CentraleSupélec

Des formations d’excellence de niveau international

CENTRE DE VISION NUMERIQUE (CVN)

 

Les Thèmes de recherche

Associé à l’INRIA Saclay, le centre de la vision numérique, crée en 2011, le CVN se situe à l’intersection entre les mathématiques et l’informatique, en quête de modèles mathématiques et de leurs solutions informatiques pour la structuration automatique, l'interprétation et la compréhension de données (visuelles) massives en mettant l'accent sur ​​l'apprentissage automatique, la vision par ordinateur et les modèles discrets en analyse d'images biomédicales.
 

Vision par ordinateur

Reconstruction d’images, détection de frontières, segmentation avec ou sans modèle, estimation et suivi du flot, analyse d’images, reconnaissance d’objets et modélisation 3D à large échelle basée sur une grammaire...

Machine Learning et Optimisation

Auto-apprentissage, modèles graphiques probabilistes, apprentissage à instances multiples, régression à sortie structurée, méthodes à noyaux, apprentissage multitâches, en ligne, ou de transfert...

Analyse d’images biomédicales (équipe galen-inria)

Détection et reconstruction comprimée, détection de tumeurs, segmentation d’organes, recalage et fusion déformables d’images, modélisation longitudinale d’organes, anatomie virtuelle, études de population et la compréhension du cerveau...

The Center of Visual Computing of CentraleSupelec & Inria, Saclay, Ile-de-France, organized a summer school in Biomedical Image Analysis: Modalities, Methodologies & Clinical Research at the Institut Henri Poincaré at the heart of Paris. This was an official event of the Medical Image Computing and Computer Assisted Intervention Society (MICCAI). Please find out all the lectures given for this special event.

Domaines d’application

 

  • Systèmes industriels complexes (automatisation, tri optique, robotique, systèmes de contrôle, contrôle non-destructif) ;
  • Industrie automobile (aide à la conduite, détection de piétons, régulateur automatique de vitesse, aide au stationnement) ;
  • Santé (diagnostique assisté par ordinateur, capteurs multimodaux, exploration de données, imagerie par bio-marqueurs, chirurgie assistée par ordinateur)

     

Chiffres clés
 

  • Enseignants-chercheurs et chercheurs: 5
  • Doctorants : 17
  • Personnels techniques et administratifs : 3
  • Stagiaires : 8
  • Brevets: 1
  • Publications : 22

     

Partenaires académiques

  • INRIA (FR),
  • École des Ponts-ParisTech (FR),
  • Henri Mondor University Hospital (FR),
  • European Hospital Georges Pompidou (FR),
  • Pitié-Salpêtrière Hospital (FR),
  • Montpelier University Hospital (FR),
  • Stanford University (USA),
  • StonyBrook University (USA),
  • Computer Science Department (USA),
  • University of Pennsylvania (USA),
  • University of California at Los Angeles (USA),
  • Technical University of Munich (DE),
  • University of Lugano (CH),
  • University of Oxford (UK),
  • University College London (UK),
  • University of Oulu (Finland),
  • Ecole Polytechnique de Montreal (CA),
  • International Institute of Information Technology, Hyderabad (IN).

 

Pôles de compétitivité

Digiteo, Medicen, Cap Digital

 

Partenaires industriels

General Electric Health Care, Siemens Medical Solutions, Intrasense, LLTECH

 

Contact

Directeur : Jean-Christophe Pesquet

Téléphone : +33 (0)1 41 13 17 85
Fax : +33 (0)1 41 13 10 06

Email : Jean-Christophe.pesquet@centralesupelec.fr

Les dernières publications

Pré-publication, Document de travail
31/01/2019
The Core Decomposition of Networks: Theory, Algorithms and Applications
Fragkiskos Malliaros, Christos Giatsidis, Apostolos Papadopoulos, Michalis Vazirgiannis
Pré-publication, Document de travail
22/12/2018
Pré-publication, Document de travail
20/12/2018
Pré-publication, Document de travail
18/12/2018
Perturb and Combine to Identify Influential Spreaders in Real-World Networks
Antoine J.-P. Tixier, Maria Evgenia G. Rossi, Fragkiskos Malliaros, Jesse Read, Michalis Vazirgiannis
Pré-publication, Document de travail
18/12/2018
Identifying the Best Machine Learning Algorithms for Brain Tumor Segmentation, Progression Assessment, and Overall Survival Prediction in the BRATS Challenge
Spyridon Bakas, Mauricio Reyes, Enzo Battistella, Siddhartha Chandra, Théo Estienne, Lucas Fidon, Maria Vakalopoulou, Roger Sun, Et Al., Éric Deutsch, Charlotte Robert, Nikos Paragios, Bjoern Menze
Voir toutes les publications du laboratoire sur HAL