BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//LORIA - ECPv6.17.4//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-ORIGINAL-URL:https://www.loria.fr
X-WR-CALDESC:Évènements pour LORIA
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:Europe/Paris
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20250330T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20251026T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20260329T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20261025T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20270328T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20271031T010000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260608T093000
DTEND;TZID=Europe/Paris:20260608T123000
DTSTAMP:20260608T085405Z
CREATED:20260602T075115Z
LAST-MODIFIED:20260608T085405Z
UID:29513-1780911000-1780921800@www.loria.fr
SUMMARY:Soutenance de thèse : Faustine FACCIN (NEURORHYTHMS)
DESCRIPTION:Le 8 juin 2026\, Faustine FACCIN\, (NEURORHYTHMS)\, soutiendra sa thèse CIFRE\, réalisée dans le cadre de la collaboration entre la start-up NOVIGA ainsi que les laboratoires CRAN et LORIA et intitulée : \n« Intégration de modalités cliniques et physiologiques dérivées de l’ECG pour le diagnostic de l’apnée du sommeil par apprentissage automatique »\n\nUn pot de convivialité sera organisé à l’issue de la soutenance\, dans le hall C du Loria\, pour celles et ceux qui souhaitent y assister.\n\nComposition du jury :\n\nPrésidente : Marianne Clausel\, Professeure à l’Université de Lorraine\nRapporteur : Vicente Zarzoso\, Professeur à l’Université Côte d’Azur\nRapporteur : Mario Chavez\, Directeur de Recherche CNRS à l’Institut du Cerveau\nExaminatrice : Mira Rizkallah\, Maîtresse de Conférences à Centrale Nantes\nDirecteur : El-Hadi Djermoune\, Professeur à l’Université de Lorraine\nCo-directeur : Laurent Bougrain\, Maître de Conférences à l’Université de Lorraine\nCo-encadrante : Pauline Guyot\, Ex-présidente de la start-up NOVIGA\n\nRésumé :\n \n\nLe syndrome d’apnées du sommeil (SAS) est l’un des troubles respiratoires nocturnes les plus fréquents. Malgré une prévalence mondiale élevée\, il demeure largement sous-diagnostiqué. Dans ce contexte\, des approches alternatives de diagnostic ont été proposées\, s’appuyant sur des signaux tels que l’électrocardiogramme (ECG). L’objectif de cette thèse est d’explorer l’apport des modalités cliniques et physiologiques dérivées de l’ECG en vue de développer un outil de diagnostic du SAS reposant sur des méthodes d’apprentissage automatique robustes\, indépendamment du profil clinique des patients. Ce travail a fait l’objet de plusieurs contributions. La première consiste en la constitution d’un jeu de données élargi\, dérivé de la base de données STAGES (National Sleep Research Resource)\, reflétant davantage la diversité clinique des profils de patients. La deuxième repose sur l’évaluation comparative des modèles existants sur ce nouveau jeu de données et celui de référence (Apnea-ECG de PhysioNet)\, montrant les limites de généralisation des approches actuelles face à des données plus hétérogènes. Ainsi\, la troisième contribution porte sur l’intégration des données cliniques dans le processus d’apprentissage. Les variations de caractéristiques physiologiques extraites de l’ECG sont d’abord analysées en fonction des profils cliniques\, montrant des différences physiopathologiques marquées. Puis\, l’apport de mécanismes de fusion entre données physiologiques et cliniques au sein de modèles d’apprentissage profond est évalué. Enfin\, un modèle basé sur des méthodes d’ensemble et probabilistes\, a permis d’obtenir des premiers résultats prometteurs sur la base de données élargie.\n\n\n\nMots-clés : apprentissage automatique\, réseau de neurones\, traitement du signal\, apnées du sommeil\, électrocardiogramme.\n\n\n\n___________________________________\n\n\n\n\nFaustine FACCIN is pleased to invite you to my PhD thesis defense. This research was carried out as part of a collaboration between the start-up NOVIGA and the CRAN and LORIA laboratories.\n\nTitle: « Integration of clinical and ECG-derived physiological features for sleep apnea diagnosis using machine learning. »\n\nSpecial arrangements:\nThe thesis defense will be in French.\nThe thesis defense is open to the public; however\, due to the confidential nature of part of the presented work\, attendees will be required to sign a confidentiality agreement prior to entering the room.