Traduction
Multi-Tasking for Eye-Fundus Retinography
De nombreuses maladies oculaires graves se manifestent en particulier dans la rétine chez l’humain. Une étape importante dans l’analyse automatique du fond de l’œil est la segmentation de ses différentes structures. Dans ce but, nous avons testé plusieurs méthodes pour effectuer cette segmentation et détecter des maladies grâce à l’utilisation de l’intelligence artificielle profonde et multitâches. Nous nous sommes en particulier concentrés sur les pathologies pouvant lentement causer une cécité irréversible.
Pulmonary Tuberculosis Detection from Chest X-Rays
La tuberculose est le pathogène provoquant le plus de décès après la Covid-19. La radiographie de la poitrine est un outil de première importance pour confirmer le diagnostic et suivre la maladie. De nombreuse régions reculées manquent souvent de professionnels qualifiés, c’est pourquoi l’OMS a récemment recommandé l’utilisation de système de diagnostic par ordinateur pouvant analyser les radios de la poitrine. Ces systèmes sont au centre de cette recherche, qui explore les solutions pour cartographier les signes radiologiques pouvant permettre de créer de tels systèmes de diagnostic.
Predicting Decompensation (Death) with a Mobile Device
La détection précoce et précise des symptômes de décompensation des patients dans leur environnement domestique pourrait prévenir des décès. Dans ce but, plusieurs compagnies commercialisent des capteurs miniaturisés pouvant mesurer entre autres cinq signes vitaux au cœur de cette étude : rythme cardiaque, oxygénation du sang, pression artérielle, température et âge. Sur la base de ces données, nous avons étudié la possibilité des algorithmes de l’intelligence artificielle de déterminer si un patient risque de décompenser dans les 24 prochaines heures.
Diversity-Aware Machine Learning for Smartphone based Health & Activity Sensin
Les smartphones sont devenus des appareils multifonctions grâce à la pléthore de capteurs qu’ils embarquent. Ces capteurs permettent de récolter des données de façon non-invasive, c’est pourquoi nous nous sommes posés deux questions scientifiques :
- Est-il possible d’utiliser les smartphones pour des mesures en lien avec la santé et l’activité, p.ex. humeur, stress, comportement alimentaires, de consommation de boissons, etc ?
- Comment inclure une diversité de personnes (âge, genre, culture, profile social, etc.) pour éviter les biais lors de la mise en place d’apprentissage-machine équitable ?
Locally Private Graph Neural Networks
Les réseaux de neurones dits GNN ont montré de meilleurs résultats pour de nombreuses tâches d’apprentissage graphique. Malgré tout, l’apprentissage basé sur cette méthode peut poser des problèmes en lien avec la vie privée, lorsque les nœuds de ces graphiques représentent des personnes ou des données qui leurs sont associées. Dans cette étude, nous avons étudié ce problème, où les nœuds du graphique (p.ex. dans le cadre d’utilisateurs de réseaux sociaux) contiennent des données sensibles qui sont gardées privées, mais sont malgré tout requises par un calculateur central pour entraîner le réseau de neurones sur le graphique.
...
...
...
...
...
Eguzki: towards real-time district heating network simulations
Les réseaux de chauffage à distance de quartier, qui amènent la chaleur produite dans un lieu central de façon renouvelable et la transportent vers les bâtiments via un réseau de tuyaux isolés, sont considérés comme une des solutions les plus prometteuses pour réduire les émissions de gaz à effet de serre. Leur mise en place est souvent compliquée par la manque d’outils adaptés pour les concevoir, les analyser et les optimiser. Le but du chercheur est de développer un modèle de machine learning incluant les contraintes physiques pour palier à ce manque.
Heatlearn: predicting aggregated building energy demand from land-use maps
La densité énergétique est un indicateur de la planification urbaine de l’énergie. Nous avons développé un modèle pour prédire cet indicateur en utilisant uniquement des cartes du terrain, disponibles en libre accès pour tout le continent européen. Ce modèle a été entrainé grâce aux données de consommation d’énergie de plus de 161’000 bâtiments du Canton de Genève. Pour les prédictions avec une résolution spatiale de 330 mètres, la moyenne absolue du pourcentage d’erreur est de 5%.
