Alexis Alzuria

Participation au projet ANR DeepECG4U, visant à appliquer le deep learning au dépistage de pathologies cardiovasculaires à partir de signaux ECG.

Développement et évaluation de méthodes d'interprétabilité (XAI) pour améliorer la transparence et la fiabilité des modèles prédictifs en milieu médical.

Conception d'approches contraignantes intégrant des concepts médicaux (rythme cardiaque, dérivations, anomalies spécifiques) pour renforcer la cohérence clinique des prédictions.

Conception d'outils Python pour l'analyse d'images multispectrales de Porphyra, permettant d'identifier automatiquement les zones à fort potentiel de croissance. Utilisation de SIG (Systèmes d'Information Géographique) pour le traitement spatial et la cartographie des zones optimales. Contribution aux campagnes de terrain pour la collecte et la validation des données multispectrales. Développement d'une interface graphique PyQt5 sous forme de plugin dans le logiciel SIG pour automatiser le traitement et faciliter l'analyse par les chercheurs non familiarisés avec les langages de programmation. Résultats détection optimales, accélérant planification des cultures.

Analyse approfondie des limites de l'implémentation de la méthode de Ward dans scipy.cluster.hierarchy Conception et développement d'une fonction de linkage alternative minimisant l'accroissement d'inertie intra-groupes pour une meilleure cohérence des clusters.

Implémentation de modules Python alternatifs à ceux de scikit-learn, validés théoriquement et expérimentalement. Production d'une bibliothèque Python réutilisable par les futurs étudiants du laboratoire, facilitant la reproductibilité des travaux de recherche et l'expérimentation pédagogique. Résultats : légère amélioration de la stabilité des regroupements et transfert opérationnel de la solution pour un usage en enseignement et recherche.