Aller au contenu principal

Ahmad Karfoul

karfoul       

Maître de Conférences, École Supérieure d’Ingénieurs de Rennes (ESIR) - Équipe pédagogique Technologies de l’Information pour la Santé.

Domaine de recherche : Traitement statistique du signal, traitement du signal sur graphe, connectivité cérébrale, IRM quantitative.

Sujets de Recherche actuel :

  • Épilepsie :
    • Identification, caractérisation de réseaux cérébraux impliqués dans la génération de la crise épileptique.
    • Analyse dynamique multivariée de réseaux cérébraux pour la caractérisation de transitions intercritiques/critiques de structures neurales impliquées lors de la génération de la crise épileptiques.
    • Développement d’approches tout-en-un permettant, en une seule étape, la localisation de sources épileptiques et l’inférence de graphes de connectivité fonctionnelle/effective de sources reconstruites.
    • Développement de nouvelles approches basées apprentissage automatiques et apprentissage profond pour la classification des oscillations hautes fréquences (HFOs) : exploitation d’un modèle hybride des caractéristiques d’HFO issue de différents domaines de représentations.
  • Parkinson : Fusion de données et analyse multimodale de signaux EEG-HR et IRM pour la détection patient-spécifique du stade de la maladie et par conséquence pour une meilleur planification d’un traitement personnalisé/optimisé. Cette analyse multimodale permet également la stratification des patients Parkinsoniens pour en sélectionner ceux qui répondent efficacement à la thérapie par stimulation crânienne profonde. 

Quelques publications récentes :

  1. P. A. Chantal, A. Karfoul, A. Nica and R. Le Bouquin Jeannès, Dynamic brain effective connectivity analysis based on low-rank canonical polyadic decomposition: application to epilepsy, in Medical & Biological Engineering & Computing, Issue 5, 2021.
  2. F. Krikid, A. Karfoul, S. Chaibi, A. Kachenoura, A. Kachouri and R. Le Bouquin Jeannès, Classification of High Frequency Oscillations in intracranial EEG signals based on coupled time-frequency and image-related features, to appear in Biomedical Signal Processing and Control.
  3. W. Xinag, A. Karfoul, H. Shu and R. Le Bouquin-Jeannès, “An exact line search scheme to accelerate the EM algorithm: Application to Gaussian Mixture Models Identification”, in Journal of Computational Science, vol. 41, 2020.
  4. J. Liu, G. Gambarota, H. Shu, L. Jiang, B. Leporq, O. Beuf, and A. Karfoul, "On the identification of the blood vessel confounding effect in intravoxel incoherent motion (IVIM) Diffusion-Weighted (DW)-MRI in liver: An efficient sparsity based algorithm, in Medical Image Analysis, 2020.
  5. W. Xiang, A. Karfoul, H. Shu and R. Le Bouquin-Jeannès, “A local adjustment strategy for the initialization of dynamic causal modelling to infer effective connectivity in brain epileptic structures”, in Computers in Biology and Medicine, 84(1), pp. 30-44, 2017.
  6. M. Saleh, A. Karfoul, A. Kachenoura, L. Albera and I. Merlet,“Efficient stepsize selection strategy for Givens parametrized ICA applied to EEG denoising”, in IEEE Signal Processing Letters, vol. 24, no. 6, pp. 882-886, 2017