Ce diaporama a bien été signalé.
Nous utilisons votre profil LinkedIn et vos données d’activité pour vous proposer des publicités personnalisées et pertinentes. Vous pouvez changer vos préférences de publicités à tout moment.

Presentation pfe

2 122 vues

Publié le

check link :
www.mediafire.com/download/3829scatx1zodvf/Rapport_&_PPT.zip

  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

Presentation pfe

  1. 1. Réalisé par : Mariem EL AFRIT Encadré par : M. Yann LE DU Supervisé par: Pr. Faouzi GHORBEL Déconvolution de signaux à une dimension pour l’Imagerie par Résonance Paramagnétique Electronique Ecole Nationale des sciences de l’Informatiques
  2. 2. • Introduction • Utilisation de la Résonance Paramagnétique Electronique en Imagerie • Problématique • Solution proposée • Résultats • Conclusion Le Plan
  3. 3. • Introduction • Utilisation de la Résonance Paramagnétique Electronique en Imagerie • Problématique • Solution proposée • Résultats • Conclusion Le Plan
  4. 4. Introduction Exobiologie Comprendre l’émergence de la vie sur Terre Connaître les possibilités de son développement ailleurs En détecter l’éventuelle présence Non invasive Sensibilité RPE Pollution Très peut de matière  Mars Scout Program (NASA) Phoenix • 25 mai 2008 • rechercher des environnements favorables au développement d’une vie microbiologique martienne et de reconstituer l’histoire de l’eau. MAVEN •2013 •Etudier l’influence qu’ont pu avoir les vents solaires sur l’évolution de Mars. Mars Simple Return •2020-2025 •collecte d’échantillons martiens avec retour sur terre. Centre Nationale des Etudes Spatiales Conditions physicochimiques sous la surface des planètes. L’évolution des molécules organiques simples vers des macromolécules complexes.
  5. 5. • Introduction • Utilisation de la Résonance Paramagnétique Electronique en Imagerie • Problématique • Solution proposée • Résultats • Conclusion Le Plan
  6. 6. Utilisation de la RPE en Imagerie Principe de la RPE Méthode de spectroscopie sous champ magnétique. Détection des espèces magnétiques avec un électron non apparié sur la couche de valence. Effet Zeeman : Couplage entre le champ magnétique extérieur et le spin. Niveaux d’énergie d’un spin S Ms=-S Ms=-S+1 Ms=S Champ magnétique Bext 2S+1 états  Ion magnétique avec un éléctron célibatair  Condition de résonance :
  7. 7. Utilisation de la RPE en Imagerie Imagerie par RPE Projection sur une direction du gradient de la densité de radicaux libres. Image 1D Plusieurs projections dans plusieurs direction dans un même plan. Image 2D Déterminer l’image 2D sur plusieurs plans. Image 3D Backprojection Outil pour connaître la distribution spatiale des radicaux libres au sein de l’échantillon
  8. 8. • Introduction • Utilisation de la Résonance Paramagnétique Electronique en Imagerie • Problématique • Solution proposée • Résultats • Conclusion Le Plan
  9. 9. Problématique Effet d’un champ magnétique statique  Nombre de particules participant à l’absorption  La contribution a l’absorption des spins en x  Le signal observé
  10. 10. Problématique  Projection sur l’axe de gradient de la densité de spins convoluée avec la forme de raie Méthodes classiques •Participation humaine lourde et subjective. •Des paramètres qui changent avec le cas étudié. Ce que nous voulons •Paramètres valables pour une catégorie particulière (une fonction déterminée pour chaque forme de raie et typologie de densité volumique)
  11. 11. • Introduction • Utilisation de la Résonance Paramagnétique Electronique en Imagerie • Problématique • Solution proposée • Résultats • Conclusion Le Plan
  12. 12. Solution proposée Problème résolut par un algorithme standard Interpréter les calculs comme une fonction paramétré d’une entrée vers une sortie: réseau de neurones. Adapter les paramètres aux exemples de la fonction souhaité Étapes de fonctionnement: 1. La synthèse des informations. 2. Transformation des informations en quelque chose de nouveau. 3. Modifier les poids afin de diminuer une fonction d’erreur (phase d’apprentissage) En générale :  Un système composé de plusieurs unités de calcul simples fonctionnant en parallèle. La structure du réseau, la solidité des connexions et l’opération effectué par les éléments ou nœuds, déterminent la fonction. Déconvolutionpar les réseaux de neurones
  13. 13. Solution proposée Différent types des réseaux de neurones Réseau de neurones Réseaux feed-forward Réseaux récurrents
  14. 14. Solution proposée Déconvolutionpar les réseaux de neurones feed-forward  L’information circule des entrées vers les sorties.  La topologie du réseau ne contient aucun cycle.  Réseaux à couches : leur traitement est basé sur une succession de couches de neurones.
  15. 15. Solution proposée Déconvolutionpar les réseaux de neurones feed-forward entrées les sorties cycle Réseaux à couches : leur traitement est basé sur une succession de couches de neurones. RNA récurrent
  16. 16. Solution proposée Déconvolutionpar les réseaux de neurones à réservoir Existence d’au moins un cycle dans la topologie du réseau.  «réservoir » : connexions aléatoires et clairsemées. Avantages :  Modélisation des systèmes dynamiques avec leurs mémoires dynamique.  Moin de calculs dans la phase d’apprentissage.
  17. 17. • Introduction • Utilisation de la Résonance Paramagnétique Electronique en Imagerie • Problématique • Solution proposée • Résultats • Conclusion Le Plan
  18. 18. Résultats
  19. 19. Résultats
  20. 20. Résultats
  21. 21. Matériels utilisé  Utilisation de plusieurs machines pour construire plusieurs Réseaux avec des paramètres différents.  utiliser des GPUs pour accélérer la phase d’apprentissage.
  22. 22. • Introduction • Utilisation de la Résonance Paramagnétique Electronique en Imagerie • Problématique • Solution proposée • Résultats • Conclusion Le Plan
  23. 23. Conclusion • Utilisation de la RPE •densité linéique cherché, convolué avec la forme de raie qui est une caractéristique de la matière observé. •Les techniques de déconvolution qui existent sont des techniques qui nécessitent une intervention lourde de l’homme et nous donne des paramètres valables que dans le cas étudié. •les résultats obtenus par les réseaux de neurones feedforward, ont a réussit a avoir une reconstruction du signal presque identique à l’originale ce qui nous a encouragé a utiliser les réseaux de neurones à réservoir. •Toute la littérature a montré que grâce a son critère dynamique, le réseau de neurone a réservoir doit donner des résultats meilleur. •Nous avons réussit a construire le Réseau et maintenant il nous reste a déterminer son architecture qui convient à résoudre notre problème. Et pour le faire nous avons besoin de construire plusieurs réseaux à architectures différentes et choisir les meilleurs paramètres pour construire de nouveaux réseaux et ce en utilisant plusieurs machines , pour pouvoir construire plusieurs réseaux en même temps, équipés de GPUs, pour pouvoir gagner du temps pendant l’étape de l’entrainement.

×