The LUCIDELES project: machine learning techniques for the daylight and electric lighting performance predictions
L’utilisation de dispositifs de contrôle des stores et de l’éclairage fait partie des stratégies utilisées pour concevoir des bâtiments efficients énergétiquement. L’évaluation de leurs performances est généralement réalisée à l’aide de simulations par ordinateur qui sont très gourmandes en terme de temps de calcul et de ressources. Les techniques d’apprentissage automatique sont utilisées comme modèle générique dans un bureau individuel pour améliorer le temps de réponse grâce à de meilleures prédictions des conditions d’éclairage naturel et artificiel.
...
...
...
Computational Bioimaging: Better Microscopes with Computers
Notre recherche se focalise sur l’imagerie computationnelle et l’analyse d’images biomédicales. Nous développons des algorithmes pour la déconvolution d’images et de la super-résolution en microscopie optique, ainsi que de la reconstruction 3D à partir de projections.
Plus généralement, nous combinons des dispositifs d’imagerie et d’éclairage inhabituel avec des méthodes de calcul pour créer des solutions sur mesure d’observation et de mesure de systèmes biologiques vivants et complexes.
...
...
...
...
...
...
Plausible neural models of hearing
Cette recherche utilise les descriptions les plus abouties de l’ouïe, qui incluent les caractéristiques importantes de chaque élément de l’oreille, et les incorpore dans les derniers modèles d’intelligence artificielle basés sur les réseaux de neurones. Grâce à un processus d’entraînement harmonisé, nous espérons non seulement améliorer les technologies vocales, mais également contribuer à la science de l’audition.
...
Automatic speech recognition for airtraffic communication
La communication entre les pilotes et les contrôleurs aériens est surtout basée sur la voix. Afin d’améliorer ces échanges vocaux, la reconnaissance vocale automatique peut être utilisée. Son utilisation peut réduire significativement la complexité des tâches et augmenter la fiabilité des informations transmises.
Automatic Extraction of Relevant Information from Text Documents
Détecter automatiquement le sujet d’un texte est un défi. Il est d’autant plus difficile de créer un système incluant i) un bref résumé ou une transcription de reconnaissance vocale automatique, ii) des données non-labélisées limitées, iii) des données multilingues. Le module de détection de sujet utilise des concepts de basse résolution d’un nombre limité de documents préalables et détecte les sujets potentiels grâce à des technologies avancées.
Automating criminal investigations
Dans les enquêtes policières, lorsqu’une conversation entre un suspect et un contact externe est interceptée, la quantité de travail nécessaire pour l’analyser devient vite impossible à gérer. Ce travail présente des options pour automatiser l’analyse des enquêtes policières, notamment pour répondre aux questions suivantes : qui est la personne qui parle, que dit-elle, quel est le sujet de la conversation ?
...
...
...
...
Face Presentation Attack Detection beyond Visible Spectrum
Les systèmes automatiques de reconnaissance faciale utilisent des caméras couleurs (RVB) pour identifier des individus. Ces systèmes automatiques peuvent être leurrés par une photo, une vidéo ou un masque en 3D sophistiqué placé face à la caméra, ce qu’on appelle une attaque de présentation. Des systèmes de détection de ces attaques de présentation ont pour but de remédier à ces vulnérabilités pour plus de sécurité.
Deepfakes : a new threat for identity theft and disinformation
Deepfake: vidéo trafiquée réaliste où l’ensemble des éléments du visage d’une personne est remplacé par ceux d’une autre personne grâce à l’intelligence artificielle.
- Cette technologie progresse rapidement et est accessible à chacun
- Elle peut être utilisée pour se faire passer pour quelqu’un et faire de la diffamation
- Elle peut être utilisée pour induire les gens en erreur avec du contenu faux et diminuer la confiance dans les preuves vidéo.
Demographic differentials in Face Recognition: assessment and mitigation
Les médias ont reporté plusieurs cas où des systèmes biométriques se sont comportés différemment avec des personnes appartenant à des groupes différents. De telles disparités apparaissent du fait que le seuil de décision utilise des FMR ou des FNMR qui ne sont pas « équitables » pour de tels groupes de personnes. Regardons cela de plus près.
