• Philippe Després

    Professeur titulaire
    Faculté des sciences et de génie
    Université Laval

    Philippe Després est professeur titulaire au Département de physique, de génie physique et d’optique de l’Université Laval. Il est le chercheur principal désigné du programme SDRDS.

    Il est membre du Centre de recherche sur le cancer de l’Université Laval, physicien médical au CHU de Québec de l'Université Laval et chercheur régulier de son Centre de recherche, membre chercheur de l'Institut intelligence et données.

    Après une maîtrise à l’Université Laval (2000, Physique) et un doctorat à l’Université de Montréal (2005, Physique), il a réalisé un stage postdoctoral (2005-2007) à University of California, San Francisco dans le domaine du génie biomédical et de l’imagerie moléculaire.

    Les projets de recherche de professeur Philippe Després portent sur les aspects matériels et logiciels de l’imagerie médicale, notamment sur la reconstruction tomographique. Il a été un pionnier du calcul informatique de pointe sur processeurs graphiques (GPU), menant au développement d’applications innovantes en physique médicale, notamment un code de transport radiatif Monte Carlo ultra-rapide basé sur GPU (GPUMCD).

    Il s’intéresse aussi à la valorisation des données dans le milieu médical, en particulier aux infrastructures, aux normes et aux bonnes pratiques (incluant les principes FAIR) nécessaires à l’exploitation responsable de l’information clinique.  À ce titre, il agit comme responsable des données massives en sciences de la santé au Centre de recherche du CHU de Québec de l'Université Laval, et comme conseiller en architecture des données pour le projet PULSAR à l’Université Laval. Il est le directeur du Centre de recherche en données massives de l’Université Laval et le co-responsable de l’axe santé durable de l’Observatoire international sur les impacts sociétaux de l’intelligence artificielle et du numérique (OBVIA). Il siège au Conseil des chercheurs de l'Alliance de recherche numérique du Canada.

  • Maxence Larose

    Candidat à la maîtrise
    Faculté des sciences et de génie
    Université Laval

  • Gloria Elodie Dédé Ayivi-vinz

    Candidate au doctorat
    Faculté de médecine
    Université Laval

  • Cécile Capponi



    Université Aix-Marseille

  • Titre du projet de recherche
    Apprentissage automatique supervisé multi-vues pour la résolution de problèmes multi-omiques
    Description

    La classification supervisée permet de construire des modèles prédictifs basés sur des données complexes pour aider aux processus de décision. Elle a subi un essor impressionnant ces dernières années, notamment grâce aux réseaux de neurones et à l'utilisation de données massives. Cependant, les méthodes mise au point dans ce cadre ne permettent pas de prendre en considération des bases de données dans lesquelles seules quelques instances sont disponibles pour construire le modèle, et encore moins quand ces instances sont décrites par un grand nombre de caractéristiques.

    Titre du projet de recherche
    Évaluation systématique de la robustesse et du potentiel d'exploitation des caractéristiques radiomiques en imagerie par résonance magnétique.
    Description

    En imagerie médicale, les caractéristiques radiomiques permettent de caractériser l'hétérogénéité d'une région d'intérêt au niveau anatomique. Cette façon de quantifier l'hétérogénéité d'une région d'intérêt peut être utile, par exemple, afin d'identifier les tumeurs les plus agressives en oncologie. Pour ce faire, nous posons ici l'hypothèse que la variation des séquences d'acquisition d'imagerie par résonance magnétique (IRM) et ses différents niveaux de contraste qui en découlent permettrait d'optimiser l'analyse radiomique subséquente. 

  • Patrick Archambault


    Faculté de médecine
    Université Laval

  • La Communauté de pratique Accès aux Donnée



  • Découvrir

    Projet en vedette

    Membre étudiant : Gabriel Couture

    Ce projet consiste à établir les bonnes pratiques en gestion des données de santé et à construire une infrastructure logicielle afin de les appliquer.

    Nous avons développé des pipelines qui permettent de récupérer quotidiennement les données de traitements de curiethérapie afin de calculer et stocker leurs indices dosimétriques dans une base de données dédiée à la recherche. Ces indices sont essentiels à la planification des traitements en radiothérapie et à l’estimation de leur qualité.

    Lire plus