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
-
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...
-
Imagerie structurelle 3D de tissus riches en collagène par microscopie SHG polarimétrique
Schanne-KleinMarie-ClaireLa microscopie par génération de seconde harmonique (SHG) permet d’imager le collagène.…
-
Acquisition interférométrique compressive : de l'imagerie sans lentille au beamforming aléatoire en…
JacquesLaurentDans cette présentation, nous étudierons les propriétés d'un modèle d'acquisition d'image spécifique rencontré dans deux applications d'imagerie compressive distinctes : l'imagerie sans lentille à
-
Angela Dai – 3D in a Large-Data World
DaiAngelaRecent advances in machine learning have shown remarkable progress in the 2D and video domain, fueled by very large-scale data and compute. 3D, however, which is critical for applications spanning
-
Des traces de vie sur l'astéroïde Bénou ? | OSIRIS-REx
ZanettaPierre-MarieLes premiers résultats du retour d'échantillons de la mission OSIRIS-REx suite à son exploration de l'astéroïde Bénou.
-
Accidents du travail dans l’UE-15 et méthodes d’apprentissage automatique-PUDD
MboméMarieCette présentation met en avant l'apport des outils modernes de traitement des données dans le domaine des sciences humaines et sociales, en combinant statistiques avancées et intelligence
-
La vie microscopique dans les arts vivants des 20e et 21e siècles (partie 1)
SégingerGisèleHeyraudViolaineShepherd-BarrKirstenAbdallaDaniel IbrahimPrateekArmstrongPatrickDarrobersElisabethBazinWallerandCette rencontre est organisée par Liliane Campos, François-Joseph Lapointe et Kirsten Shepherd-Barr, dans le cadre du projet BioCriticism avec le soutien du projet Biohumanities (dir. Gisèle Séginger)
