Annonce
Soutenance d'HdR - Sébastien Li-Thiao-Té
20 Novembre 2021
Catégorie : Soutenance HdR
Je soutiendrai mon habilitation à diriger des recherches intitulée "Analyse de données bio-médicales. Recherche reproductible et modélisation mathématique", le mardi 23 novembre à 14h à l'Université Sorbonne Paris Nord.
La soutenance se tiendra en salle B407 au 4e étage du bâtiment B à l'Institut Galilée, site de Villetaneuse.
Le manuscrit ainsi que les diapositives seront disponibles sur mon site web.
Le jury sera composé de :
Luis Alvarez, Université de Las Palmas de Gran Canaria, Espagne (rapporteur)
Antoine Chambaz, Université de Paris, France (rapporteur)
Jacques Froment, Université de Bretagne Sud, France (rapporteur)
Marion Darbas, Université Sorbonne Paris Nord, France
Agnès Desolneux, ENS Paris-Saclay / Centre Borelli, France
Françoise Dibos, Université Sorbonne Paris Nord, France
Jean-Michel Morel, ENS Paris-Saclay / Centre Borelli, France
Yves-Michel Frapart, Université de Paris, France
Hatem Zaag, CNRS, Université Sorbonne Paris Nord, France
--
Li-Thiao-Té Sébastien
LAGA, CNRS UMR 7539, Université Sorbonne Paris Nord
http://www.math.univ-paris13.fr/~lithiao/Main/HomePage.html
Résumé :
Les travaux présentés concernent le traitement mathématique du signal et des images, et l'analyse de données en général. Ils abordent la question de l'application des mathématiques dans la vie réelle, et plus particulièrement de la production rigoureuse d'énoncés scientifiques valides pour les domaines de la biologie et de la médecine.
Le problème central concerne l'utilisation des modèles en mathématiques appliquées. Bien souvent, lors de l'analyse d'un jeu de données, un certain nombre de choix et d'hypothèses sont formulées arbitrairement. Les résultats de l'analyse sont alors dépendants et affaiblis par ces choix arbitraires. Nous proposons d'envisager cette question en considérant les énoncés scientifiques comme des ensembles que l'on démontre par accumulation de données ou de modèles.
Summary:
The work presented here is related to signal and image processing, and data analysis in general. It concerns the application of mathematics to real life, and in particular how to construct rigorous scientific truths in biology and medecine.
The main difficulty is how to use mathematical models in science. Data analysis usually involves arbitrary choices and hypotheses. The analysis results are thus dependent on those choices and are weakened by them. We propose to consider scientific statements as mathematical sets and demonstrate them by accumulating data and/or models.