\nA reception wil be held following the defense in Hall C of LORIA\, and all attendees are warmly welcome to join.\n\nDefense committee:\n\n\nPresident: Marianne Clausel\, Professor at University of Lorraine\nReviewer: Vicente Zarzoso\, Professor at University Côte d’Azur\nReviewer: Mario Chavez\, CNRS Research Director at Institut du Cerveau\nExaminer: Mira Rizkallah\, Associate Professor at Centrale Nantes\nSupervisor: El-Hadi Djermoune\, Professor at University of Lorraine\nCo-supervisor: Laurent Bougrain\, Associate Professor at University of Lorraine\nCo-supervisor : Pauline Guyot\, Ex-CEO of start-up NOVIGA\n\nAbstract:\n\n\nSleep apnea syndrome (SAS) is one of the most widespread nocturnal breathing disorders. Despite its high global prevalence\, it remains largely underdiagnosed. In this context\, alternative diagnostic approaches have been proposed\, relying on signals such as the electrocardiogram (ECG). The objective of this PhD is to explore the contribution of clinical and physiological modalities derived from ECG in order to develop a diagnostic tool for SAS based on robust machine learning methods\, regardless of the patient’s clinical profile. This work has involved several contributions. The first consists of creating an expanded dataset\, derived from the STAGES database (National Sleep Research Resource)\, which better reflects the diversity of clinical profiles. The second is based on the comparative evaluation of existing models on this new dataset and on the reference database (PhysioNet’s Apnea-ECG)\, highlighting the limitations of current approaches in generalizing to more heterogeneous data. Thus\, the third contribution focused on integrating clinical data into the learning process. First\, variations in physiological characteristics extracted from ECGs are analyzed according to patients’ clinical profiles\, revealing significant physiopathological differences. Subsequently\, contribution of fusion mechanisms between physiological and clinical data within deep learning models is evaluated. Finally\, an approach based on ensemble methods and probabilistic model\, yielded promising initial results on the expanded dataset.\n\nKeywords: machine learning\, neural network\, signal processing\, sleep apnea\, electrocardiogram.
URL:https://www.loria.fr/event/soutenance-de-these-faustine-faccin-neurorhythms/
LOCATION:C005
CATEGORIES:Soutenance
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260622T090000
DTEND;TZID=Europe/Paris:20260622T123000
DTSTAMP:20260617T125444Z
CREATED:20260504T120357Z
LAST-MODIFIED:20260617T125444Z
UID:29400-1782118800-1782131400@www.loria.fr
SUMMARY:Soutenance de thèse : Taous IATARIENE (Multispeech)
DESCRIPTION:Le 22 juin 2026\, Taous Iatarienne\, (Multispeech)\, soutiendra sa thèse intitulée \n » Suivi de locuteurs mobiles et intermittents par exploitation de l’identité du locuteur « \n« Tracking intermittent and moving speakers with speaker-identity information » \n\n\nEncadrants :\n\nRomain SERIZEL (directeur de thèse) : professeur\, Université de Lorraine\nAlexandre GUERIN (co-encadrant) : ingénieur de recherche\, Orange\n\n\n\nJury :\n\nNancy BERTIN (examinatrice) : chercheuse\, Oracle\nToon VAN WATERSCHOOT (examinateur) : professeur\, Université Catholique de Louvain\nMarie TAHON (rapportrice) : professeure\, Université du Mans\nArchontis POLITIS (rapporteur) : maître de conférences\, Université de TampereDate de la soutenance : lundi 22 juin 2026\n\n\n\n\nAbstract:\n\nThis thesis focuses on sound source tracking\, which aims to extract the spatial positions of sound sources from multichannel microphone recordings. Emphasis is placed on meeting-like scenarios involving speech sources in indoor environments\, with a specific focus on the overlooked problem of tracking intermittent and moving speakers\, who can alternate between speech and silence periods and may move unpredictably while silent.