Le département informatique d’IRIMAS s’est structuré autour de la modélisation, l’analyse, le traitement et l’optimisation des grandes masses de données.
Structuration du département informatique d’IRIMAS
Algorithmes développés autour de l'Intelligence Artificielle :
Nos recherches s’inscrivent dans le domaine de la science des données (data science) et de l’intelligence artificielle (artificial intelligence) dont l’objectif est d’extraire des informations pertinentes à partir de grandes masses de données. Nous développons principalement des algorithmes de classification avec un intérêt particulier pour le traitement de données temporelles (séries temporelles et séquences symboliques). Dans ce contexte, nous nous intéressons aux méthodes d’analyse de séquences telles que la définition de nouvelles mesures de similarité ou l’identification de motifs discriminants. Une particularité de nos approches est la prise en compte des déformations temporelles pouvant apparaître dans les données. Nous explorons également l’utilisation de l’apprentissage profond (deep learning) ainsi que l’augmentation de données (data augmentation) et l’apprentissage par transfert (transfer learning).
Nous développons également des algorithmes d’optimisation basés sur des processus d’évolution artificielle et notamment des méthodes inspirées par la nature pour la résolution des problèmes réels. L’objectif étant de traiter des problèmes souvent classés comme étant très difficiles et qui nécessitent la mise en œuvre de nouveaux algorithmes d’optimisation intégrant des techniques d’apprentissage et des méthodes de recherche locales pour obtenir des solutions dans un temps raisonnable. Cette hybridation a déjà fait ses preuves dans la résolution de nombreux problèmes industriels que nous avons pu résoudre et que nous traitons actuellement. Le verrou scientifique est d’arriver à trouver un équilibre entre la phase d’exploration de l’espace de recherche des solutions, souvent exponentiel, et la phase d’exploitation pour arriver à trouver une solution quasi-optimale dans un temps raisonnable. D’où l’intérêt de développer des méthodes hybrides intégrant de la connaissance dans la phase de la recherche de la meilleure solution.
Quelques applications
Chirurgie
Nous étudions le comportement de chirurgiens à travers l’analyse d’enregistrements de procédures chirurgicales. Ces enregistrements permettent d’étudier les différences de pratique chirurgicale et l’acquisition de compétences chirurgicales. Nos méthodes permettent notamment de fournir des retours personnalisés (feedback) aux jeunes chirurgiens dans le cadre de la formation à la chirurgie robotisée. Ces recherches nous poussent à étudier l’explicabilité des décisions prises par les modèles que nous développons.
Imagerie médicale
Nous travaillons dans le domaine de la pathologie numérique (digital pathology) qui consiste à convertir des biopsies de tissus en images numériques à très haute résolution. Dans ce contexte, nous développons des approches d’intelligence artificielle permettant de détecter automatiquement des structures microscopiques (e.g. cellules immunitaires, cellules cancéreuses, etc.) notamment à partir de modèles profonds (deep learning). Les méthodes développées permettent aux médecins pathologistes d’affiner leur diagnostic et de choisir des traitements personnalisés dans le cadre de la médecine de précision (precision medicine).
Image satellitaire
Nous travaillons à la production de nouvelles connaissances sur les dynamiques environnementales à partir de l’exploitation de données géospatiales massives et hétérogènes. Nous analysons notamment les masses d’images satellitaires produites à haute fréquence temporelle (satellite Sentinel) dans le but d’étudier l’évolution des types d’occupation du sol afin de répondre à des enjeux sociétaux et environnementaux.
Surveillance vidéo
Nous étudions les mouvements organisés de piétons dans les espaces publics afin de préparer et de gérer les parades urbaines et les manifestations à fort potentiel de conflit. Dans ce contexte, nous étudions comment l’analyse de données extraites de vidéos de surveillance peut aider à anticiper et à gérer les conflits lors de manifestations. Nous développons notamment des approches basées sur l’apprentissage profond (deep learning) afin d’identifier et de suivre des piétons dans des vidéos de surveillances.