...
Automatic Diagnosis of Neurological Disorders from Speech
Les maladies neurologiques, telle que Parkison, peuvent perturber la façon dont les gens parlent. En écoutant et en analysant le langage d’un patient, les médecins peuvent diagnostiquer les pathologies de la parole et aider à les traiter et les gérer. Ces évaluations cliniques sont toutefois subjectives et demandent du temps. Nous proposons une approche automatisée pour le diagnostic des maladies neurologiques à partir de la parole, de sorte à fournir une aide fiable et efficace aux évaluations cliniques.
The ExplAIn Lab - Building Explanation Machines
Le groupe de recherche Intelligence artificielle raisonnable et explicable a pour but le développement de modèles et de systèmes d’intelligence artificielle capables d’inférences complexes, abstraites et flexibles.
Representation Learning for Language Understanding
Le groupe de recherche Compréhension du langage naturel se focalise sur des architectures d’apprentissage profond basées sur l’attention pour découvrir les représentations du sens du langage et un éventail de différentes applications utilisant ses architectures. Un des éléments clés de ce travail utilise l’architecture transformative pour la prédiction de structures linguistiques. Les exemples d’applications incluent la création de résumés et de liens entre entités.
CORONET: A safe and explainable AI system to support cancer patients with Covid
Ce poster présente CORONET, un système d’intelligence artificielle développé conjointement avec des oncologistes pour prendre des décisions médicales durant la pandémie.
Building AI models which can understand and explain science
Ce poster présente les progrès récents du ExplAIn Lab en matière de modèles d’intelligence artificielle pouvant donner du sens à des connaissances scientifiques complexes. Le but sur le long terme de ce programme de recherche est d’accélérer les nouvelles découvertes grâce à l’inférences à large échelle dans les corpus scientifiques.
Clinical and Automatic Diagnosis of Neurological Disorders from Speech
Un grand nombre de maladies neurologiques affectent la façon dont parlent les gens. Pour diagnostiquer les troubles de la parole, les médecins écoutent les patients parler et évaluent sur cette base les difficultés d’élocution. Ces évaluations sont longues et fastidieuses. En complément nous avons donc développé un outil automatique basé sur l’analyse vocale et l’apprentissage automatique. Nous cherchons à comparer la précision de cet outil avec les diagnostics établis par des médecins.
Enhancement of Reverberant and Noisy Speech
Les outils de communication tels que les aides auditives, les systèmes de téléconférence ou les téléphones mobiles sont très répandus de nos jours. Leurs utilisateurs attendent d’eux qu’ils fonctionnent partout et en tous temps, ce qui est particulièrement difficile dans les environnements avec beaucoup de bruits et d’échos comme dans un restaurant, une salle de concert ou dans un métro. Le bruit et la réverbération du son peuvent diminuer significativement la qualité et l’intelligibilité d’une conversation. Pour les supprimer, nous nous sommes concentrés sur un seul canal d’amélioration de la parole pour apprendre à cartographier les différences entre une conversation claire et parasitée, pour améliorer l’intelligibilité des signaux enregistrés.
...
...
Ethical AI and SensitiveData Protection at Idiap
- Les techniques d’apprentissage automatique (machine learning) ont pour but d’extraire des tendances à partir de large quantités de données.
- De nombreux modèles de machine learning sont entraînés sur des données sensibles.
- Des politiques de protection des données claires sont cruciales pour innover en machine learning.
- L’Idiap suit des règles éthiques pour collecter, stocker et utiliser des données.
- Les activités de collecte de données de l’Idiap respectent les lois en vigueur.
- Les chercheurs de l’Idiap travaillent également sur des outils d’intelligence artificielle plus accessibles aux utilisateurs finaux, qui ne sont pas des experts.
- Les outils d’intelligence artificielle développés par l’Idiap et ses partenaires permettent aux utilisateurs de prendre de bonnes décisions et d’expliquer les résultats des systèmes d’intelligence artificielle.
...
...
...
...