra- ou inter-modale serait possible. Expérimentalement, la fibre utilisée n’a pas permis de mettre en œuvre du mélange à quatre ondes suffisamment efficace pour réaliser cette fonction optique. Cependant, pour la première fois à notre connaissance, nous avons démontré expérimentalement du mélange à quatre ondes sensible à la phase dans les modes LP01 et LP11 d’une fibre faiblement multimode.

Le contenu vidéo a considérablement augmenté en volume et en diversité à l'ère numérique, et cette expansion a souligné la nécessité de technologies avancées de compréhension des vidéos. Poussée par cette nécessité, cette thèse explore la compréhension sémantique des vidéos, en exploitant plusieurs modes perceptuels similaires aux processus cognitifs humains et un apprentissage efficace avec une supervision limitée, semblable aux capacités d'apprentissage humain. Cette thèse se concentre spécifiquement sur la réponse aux questions sur les vidéos comme l'une des principales tâches de compréhension vidéo. Notre première contribution traite de la réponse aux questions sur les vidéos à long terme, nécessitant une compréhension du contenu vidéo étendu. Alors que les approches récentes dépendent de sources externes générées par les humains, nous traitons des données brutes pour générer des résumés vidéo. Notre contribution suivante explore la réponse aux questions vidéo en zéro-shot et en few-shot, visant à améliorer l'apprentissage efficace à partir de données limitées. Nous exploitons la connaissance des modèles à grande échelle existants en éliminant les défis d'adaptation des modèles pré-entraînés à des données limitées. Nous démontrons que ces contributions améliorent considérablement les capacités des systèmes de réponse aux questions vidéo multimodaux, où les données étiquetées spécifiquement annotées par l'homme sont limitées ou indisponibles.

L’objectif ultime de thèse est de développer un système de synchronisation de bout en bout pour la compensation en temps réel des mouvements lors du traitement du cancer du poumon et du foie sur l’Elekta Unity. Ce système surveillera et localisera automatiquement en temps réel la position spatiale tridimensionnelle de la tumeur, et prédira sa trajectoire dans 0.5 secondes. Un signal de synchronisation sera généré pour contrôler l’activation et la désactivation du faisceau pendant la radiothérapie, réduisant ainsi l’inexactitude dans la délivrance de la dose due au mouvement respiratoire. Pour atteindre cet objectif, les étapes suivantes ont été réalisées : 1. Validation de l’efficacité de KCF dans le suivi des tumeurs en 2D sur des images en IRM cine, plus efficace et précise par rapport aux méthodes traditionnelles (TM). La précision est améliorée en calculant le centroïde des pixels, et la sélection des plans (coronales vs sagittales) pour localiser les tumeurs dans la direction SI. 2. Proposition d’un modèle C-NLSTM spécifique au patient qui combine la préformation du modèle C-NLSTM et l’optimisation de la cible pour obtenir une meilleure prédiction du mouvement de tumeurs. Le transfer learning, en utilisant efficacement le modèle préformé sur un ensemble de données limité, est une solution pertinente face au manque de données de l’Elekta Unity. Le modèle montre une performance satisfaisante dans la prédiction en temps réel pour la compensation du movement spécifique au patient. 3. Validation de la régression linéaire dans la prédiction du mouvement des organs ou des tumeurs en utilisant des images MR ciné 2D et proposition d’un schéma de prédiction en ligne pour les signaux de gating. Les signaux de gating sont déclenchés àl’aide de modèles prédictifs, prouvant son efficacité dans la MRgRT en comparant avec des modèles RNN. 4. Intégration des travaux susmentionnés, proposition d’une solution complète de compensation des mouvements respiratoires basée sur la IRM cine orthogonale. En optimisant un modèle de pavé et en explorant différents scénarios, des signaux de gating sont générés pour répondre aux besoins de traitement des différents patients. La validation par étude dosimétrique confirme que l’efficacité de la solution proposée dans la protection des organes environnants à risque. En résumé, le système proposé est robuste et fiable, réalisant une adaptation en temps réel au mouvement des tumeurs en MRgRT. Il fournit un solide soutien pour la compensation du mouvement respiratoire dans le traitement des cancers thoraciques et abdominaux, servant d’outil essentiel pour la radiothérapie de précision.

