Notice
Impact des techniques neuronales pour la microscopie computationnelle
- document 1 document 2 document 3
- niveau 1 niveau 2 niveau 3
Descriptif
Cet exposé s'attachera à décrire l'intérêt des techniques de réseaux de neurones pour la microscopie computationnelle. Nous illustrerons notre propos dans le cas de la microscopie ptychographique de Fourier dont nous détaillerons plusieurs aspects. Notamment, nous avons pu quantifier l'apport de la phase en plus de l'intensité pour l'analyse de frottis sanguins colorés. La reconstruction pour un nombre réduit de LEDs a été aussi possible grâce à un modèle de réseaux de neurones physics informed profitant à la fois des capacités d'optimisation et d'apprentissage de ces approches.
Intervention / Responsable scientifique
Sur le même thème
-
Comment les machines apprennent ?
FerréArnaudANF TDM & IA 2025 | Comment les machines apprennent ? avec Arnaud Ferré (MaIAGE, INRAE)
-
Comment une IA peut-elle faire la conversation ?
FerréArnaudANF TDM & IA 2025 | Comment une IA peut-elle faire la conversation ? avec Arnaud Ferré (MaIAGE, INRAE)
-
Interagir efficacement avec un agent conversationnel
ChifuAdrian-GabrielANF TDM & IA 2025 | Comment interagir efficacement avec un agent conversationnel : prompt engineering et prompt hacking avec Adrian Chifu (LIS, Aix-Marseille Université)
-
Les modèles de langue : usages et enjeux sociétaux
GuigueVincentANF TDM & IA 2025 | Les modèles de langue : usages et enjeux sociétaux avec Vincent Guigue (MIA, AgroParisTech)
-
Déploiement d'IA sécurisées en local appliqué aux données sensibles et open source
SanjuanEricANF TDM & IA 2025 | Retour d’expérience sur le déploiement d'IA sécurisées en local (processus ETLs) appliqué aux données sensibles (santé) et open source (OpenAlex) avec Éric SanJuan (LIA, Avignon
-
Interroger ses documents avec des grands modèles de langage : méthode RAG
PoulainPierreANF TDM & IA 2025 | Interroger ses documents avec des grands modèles de langage : découverte de la méthode RAG avec Pierre Poulain (Laboratoire de Biochimie Théorique, Université Paris Cité)
-
Fast adaptive optics fluorescence microscopy for in vivo high resolution imaging in depth
FragolaAlexandraThe study of fast biological phenomena at the cellular level has become possible even in depth in biological tissues in several animal models and rodents, thanks to efficient 3D microscopy techniques.
-
Super-resolved fluorescence microscopy using random illuminations (RIM)
SentenacAnneLe GoffLoïcThe resolution in optical microscopy is fundamentally constrained by the diffraction limit…
-
Physical Models and Machine Learning for Scientific Imaging
MairalJulienDeep learning has transformed image processing, often surpassing traditional methods that rely on precise modeling of optical image formation...
-
Désassemblons le numérique - #Episode14 : Et si demain, l'IA lisait dans nos pensées ?
LotteFabienDans ce nouvel épisode de Désassemblons le numérique, nous vous proposons un petit détour par… votre cerveau ! Enfin, plus précisément, par la façon dont les machines pourraient un jour le comprendre.
-
ML-enhancement of simulation and optimization in electromagnetism
PestourieRaphaëlFull-wave simulations of large-scale electromagnetic devices — spanning thousands of wavelengths while featuring sub-wavelength geometrical details — pose significant computational challenges….
-
Des opérateurs de neurones aux modèles de fondation : Scientific Machine Learning pour les phénomèn…
LehmannFannyLe Scientific Machine Learning a émergé comme un domaine à la frontière entre apprentissage automatique et simulation numérique pour construire des méta-modèles innovants...
