Projet régional MONOMAD

(2017-2019)

MoNoMAD – Modèles Non locaux et Masse de Données : de la théorie, l'aide à la décision en Imagerie Médicale à la valorisation du Patrimoine 3D Normand

En déclinaison du Schéma Régional de l’Économie, des Entreprises, de l’internationalisation et de l’innovation (SRDEEII) et du Schéma Régional de l’Enseignement supérieur, de la Recherche et de l’Innovation (SRESRI) adoptés à l’Assemblée plénière du Conseil Régional Normand du 15 décembre 2016, la Région Normandie souhaite conforter les axes de recherche d’excellence et en émergence sur le territoire normand, en finançant des projets de recherche afin: d’accroître la visibilité et l’attractivité du potentiel de la recherche du territoire normand, tout en irrigant le tissu économique de la région, promouvoir des projets d’excellence scientifique, originaux et d’intérêt pour la Normandie, permettre aux équipes de recherche de se structurer pour atteindre une reconnaissance et une visibilité européenne et internationale qui renforcera l’attractivité de la Normandie. La Région Normandie entend soutenir l’excellence et l’attractivité des laboratoires de recherche normande en cohérence avec la stratégie des établissements, des organismes et de la COMUE Normandie Université au travers de 5 Réseaux d’Intérêts Normands (RIN).

Le présent projet prend place dans le cadre du RIN Normandie Digitale.

Dans de nombreux domaines scientifiques et pour différentes applications, des données massives sont quotidiennement collectées ou générées à partir de diverses sources : Internet, imagerie numérique, maillages 3D ou nuages de points 3D, bases de données d'images ou de maillages, réseaux sociaux, réseaux biologiques, etc. Ces données de grandes dimensions avec des structures complexes ou irrégulières, sont directement générées ou peuvent être modélisées sous forme de graphes ou de fonctions à valeurs scalaires ou vectorielles définies sur des graphes. Il y a donc une demande et un intérêt croissant pour l'analyse et la valorisation de ces données. Cela débouche actuellement sur une intense activité de recherche pour le développement de nouvelles méthodes de traitement et d'analyse de données définies sur des graphes et pour l'extension vers les graphes de méthodes et de concepts classiques utilisées en traitement du signal et de l'image.

Actuellement, pour l'analyse de données massives, un grand intérêt est apporté à l'étude et à l'utilisation de modèles non locaux discrets. On peut citer par exemple les équations type p-laplacien ou laplacien infini sur graphes, l'équation de mouvement par courbure moyenne ou les modèles variationnels faisant intervenir les concepts de périmètre sur graphes comme la régularisation non locale par « total variation ou le modèle de Mumford-Shah. Ces modèles sont utilisés avec succès pour résoudre d'une manière unifiée des problèmes inverses aussi bien en traitement local ou non local des images, en traitement d'images sur nuages de points 3D qu'en analyse de donnés massives sur des graphes de topologie arbitraire.

Dans le même temps, dans le domaine continu, des avancées théoriques importantes ont été apportées sur l'étude de certaines des équivalents continus des modèles non locaux cités plus haut (p-laplacien ou Laplacien infini, équations géométriques non locales, certains modèles avec périmètre non local et courbure non locale).

Le projet MoNoMaD vise à développer les fondements théoriques permettant d'unifier, d'étudier les connexions, d'identifier et de quantifier les différences et les similarités entre les modèles non locaux continus et les modèles non locaux discrets lorsque l'on travaille sur des grands graphes.

Le volet applicatif propose trois applications majeures reliées aux données massives. Il vise quant à lui à analyser et à valoriser des données massives sous forme de nuages de points 3D ou de grandes dimensions ou de bases d'images 2D ou 3D avec des applications concrètes en imagerie médicale pour l'aide à la décision en cancérologie et pour la valorisation du patrimoine 3D culturel et historique Normand.

Partenaires :

- Laboratoire GREYC ( Groupe de Recherche en Informatique, Image, Automatisme et Instrumentation de Caen) UMR CNRS 6072 - Équipe Image.

- Service d'Anatomie et de Cytologie Pathologiques du CHPC (Centre Hospitalier Public du Cotentin).