Plateforme Améthis
Les projets doctoraux du LTSI publiés sur la plate-forme Améthis sont visibles ICI.
Ce même site est également accessible via le bouton Améthis en pied de page.
Proposition Stages, Thèses, Post-Docs
Les projets doctoraux du LTSI publiés sur la plate-forme Améthis sont visibles ICI.
Ce même site est également accessible via le bouton Améthis en pied de page.
Offre de stage - LTSI INSERM 1099
Le LTSI (Laboratoire Traitement du Signal et de l'Image) est un laboratoire de recherche de l'Université de Rennes et de l’INSERM, à l’interface des disciplines relevant des domaines des sciences et technologies de l’information et de la santé.
Development of a DIrect and Non-invAsive Measurement of PortO-Caval Gradient (DINAMO project): a Critical Unmet Need in Severe Liver Disease
1st Part: cross-evaluation of the biophysics requirements to determine portal pressure and porto-caval
gradient and capacities of available devices
Contribution à la simulation numérique personnalisée d’implantation de valve aortique percutanée
Mots clefs : simulation numérique, TAVI, analyse de sensibilité, imagerie médicale
La prématurité est une naissance survenue avant 37 semaines de grossesse. En raison de l'immaturité de toutes leurs fonctions physiologiques, les prématurés sont exposés à une morbidité élevée et leur état de santé est évalué par la surveillance continue de plusieurs signes vitaux (activité cardiaque, respiration...). Un des indicateurs utilisés dans cette surveillance est l’analyse du sommeil qui a pour objectif d’aboutir à un hypnogramme représentant l’enchaînement des stades de sommeil en fonction du temps.
Le nombre de naissances prématurées représente 7% des naissances en France. Ces bébés sont pris en charge en unités de soins intensifs néonatales et font l’objet d’une surveillance spécifique du fait de l’immaturité de leurs fonctions vitales.
The LTSI laboratory (INSERM 1099) opens a postdoc position in the field of computational modeling,
clinical data analysis and machine-learning, funded by the European project SMASH-HCM.
Context
Proposition d’un modèle machine-learning hybride pour la prédiction de la réponse à la thérapie de resynchronisation cardiaque
Contexte
Identification de paramètres spécifiques-patients d’un modèle cardiovasculaire
Contexte