Imagerie médicale et apprentissage profond
Améliorer l’acquisition et le traitement des images médicales : des méthodes d’apprentissage profond au service des patients et des cliniciens.
Voir mes recherches Consulter le CV
Axes de recherche
- Imagerie ultrasonore 3D Sondes parcimonieuses, séquences codées et reconstruction d’image.
- Emboles cérébraux en Doppler transcrânien Annotation semi-automatique, modèles multimodaux et IA frugale.
- Ventilation personnalisée en réanimation Analyse du scanner thoracique des patients en détresse respiratoire aiguë (SDRA), jusqu’au transfert clinique.
- Malformations vasculaires en IRM Segmentation volumique, apprentissage non supervisé et modèles génératifs.
Publications récentes
- M. Shekarnabi, E. Roux, J.-C. Richard, S. Bayat, M. Orkisz. Deformation-aided lung segmentation: Introducing the DALS network for efficient learning. Next Research, 2025.
- M. Tamraoui, A. Bernard, E. Roux, H. Liebgott. Complementary Coded Multiplane Wave Sequence for SNR Increase in Ultrafast Power Doppler Ultrasound Imaging. IEEE Transactions on Ultrasonics, Ferroelectrics, and Frequency Control, 2025.
- A. Fraissenon, A. Kugusheva, P. Clarysse, E. Roux. Image pre-processing impact on generative model performance for Unsupervised Venous Malformation Segmentation. Computer Methods and Programs in Biomedicine, accepté.
Enseignement
Mathématiques et physique appliquée en BUT GEII, dispositifs médicaux en licence professionnelle TEM, électricité et électronique en L2 Sciences pour la santé, IA embarquée en BUT3.
Médiation scientifique
Rencontres Declics, ateliers « Trace ton son » à la Fête de la science, accueil de stagiaires de collège et de lycée, logiciels CooLearning et Memaudio.