OPIS

L'objectif du projet OPIS est de concevoir des méthodes d'optimisation avancées pour l'analyse et le traitement de masses de données complexes. Sont visées, dans ce projet, des applications aux problèmes inverses et en apprentissage mettant en jeu des données biomédicales volumineuses, par exemple, d'imagerie 3D à rayons X, de TEP, d'échographie, ou d'IRM. L'accent est mis sur des méthodes d'optimisation capables de gérer des données comportant à la fois des échantillons de grande dimension (“big N”) et en grande quantité (“big P”). Les méthodologies explorées reposent sur des concepts d'analyse fonctionnelle non lisse, la théorie des points fixes, des stratégies parallèles/distribuées et des architectures de réseaux de neurones. Les dévelopements de nouveaux outils d'optimisation effectués se placent dans le cadre général du traitement du signal sur des graphes, permettant d'appréhender aussi bien des graphes réguliers (tels que des images) que des graphes non réguliers (tels que des réseaux de régulation de gènes).