Dans cette thèse, nous nous attaquons aux défis de la localisation des systèmes multi-robots, en nous concentrant sur la localisation coopérative dans des formations non infiniment rigides avec des contraintes de détection. Nos contributions introduisent un cadre dans lequel les objectifs éventuellement conflictuels du maintien de la connectivité, de l'exécution des tâches et de l'acquisition d'informations sont "médiés" à l'aide d'un programme quadratique et des fonctions de barrière de contrôle et du formalisme de la fonction de Lyapunov de contrôle. Une autre contribution de cette thèse concerne la localisation active distribuée de cibles mobiles multiples par un groupe de robots volants utilisant des mesures basées sur des caméras, tout en accommodant d'autres tâches si la redondance du système le permet. Dans ce cas également, la formulation du problème utilise un programme quadratique et des fonctions de barrière de contrôle. En nous appuyant sur la fonction de barrière de contrôle et le cadre du programme quadratique, nous identifions et abordons les limites de l'état actuel de la technique, en particulier en ce qui concerne les fonctions de barrière de contrôle distribuées. Nos modifications aboutissent à un contrôleur qui converge vers la solution optimale centralisée. Enfin, nous présentons une méthodologie d'observation comme une nouvelle contribution, facilitant la localisation coopérative d'un système multi-robots dans un cadre commun en utilisant des mesures relatives au cadre du corps.

Dans cette thèse, un système multi-sensoriel composé de capteurs proximétriques, appelé réseau proximétriques, est proposé. En l’attachant à l’effecteur, il permet à un robot d’effectuer des tâches de positionnement plan sur plan et de positionnement par rapport à un cylindre. L’analyse de la stabilité de la tâche de positionnement plan sur plan est effectuée en obtenant la forme explicite pour la pseudo-inverse de la matrice d’interaction. Les informations de proximité et de vision sont ensuite combinées pour traiter le positionnement dans un espace encombré pour une tâche d’assemblage à l’aide de capteurs sans contact dans le cadre de la commande référencée multi-capteurs. Le réseau proximétrique est enroulé autour du bras du manipulateur pour permettre d’éviter les collisions alors que l’asservissement visuel à partir de 4 points assure le positionnement. Divers résultats expérimentaux et de simulation sont fournis pour valider la théorie. Des formes explicites de la base duale sont obtenues pour des tâches incluant le suivi plan sur plan et le positionnement par rapport à un cylindre avec un minimum de capteurs et un asservissement visuel à partir de 3 points. La base duale est associée à l’espace linéaire des torseurs d’interaction qui forment les composantes de la matrice d’interaction. Cela conduit à des équations explicites capteurs.

Les travaux de cette thèse s’inscrivent dans le contexte clinique visant à optimiser le geste lors des interventions endoventriculaires cardiaques. Cette recherche se concentre principalement sur le guidage en vue du diagnostic et du traitement des affections endoventriculaires à l’aide de cathéters. L’intervention considérée est la biopsie endoventriculaire utilisée pour diagnostiquer les patients atteints de sarcoïdose cardiaque. En effet, le cathéter doit être guidé avec précision vers la zone de fibrose. Cependant, l’absence d’informations visuelles précises sur la localisation de la fibrose pendant l’intervention accroît le risque de faux négatifs pour les échantillons prélevés. De plus, il existe un risque de complications telles que la perforation myocardique, également appelée tamponnade cardiaque. Les objectifs de cette thèse sont articulés en deux parties distinctes : La première partie, préopératoire, consiste à élaborer un modèle 3D du cœur, englobant le ventricule gauche, le ventricule droit et le myocarde. Ce modèle est construit à partir de segmentations d’images d’IRM, notamment des séquences ciné pour les structures principales et LGE pour localiser les zones de fibrose. Les méthodes de segmentation développées reposent sur l’apprentissage profond, et la méthode de segmentation de la fibrose fait l’objet d’une publication en cours. La seconde partie, peropératoire, vise à assis- ter la procédure en fournissant des informa- tions précises sur l’anatomie et la localisation de la zone fibrosée. Cela permet d’optimiser le positionnement du cathéter en périphérie de cette zone fibrosée, contribuant ainsi à améliorer la précision et l’efficacité de l’intervention. Enfin, l’ensemble de la chaîne de traitement a été expérimenté avec succès sur trois patients, procurant ainsi un retour d’expérience du clinicien. Ces avancées visent à réduire les risques liés à la biopsie endoventriculaire et à accroître la précision du diagnostic de la sarcoïdose cardiaque, ouvrant ainsi la voie à des progrès significatifs dans la prise en charge de cette pathologie.