Exemple du suivi des piétons
Radiodiffusion par voie terrestre
Nous avons travaillé sur le développement d’algorithmes hybrides permettant de résoudre le problème d’allocation de fréquences dans le domaine de la Télévision Numérique par Voie Terrestre (TNT) actuellement déployée en France et à l’étranger. Dans ce domaine, nous avons développé des algorithmes génétiques hybrides avec des techniques d’apprentissage et de recherches locales qui ont permis d’éviter les interférences générées lors de chevauchement des zones de couvertures des émetteurs de la TNT. Les algorithmes développés dans ce domaine ont permis d’optimiser la couverture des émetteurs tout en réduisant le niveau des interférences.
Exemple de couverture du service de la TNT pour l’Alsace
Smarts-grids
Nous travaillons sur le problème de dispatching économique dans les réseaux électriques dit intelligents. Dans ce contexte, nous développons des algorithmes hybrides qui combinent les systèmes multi-agents et les algorithmes évolutionnaires. L’objectif étant de répondre, dans un intervalle du temps donné, à la demande en électricité en faisant coopérer plusieurs sources d’énergie (renouvelables ou fossiles) toute en minimisant le coût de la production et les émissions des gaz comme le NOx par exemple.
Exemple de résultats obtenu suite à la commande de plusieurs sources d’énergie
Chimie : résolution structurale de nouvelles zéolithes
Dans ce domaine, nous développons des méthodes d’optimisation hybrides combinant des algorithmes à base de population et les méthodes de recherche locales pour trouver de nouvelles structures zéolithes qui n’existent pas dans les bases de données mondiales. À noter que les zéolithes sont des matériaux poreux qui trouvent des applications dans de nombreux domaines dont la dépollution par exemple. Les travaux que nous développons, nous ont permis de trouver à ce jour trois nouvelles structures non répertoriées mondialement. Ces travaux pourront nous servir de bases pour le développement numérique pour résoudre le problème de docking moléculaire.
Trois nouvelles structures zéolithes hypothétiques trouvées numériquement à Mulhouse
Déploiement de caméras dans des espaces publics
Dans ce travail, nous nous intéressons à développer des algorithmes hybrides (à base de population combiné avec des méthodes exactes) pour le déploiement de caméra dans un espace urbain pour couvrir la zone de manifestation représentée en 3D.
Les premiers résultats obtenus nous ont permis de valider un algorithme sur le centre ville de Mulhouse comme l’illustre la figure.
Actuellement, nous travaillons sur les techniques de décomposition du problème et leur hybridation avec les méthodes de résolutions hybrides pour garantir une couverture optimale de la voie publique avec un minimum de caméra.
>Résultat de la couverture des grands axes au centre de ville de Mulhouse. Au centre on peut voir la couverture entière de la place de réunion.
Placement et gestion de bornes de recharges pour les véhicules électriques
Dans ce contexte, nous avons développé un outil permettant d’analyser les trajectoires d’environ 5000 Taxis G7 parisiens et d’en extraire plusieurs types d’informations dont notamment la prédiction et détermination des meilleurs emplacements pour installer des bornes de recharges électriques.
En complément de ce travail, nous travaillons sur le développement d’algorithmes d’optimisation hybrides pour une gestion optimisée de la charge de flotte de véhicules électriques.
Exemple de suivi des courses pour les taxis parisiens.
Optimisation des moteurs électriques
Dans ce domaine, nous nous intéressons à la mise en place de nouveaux algorithmes d’optimisation intégrants de l’apprentissage pour optimiser la conception des moteurs électriques. Le but étant de trouver un moteur ayant une masse plus petite tout en augmentant sa puissance. Plusieurs topologies du moteur en été proposées dans le département et notamment une topologie basée sur les moteurs à aimants permanents qui a permis d’intégrer le nouveau moteur dans les roues d’un scooter pour les personnes à mobilité réduite comme l’illustre la figure.
Exemple de moteur électrique proposé
Un nouvel algorithme révolutionnaire hybride vient d’être mis en place et il est en cours de validation sur l’optimisation d’un moteur pour un véhicule électrique (notamment la Twizy).
