Hydrodynamique des Super-Paramagnetic Micro-Beads

Mon travail consistait à capturer le mouvement des micro-billes subissant une attraction due au champ magnétique externe. A partir de cela, il est possible de quantifier les forces hydrodynamiques agissant sur les micro-billes.

En utilisant les outils open source trackpy et scikit-image, j’ai développé un pipeline de traitement d’images pour isoler, suivre et calculer les dynamiques du mouvement à partir des images. Nous avons atteint une cadence moyenne de ~800fps.

www.pmmh.espci.fr

The Mechanical Sense of Paramecium

En tant que chercheur stagiaire, j’ai développé une analyse d’images à haute fréquence et en temps réel ainsi qu’un pipeline de contrôle matériel pour suivre des trajectoires longues d’une Paramécie.

J’ai également développé un pilote pour la platforme du microscope et un outil d’acquisition et du traitement d’images à grande vitesse (~50 fps).

Ces logiciels nous ont permis de suivre la trajectoire des Paramécies en mouvement.

www.labos.upmc.fr/ljp

Étude de la diversité des motifs Phyllotactic

La phyllotaxie est l’arrangement des organes latéraux chez les plantes. Dans ce projet, nous essayons d’expliquer l’origine des motifs émergents, des transitions et des irrégularités dans ces arrangements. En utilisant une projection cylindrique déroulante et déformante, j’ai développé un pipeline d’analyse d’image permettant une étude plus approfondie des organes végétaux complexes.

www.msc.univ-paris-diderot.fr

Vision Artificielle et extraction d’informations

Développement d’un utilitaire de numérisation d’onde et d’extraction de métadonnées à partir de rapports ECG. L’outil est utilisé au Brigham and Women’s Hospital de Boston pour le traitement de plus d’un million de dossiers patients.

J’ai également travaillé à l’extraction de données tabulaires normalisées à partir d’enregistrements médicaux scannés. Les défis majeurs consistaient à gérer les images inclinées, désaturées et de faible qualité.

oxyent.com

Reconnaissance des activités humaines à partir de données d’accélération dans des conditions naturelles

L’objectif de ce projet était de développer un système de reconnaissance d’activités humaines de bas niveau, telles que la marche, la course, la position assise, etc., en utilisant un seul accéléromètre.

En utilisant une méthode d’apprentissage supervisé, nous avons entraîné un classifieur Random Forest à l’aide de vecteurs de caractéristiques obtenus via notre modèle, qui nous a permis d’atteindre une précision de 95%.

Modélisation et analyse de réseau de la régulation de l’expression génique médiée par les miARN introniques

Dans le cadre de ce projet, nous avons développé un modèle mathématique pour la régulation de l’expression génique via les micro-ARN (miARN) introniques, basé sur des données empiriques et des observations expérimentales réalisées à l’IGIB (Institute of Genomics and Integrative Biology).

Dans le cadre de cette étude, nous avons également généré un réseau de cibles miARN <=> ARNm en utilisant diverses bases de données disponibles.