Cette thèse se situe dans le domaine de l’interaction robotique avec des objets déformables. Elle présente une approche de commande robotique pour la manipulation autonome d'un câble déformable attaché entre 2 robots et soumis à la gravité. Le travail de recherche a porté sur l'élaboration d'une approche d'asservissement visuel qui utilise une caméra RGB-D pour extraire la forme du câble et l'angle de lacet du plan vertical qui le contient. Pour concevoir la commande du système, nous avons proposé d’utiliser, en tant qu’informations visuelles, les coefficients d'une courbe parabolique représentant une approximation de la forme du câble et l'angle de lacet de son plan. Le modèle d'interaction qui relie les variations de ces informations visuelles aux vitesses des extrémités du câble a été dérivé analytiquement. Des résultats expérimentaux ont dans un premier temps été obtenus avec un bras robotique manipulant une extrémité du câble et ont démontré l'efficacité de cette approche d'asservissement visuel pour déformer le câble vers une configuration de forme désirée. Cette approche a ensuite été adaptée à la manipulation robotique aérienne et validée expérimentalement sur un scénario robotique impliquant la saisie et le transport d'un objet par un câble manipulé par deux drones quadrotors dont l’un, qui est équipé d'une caméra RGB-D, est contrôlé par la méthode d’asservissement visuel proposée.

L’évolution des standards de communication impose le besoin des architectures antennaires plus sophistiqués associés à des techniques de diversité d’antennes et de formation de faisceaux. Ce type d’antennes offre des nouvelles possibilités pour les applications sans fil en termes d’efficacité spectrale, de fiabilité des liens radio, de réduction de l’impact environnementale ainsi que l’accroissement des capacités des systèmes de communications. Cependant, les techniques conventionnelles de formation de faisceaux entraînent souvent une augmentation significative de la taille de l’antenne. Par conséquent, l’intégration de tel système dans des petits appareils sans fil est relativement limitée. Les réseaux d’antennes compactes et superdirectifs constituent une solution innovante et attrayante pour surmonter ces problèmes. Néanmoins, ils présentent nombreux inconvénients notamment une faible efficacité de rayonnement, un très faible gain et une bande passante très étroite. Ces inconvénients limitent l'utilité des réseaux superdirectifs pour répondre aux besoins des technologies sans fil de nouvelles générations. Dans cette thèse, nous proposons de nouvelles méthodes d’optimisation multi-objectif, basées sur la théorie des modes caractéristiques (NCM), la théorie du facteur de réseau ainsi que les réseaux de neurones artificiels (RNA) pour la conception et le développement de nouvelles architectures antennaires compactes, superdirectives, efficaces et large bande pour des applications 5G.

En permettant de visualiser de manière sélective les dynamiques des particules dans les cellules, la microscopie de fluorescence est un outil de premier plan pour la recherche biomédicale. Il existe par conséquent une forte demande d'outils algorithmiques capables d'analyser automatiquement des données microscopiques brutes. Après une présentation de la théorie et des techniques entourant les dynamiques des particules, la microscopie de fluorescence, les méthodes de suivi et la classification de mouvements, nous présentons dans cette thèse une nouvelle méthode de cartographie basée sur des estimateurs à noyaux spatio-temporels permettant d'estimer de manière robuste la diffusion et la dérive intracellulaires à partir des données de suivi. Nous l'évaluons dans un ensemble étendu d'expériences utilisant des données simulées, réelles, 2D et 3D et montrons que notre méthode fournit des cartes de diffusion et de dérive précises et exactes tout en étant plus performante que les méthodes existantes. En tant que telle, elle permet aux biologistes d'étudier les dynamiques intracellulaires de particules spécifiquement marquées avec une plus large gamme d'acquisitions et de techniques de microscopie de fluorescence. En outre, nous présentons une méthode de détection de domaines de confinement utilisant également le suivi de particules et la classification de mouvements.