\n\n\nIn a first contribution\, an evaluation pipeline centered on the problem of intermittent and moving speakers is designed. This includes LibriJump\, a synthetic evaluation dataset featuring intermittent speakers that move unpredictably while silent\, as well as complementary tracking metrics adapted from multi-object tracking to sound source tracking. Experiments using this novel evaluation pipeline confirm that unpredictable movement during silence is a limitation of current tracking approaches. \n\n\nThe remaining contributions investigate the integration of deep speaker embeddings as identity-related features for tracking intermittent and moving speakers. A first solution that leverages a pretrained general-purpose speaker-embedding extractor is proposed\, improving performance on the LibriJump dataset and demonstrating the usefulness of speaker embeddings. However\, this first solution is sensitive to factors that degrade speaker embedding quality\, motivating the need for a more tailored embedding extractor in a second contribution through the design of an appropriate training strategy. Results demonstrate improved short-context embedding extraction and increased robustness to overlap\, although further improvements in speech-overlap robustness remain possible.\n\nKeywords: Sound source tracking\, speaker recognition\, deep learning\, speaker tracking\, intermittent and moving speakers\, deep speaker embeddings\n\n 
URL:https://www.loria.fr/event/soutenance-de-these-taous-itarienne/
LOCATION:C005
CATEGORIES:Soutenance
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260630T140000
DTEND;TZID=Europe/Paris:20260630T170000
DTSTAMP:20260623T093632Z
CREATED:20260515T143254Z
LAST-MODIFIED:20260623T093632Z
UID:29469-1782828000-1782838800@www.loria.fr
SUMMARY:Soutenance de thèse : Benjamin Testart (équipe Mocqua)
DESCRIPTION:Le 30 juin 2026\, Benjamin Testart (Mocqua) soutiendra sa thèse intitulée \n« Évitement de motifs dans les séquences d’inversions »\n« Pattern avoidance in inversion sequences »\n\nRapporteurs :\nEnrica Duchi – Université Paris-Cité\, IRIF\nPhilippe Nadeau – CNRS\, Institut Camille Jordan\n\nExaminateurs :\nPhilippe Chassaing – Université de Lorraine\, IECL\nWenjie Fang – Université Gustave Eiffel\, LIGM\nIrène Marcovici – Université de Rouen Normandie\, LMRS\nVincent Vajnovszki – Université Bourgogne Europe\, LIB\n\nDirecteurs :\nMathilde Bouvel – CNRS\, LORIA\nEmmanuel Jeandel – Université de Lorraine\, LORIA\n\n\nRésumé :\n\nCette thèse est consacrée à l’étude de l’évitement de motifs dans les séquences d’inversions\, et particulièrement à l’aspect énumératif. Les séquences d’inversions apparaissent naturellement comme des encodages de permutations via le code de Lehmer\, mais elles constituent également une structure combinatoire riche à part entière. Alors que les motifs de permutations ont été largement étudiés depuis plusieurs décennies\, l’étude systématique des motifs dans les séquences d’inversions est plus récente et a déjà révélé de nombreuses connexions avec des suites d’entiers bien connues et d’autres objets combinatoires.\nLes deux premiers chapitres étudient le dénombrement des séquences d’inversions évitant un ou deux motifs de longueur trois. En s’appuyant sur des travaux précédents qui ont laissé une vingtaine de cas ouverts\, nous complétons le dénombrement de ces classes en trouvant des formules de comptage pour tous les cas restants. Notre approche repose sur deux techniques : des découpages en deux parties\, et des constructions par arbres de génération.\nLe troisième chapitre se concentre sur les séquences d’inversions évitant le motif 021 ainsi que d’autres motifs supplémentaires. En utilisant un encodage par des chemins de Dyck colorés\, nous montrons que les séquences d’inversions évitant n’importe quel ensemble fini de motifs contenant 021 ont toujours une fonction génératrice algébrique. Ce résultat s’obtient grâce à des liens avec la théorie des langages formels\, en interprétant les classes considérées comme des langages reconnus par des automates à compteur.\nLe dernier chapitre introduit la notion de séquence d’inversions minimale pour un motif. Ces objets forment le plus petit ensemble de séquences d’inversions dont l’évitement est équivalent à l’évitement du motif en question (dans les séquences d’inversions). Nous établissons des propriétés structurelles de ces objets\, en les caractérisant par des conditions satisfaites par leurs occurrences du motif. À partir de ces propriétés\, nous déduisons des bornes sur leur longueur. Pour certains motifs\, nous obtenons des équations fonctionnelles qui permettent de dénombrer les séquences d’inversions minimales\, à travers une bijection avec des arbres croissants.
URL:https://www.loria.fr/event/soutenance-de-these-benjamin_testart/
LOCATION:A008
CATEGORIES:Soutenance
END:VEVENT
END:VCALENDAR