Destiné à assister la communication de personnes ayant de sévères difficultés à parler ou à écrire, le projet Palliacom vise, d’une part, la réalisation d’une aide technique à l’écriture à partir d’un alphabet ou de pictogrammes sur un support PC ou tablette ; d’autre part, une connaissance fonctionnelle des personnes susceptibles d’utiliser l’aide technique, grâce à un suivi d’usage pendant une longue période sur le terrain. Suivant le profil de l’utilisateur, différentes options d’écriture sont possibles, et peuvent évoluer : un appui sur une des touches imagées de l’affichage d’entrée du logiciel place l’utilisateur dans les conditions d’écriture de son choix. Le texte écrit peut être imprimé, inséré dans un autre texte, ou bien lu automatiquement. Le système est actuellement en cours d’étude d’usage auprès d’enfants pour les pictogrammes, d’adultes et de personnes âgées pour les alphabets.

Dans cet article, une approche basée sur la théorie des possibilités pour l’aide au diagnostic médical est proposée. Cette approche comporte d’abord une phase de modélisation de la connaissance médicale, puis une phase modélisant le raisonnement médical. La première phase assure une transition cohérente de la représentation linguistique d’une description médicale des relations entre modalités d’observation et diagnostics, décrivant la connaissance issue d’un expert médical, vers une représentation possibiliste. La seconde phase est la phase de raisonnement diagnostique qui permet de retrouver un ensemble de diagnostics correspondant à une description donnée et de tenir compte des imperfections d’une telle description. Le classement des diagnostics a été évalué sur plusieurs critères possibilistes de décision. L’évaluation des critères de décision du système de diagnostic proposé est basée sur la distance entre les diagnostics les plus vraisemblables. L’efficacité de l’approche a été confirmée par les résultats obtenus sur une base de cas de lésions endoscopiques. En conclusion, la méthode d’aide au raisonnement diagnostique permet de tenir compte des imperfections de la description et d’avoir une meilleure sensibilité dans la proposition des diagnostics possibles.

Dans ce travail, nous proposons un processus de prétraitement pour la segmentation d’images basé sur une équation de diffusion anisotrope en utilisant des statistiques robustes. Nous montrons que le filtrage des données, couplé à la préservation des contours, aide à la segmentation du membre supérieur (l’épaule) dans une base de données IRM. Ainsi le principe de fonctionnement de l’équation de la diffusion anisotrope est contrôlé à l’aide d’une fonction d’arrêt automatique qui dépend des valeurs des gradients des voxels. Ces valeurs sont réparties en deux classes : élevées pour les voxels correspondant aux contours ou au bruit, faibles sinon. Ce processus dépend aussi d’un paramètre gradient seuil permettant de séparer ces deux populations de gradients. Une estimation globale de ce paramètre est classiquement utilisée. Nous proposons ici, une nouvelle méthode d’estimation robuste, locale, et montrons qu’elle permet de mieux éliminer le bruit dans l’image tout en gardant intacts les contours. La capacité du modèle à éliminer le bruit est quantifiée par un critère d’entropie sur des données synthétiques ayant différents niveaux de bruit. Un autre critère d’évaluation quantitative basé sur la Figure de Mérite de Pratt est proposé afin d’évaluer la qualité de la préservation des contours ainsi que la précision de leur localisation par rapport à une segmentation manuelle. Les résultats sur données synthétiques et sur un volume IRM d’épaule montre les atouts du modèle local par rapport au modèle global, en termes d’homogénéité des régions obtenues et en termes de localisation des contours.

The purpose of this paper is to propose an adaptive possibility fusion approach to take into account the reliability of dierent decisions related to the prediction of land cover change. The proposed approach reduces the in uence of unreliable information and thus enhances the relative weight of reliable information. Decisions about changes are obtained by applying previous works and represented as spatiotemporal trees. These trees are combined to obtain more accurate and complete ones. Validation of the approach shows good performances of the proposed approach in improving the prediction of land cover change.