Domaine hospitalier : gestion des parcours de soins pour les malades
Les milieux hospitaliers se trouvent aujourd’hui confrontés à de nombreux problèmes d’organisation, de planification, de dimensionnement et surtout d’optimisation. Ces problèmes sont généralement liés à la gestion des ressources (lits, blocs opératoires,…) des véhicules (ambulances, véhicules spécifiques,...) des stocks de matières ou de produits ou même des ressources humaines (médecins, infirmiers, brancardiers, …). Ils se présentent comme étant des problèmes d’aide à la décision et peuvent ainsi être abordées par des techniques liées à la recherche opérationnelle. L’objectif étant de fournir des outils informatiques d’aide à la décision permettant une bonne gestion des ressources mises à disposition que ce soit humaines (personnel) ou matérielles (véhicules médicaux),
Dans ce contexte, la réorganisation du milieu hospitalier est devenu un sujet sensible à cause du coût qu’engendre le fonctionnement des différents services au sein d’un hôpital, la mutualisation des ressources, l’intégration des nouvelles règles de gestion, de l’externalisation de certains services vers des entreprises privées ou encore de l’augmentation des demandes de transports que ce soit entre les différents services d’un centre hospitalier ou entre divers hôpitaux composant un complexe hospitalier.
Dans ce travail, nous nous intéressons à l’élaboration d’un système d’aide à la décision pouvant intégrer des méthodes de résolution hybrides efficaces issues de l’IA pour résoudre les problèmes de transport hospitalier, notamment les problèmes de tournées des véhicules avec leurs deux aspects statique et dynamique. Ce travail fait actuellement l’objet d’une récente collaboration avec une collègue de l’Université de Shanghai.
Biologie
La prédiction de la structure des protéines (Protein structure prediction PSP) joue un rôle important dans le domaine de la biologie moléculaire computationnelle. Bien que de puissants algorithmes d'optimisation se soient avérés efficaces pour s'attaquer à la PSP, les chercheurs sont confrontés au défi des simulations qui prennent du temps. Notre proposition consiste à développer un algorithme basé sur l’évolution différentielle hybridé avec des surrogate models pour réduire les simulations qui prennent beaucoup de temps.
Exemple de structures trouvées dans le département.
Web : modélisation des parcours d’internaute
L’invention se base sur une modélisation des parcours d’internaute sur un site internet par la succession des pages visitées et un affichage de ces visites via un diagramme de type « sunburst ». Cet affichage est dynamique et permet de sélectionner les parcours intéressant en croisant différents critères comme le chiffre d’affaire moyen généré par un parcours type. Une représentation temporelle permet par ailleurs de suivre le volume d’internautes suivant un parcours type dans le temps.
Cette visualisation permet de suivre la fréquentation d’un site internet d’une manière nouvelle. Optionnel : Le gestionnaire du site pourra ultérieurement « activer » certains parcours (via la proposition d’une promotion limitée dans le temps par exemple dans le cas d’un site marchand) pour augmenter le taux de conversion du site.
Quelques gros projets du département
- projet ANR
- budget total : 575 k€
- participants : IRIMAS (Mulhouse), LIVE (Strasbourg), LIPADE (Paris), iCube (Strasbourg)
Les objectifs du projet TIMES sont de produire de nouvelles connaissances sur les dynamiques environnementales à partir de l’exploitation de données géospatiales massives et hétérogènes. Il s’agit de proposer et de développer de nouvelles méthodes permettant d’exploiter la complémentarité et surtout la haute fréquence temporelle de cette masse de données hétérogènes afin de répondre à des enjeux sociétaux et environnementaux.
- projet financé par la région Grand Est (AMI Numérique)
- budget total : 615 k€
- participants : CEED (Strasbourg), UbiCentrex (Strasbourg), IRIMAS (Mulhouse)
Plasidia est un projet de plateforme de télémédecine permettant la télésurveillance des patients diabétiques sous insuline, la télé-expertise (avis à distance d’un médecin auprès d’un diabétologue) et la diffusion de supports digitaux à l’éducation du patient (sous forme d’e-learning). Dans ce projet, nous analysons des données de glycémie de patients qui sont collectées par la plateforme afin d’identifier des comportements similaires de diabète.
