• Haley Patrick

    Candidate au doctorat
    Medical Physics Unit
    Université McGill

    Étudiant.e
    Directeur.e(s) de recherche
    John Kildea
    Début du projet
    Titre du projet de recherche
    Utilisation de la dose cumulée et des résultats déclarés par les patients pour la quantification précise de la relation dose-résultat pour la radiothérapie hypofractionnée du cancer de la prostate
    Description

    Ce projet vise à déterminer si les résultats rapportés par les patients atteints d'un cancer de la prostate sont mieux corrélés avec la dose réelle administrée qu'avec la dose prévue pour leur radiothérapie.

    Le projet utilisera des images tomodensitométriques quotidiennes à faisceau conique pour calculer la dose de rayonnement quotidienne et totale délivrée aux patients ainsi que l'application Opal pour recueillir les résultats rapportés par les patients.  

  • Titre du projet de recherche
    Synthèse hétéro-modale d'images médicales par apprentissage profond
    Description

    Ce projet de doctorat s'intéresse à la synthèse d'images médicales par l'apprentissage profond, à des fins de correction d'artefacts et d'éviter l'injection d'agents radioactifs ou de contraste.

    Les réseaux utilisés possèdent une architecture flexible permettant la synthèse d'image à partir d'un ensemble hétérogène de modalités d'entrée. Les images sont synthétisées dans un cadre pathologique, comme la maladie d'Alzheimer et les cancers du cerveau.

  • Daniel Gourdeau

    Candidat au doctorat
    Faculté des sciences et de génie
    Université Laval

    Étudiant.e
    Directeur.e(s) de recherche
    Louis Archambault
    Simon Duchesne
    Début du projet
    Titre du projet de recherche
    Synthèse hétéro-modale d'images médicales par apprentissage profond
    Description

    Ce projet de doctorat s'intéresse à la synthèse d'images médicales par l'apprentissage profond, à des fins de correction d'artefacts et d'éviter l'injection d'agents radioactifs ou de contraste.

    Les réseaux utilisés possèdent une architecture flexible permettant la synthèse d'image à partir d'un ensemble hétérogène de modalités d'entrée. Les images sont synthétisées dans un cadre pathologique, comme la maladie d'Alzheimer et les cancers du cerveau.

  • Université de Montréal



  • Régie de l'assurance maladie du Québec



  • Jacques Corbeil


    Faculté de médecine
    Université Laval

  • Frédéric Pouliot


    Faculté de médecine
    Université Laval

  • François Laviolette

    Professeur titulaire
    Faculté des sciences et de génie
    Université Laval

    François Laviolette était professeur titulaire au Département d’informatique et de génie logiciel de l’Université Laval, titulaire de la Chaire en apprentissage automatique interprétable en intelligence artificielle du Canadian Institute for Advanced Research (CIFAR-AI) (2020-2025), titulaire de la Chaire de recherche industrielle en apprentissage automatique pour l'assurance (2018-2023), membre des comités scientifiques du projet PULSAR, de la plateforme VALERIA et de l’Institut intelligence et données (IID). Au niveau national et international, il était membre associé de l’Institut MILA, membre du comité intelligence artificielle (IA)/santé des Fonds de Recherche du Québec (FRQ), du comité scientifique de l’Institut DATA IA en France et du comité d’experts en IA de l’Observatoire international sur les impacts sociétaux de l’IA et du numérique (OBVIA).

    Il a obtenu en 1984 un baccalauréat en mathématiques, en 1987 une maîtrise en mathématiques et en 1997 un doctorat en mathématiques de l’Université de Montréal.

    Ses recherches ont été centrées sur l'IA, en particulier l'apprentissage automatique, la théorie de l’apprentissage, l’IA interprétable, la théorie des graphes, la vérification automatisée et la bio-informatique. 

    Professeur François Laviolette était chef de file de la théorie PAC-Bayésienne, qui permet de mieux comprendre les algorithmes d’apprentissage automatique et d’en concevoir de nouveaux. Il s’intéressait entre autres à ceux permettant de résoudre des nouveaux types de problèmes d’apprentissage comme la génomique, la protéomique et la découverte du médicament. Il s’intéressait également à rendre les intelligences artificielles interprétables dans le but entre autres de mieux intégrer l’IA au sein de systèmes où des humains sont dans la boucle de décision.

    Grâce à son expertise, le professeur François Laviolette jouait un rôle non négligeable dans la réalisation de plusieurs projets multidisciplinaires effectués au sein du Centre de recherche en données massives de l'Université Laval (CRDM) en lien avec le domaine de l’assurance, santé, bio-informatique et science de la vie, éthique et acceptabilité sociale, etc. Tout récemment il s’est orienté vers l’innovation dans l'industrie aérospatiale en co-dirigeant un projet international (DEpendable & Explainable Learning) en collaboration avec des partenaires des milieux de la recherche universitaire et de l'industrie avec un budget de 7,5M$ à l'échelle québécoise et d'environ 40M$ à l'échelle internationale. Ce dernier projet vise à jeter les bases scientifiques sur ce que doit être une IA certifiable lorsqu’embarquée au sein d’un système critique.

    Malheureusement, le professeur Laviolette est éteint le 26 décembre 2021 à l’âge de 59 ans au terme d’un combat contre le cancer. Son décès est une véritable perte pour le développement et l’essor de l’intelligence artificielle et de la science des données à l'échelle nationale et internationale.

    Google Scholar

  • Découvrir

    Projet en vedette

    Le délirium est un état qui, lorsqu'il n'est pas pris en charge, est associé à une augmentation de la mortalité et à une hospitalisation plus longue des patient.e.s en soins intensifs; son dépistage devrait donc faire partie intégrante des soins. Il se caractérise par la confusion, l’anxiété et une vigilance réduite. Il est estimé que 75% des cas de délirium ne sont pas détectés à l'admission à l'hôpital. En effet, la détection d'un tel état aigu nécessite un suivi fréquent des participant.e.s, ce qui demande beaucoup de travail et d'expertise.

    Lire plus