- projet ANR
- budget total : 3.5 M€
- participants : IRIMAS (Mulhouse), INRIA (Rennes), TU Kaiserslautern, Universität Koblenz-Landau, Hochschule München
L’objectif du projet OPMoPS est d’étudier les mouvements organisés de piétons dans les espaces publics afin de préparer et de gérer les parades urbaines et les manifestations à fort potentiel de conflit. Dans le cadre de ce projet, nous étudions comment l’analyse de données extraites de vidéos de surveillance peut aider à anticiper et à gérer les conflits lors de manifestations.
- projet BFBM e :Med
- budget total : 1 035 k€ – porteur : Hannover Medical School
- participants : IRIMAS (Mulhouse), ICube (Strasbourg), MHH (Hannover, Allemagne), cfAED (Dresden, Allemagne), HZI (Braunschweig, Allemagne), Definiens GmbH (Münich, Allemagne)
L’objectif global du projet est d’exploiter tout le potentiel des échantillons de biopsie obtenus dans le cadre de transplantation rénale et du cancer du sein héréditaire pour l’aide au diagnostic. Par rapport à l’évaluation conventionnelle “descriptive” de biopsies, l’approche fondamentalement nouvelle est de prendre en compte la dimension spatio-temporelle des processus immunologiques dynamiques dans l’interprétation des images microscopiques, basée sur des techniques avancées d’analyse d’images et des modèles mathématiques des processus dynamiques sous-jacents.
- projet financé par la Japanese Science and Technology Agency (JTS)
- budget total : 114 k€
- participants : LTSI (Rennes), IRIMAS (Mulhouse), Université de Tokyo
Le projet TPSSA (Technical and Procedural Surgical Skill Analysis) est un projet de recherche en collaboration avec l’Université de Tokyo qui est financé par la Japanese Science Agency (JTS). Il a pour objectif l’étude des compétences techniques et procédurales à partir de simulations de procédures chirurgicales. Grâce à ces analyses, nous cherchons à identifier des variants et des invariants de pratique entre des chirurgiens ayant des niveaux d’expertise différents. L’objectif à long terme est d’utiliser les invariants identifiés afin de les automatiser à l’aide de robots chirurgicaux.
- projet Idex Université de Strasbourg
- budget total : 150 k€
- participants : ICube (Strasbourg), IRIMAS (Mulhouse)
Ce projet est financé par l’IdEx (Initiative d’Excellence) de l’Université de Strasbourg. L’objectif de ce projet est l’extraction automatique de modèles biologiques spatiaux à partir d’images histopathologiques pour l’évaluation du caractère prédictif du micro-environnement inflammatoire dans le cadre du cancer héréditaire du sein.
- projet européen ERACoSysmed
- budget total : 1 647 k€ – MIPS/ICube : 245 k€
- participants : IRIMAS (Mulhouse), ICube (Strasbourg), MHH (Hannover, Allemagne), DIAG (Nijmigen, Pays-Bas), HR (Milan, Italie), cfAED (Dresden, Allemagne), WIS (Rehovot, Israël)
Le projet Sys-MIFTA vise à étudier la formation de fibrose intersticielle et l’atrophie tubulaire résultant d’un dysfonctionnement du rein dans le cadre d’une transplantation. L’objectif pour les chercheurs d’IRIMAS est de travailler sur le développement de nouvelles méthodes d’analyse d’images histopathologiques de greffes de reins guidées par des connaissances expertes, afin d’en extraire des descriptions sémantiques aidant au diagnostic d’un rejet potentiel de la greffe.
- projet ANR
- Budget : 235 k€ pour IRIMAS
- participants : IRIMAS (Mulhouse), Université Abdelmalek Essaadi (Maroc), Universitat Politecnica de Vaelncia (Espagne), Université d’Alexandrie (Égypte)
Le but de ce projet est de proposer un réseau de capteurs sans fil intelligent (WSN) pour la surveillance de l’eau, l’évaluation de sa qualité pour l’optimisation de l’irrigation, qui comprend une première étape de traitement de l’eau pour réduire la pollution. Le système proposé est destiné aux zones arides et semi-arides où la pollution de l’eau devient un réel problème. L’objectif principal du système intelligent est de détecter la pollution dans les aquifères, les canaux et les rivières qui servent de source d’eau pour l’irrigation et d’appliquer différentes techniques de bioabsorption afin d’utiliser l’eau qui en résulte pour l’irrigation