Séances du jeudi matin de 10h à 12h (alternées entre ICJ, UMPA, Institut Fourier)
- 6 février 2025 à Grenoble 10h-12h, salle B29 (sondage pour le déjeuner)
- 10h : Vincent Brault (LJK, Grenoble): Segmentation du Parsimonious Oscillatory Model of Handwriting et application à la détection d’enfants dysgraphiques
- Abstract (version détaillée): La maîtrise de l’écriture manuscrite reste essentielle pour une intégration réussie dans la société, mais elle repose sur un long processus d’apprentissage. Les troubles de l’écriture, appelés dysgraphies, peuvent donc avoir des conséquences graves, de la petite enfance à l’âge adulte. En France, la détection de ces troubles se fait généralement à l’aide du test Brave Handwriting Kinder (ou BHK ; voir voir Hamstra-Bletzet al. (1987) et son adaptation française par Charles et al. (2004))) consistant à faire écrire des enfants pendant 5 minutes et à faire évaluer ce texte selon 13 critères par un spécialiste en psychomotricité. L’un des inconvénients de cette procédure est qu’elle est longue et fastidieuse et qu’un certain nombre d’enfants peuvent ne pas être diagnostiqués.Pour contourner ce problème, l’une des pistes explorée dans le cadre du post-doc de Yunjiao Lu est de s’appuyer sur le Parsimonious Oscillatory Model of Handwriting (ou modèle POMH ; voir André et al. (2014)) qui part du principe que l’écriture est le résultat de deux oscillateurs orthogonaux composés de fonctions constantes par morceaux. En trouvant les instants où les fonctions changent de valeurs, les auteurs reconstruisent les traces faites par les enfants. Dans son post-doc, Yunjiao Lu montre que l’estimation du nombre et des emplacements des ruptures dans ces fonctions influent sur la reconstruction et semblent varier suivant la qualité de l’écriture (voir Lu et al. (2022)) ; elle essaie notamment d’estimer l’influence des paramètres de filtrage sur l’aide à la prédiction d’un diagnostic de dysgraphie.Dans cet exposé, nous étudierons une autre piste pour estimer les emplacements de ruptures. Après avoir exposé la problématique, nous montrerons que le modèle POMH peut être vu comme un modèle de segmentation où la programmation dynamique permet d’estimer les emplacements de ruptures. Nous démontrerons également que la forme particulière du modèle permet au maximum de vraisemblance d’être un estimateur consistant de l’emplacement mais surtout du nombre de ruptures. Nous terminerons par une étude de cette modélisation sur la détection de la dysgraphie.Références
G. André, V. Kostrubiec, J.-C. Buisson, J.-M. Albaret, et P.-G. Zanone. A parsimonious oscillatory model of handwriting. Biological cybernetics, 108(3):321–336, 2014.
M. Charles, R. Soppelsa, et J.-M. Albaret. Bhk: échelle d’´evaluation rapide de l’écriture chez l’enfant. Ecpa, 2004.
L. Hamstra-Bletz, J. DeBie, B. Den Brinker, et al. Concise evaluation scale for children’s handwriting. Lisse: Swets, 1:623–662, 1987.
Y. Lu, J. Boutet, V. Brault, C. Jolly, E. Labyt, R. Lambert, et J.-C. Quinton. Number of zero velocity points: a critical parameter for handwriting model estimation towards dysgraphia diagnosis assistance. Dans 53èmes journées de statistique, 2022.
- Abstract (version détaillée): La maîtrise de l’écriture manuscrite reste essentielle pour une intégration réussie dans la société, mais elle repose sur un long processus d’apprentissage. Les troubles de l’écriture, appelés dysgraphies, peuvent donc avoir des conséquences graves, de la petite enfance à l’âge adulte. En France, la détection de ces troubles se fait généralement à l’aide du test Brave Handwriting Kinder (ou BHK ; voir voir Hamstra-Bletzet al. (1987) et son adaptation française par Charles et al. (2004))) consistant à faire écrire des enfants pendant 5 minutes et à faire évaluer ce texte selon 13 critères par un spécialiste en psychomotricité. L’un des inconvénients de cette procédure est qu’elle est longue et fastidieuse et qu’un certain nombre d’enfants peuvent ne pas être diagnostiqués.Pour contourner ce problème, l’une des pistes explorée dans le cadre du post-doc de Yunjiao Lu est de s’appuyer sur le Parsimonious Oscillatory Model of Handwriting (ou modèle POMH ; voir André et al. (2014)) qui part du principe que l’écriture est le résultat de deux oscillateurs orthogonaux composés de fonctions constantes par morceaux. En trouvant les instants où les fonctions changent de valeurs, les auteurs reconstruisent les traces faites par les enfants. Dans son post-doc, Yunjiao Lu montre que l’estimation du nombre et des emplacements des ruptures dans ces fonctions influent sur la reconstruction et semblent varier suivant la qualité de l’écriture (voir Lu et al. (2022)) ; elle essaie notamment d’estimer l’influence des paramètres de filtrage sur l’aide à la prédiction d’un diagnostic de dysgraphie.Dans cet exposé, nous étudierons une autre piste pour estimer les emplacements de ruptures. Après avoir exposé la problématique, nous montrerons que le modèle POMH peut être vu comme un modèle de segmentation où la programmation dynamique permet d’estimer les emplacements de ruptures. Nous démontrerons également que la forme particulière du modèle permet au maximum de vraisemblance d’être un estimateur consistant de l’emplacement mais surtout du nombre de ruptures. Nous terminerons par une étude de cette modélisation sur la détection de la dysgraphie.Références
- 11h : Antoine Frénoy (TIMC, Grenoble): Simulation-based parameter inference in population biology: revisiting Luria & Delbrück problem through stochastic simulations
- Abstract: Genesis and growth of mutants is a central processus in evolutionary biology. The rate at which mutations randomly appear is a key parameter, determining the speed at which genetic diversity is generated. It is classically estimated through a classical experiment called the fluctuation test, where bacteria are growth in a non-selective medium and then exposed to a selective environment to count surviving mutants. Mutation rate is then inferred from the number of surviving mutants, using a now classical mathematical model which makes restrictive assumptions about the demographic processes involved.In this work, we are interested in more general cases not covered by this classical model (more complex demographics). We developed an efficient algorithm for stochastic simulation of this problem, and use it to perform simulation-based inference using approximate bayesian computing methods. We show that these methods can successfully infer one or several parameters of the model in arbitrarily complex growth models.
- 10h : Vincent Brault (LJK, Grenoble): Segmentation du Parsimonious Oscillatory Model of Handwriting et application à la détection d’enfants dysgraphiques
- 2e journée : 21 mars 2025 à Marseille
- 3 avril 2025 à Lyon (UMPA)
-
Nicolas Alcala (CIRC, Lyon): TBA
- Abstract: TBA
- Youcef Mammeri (ICJ, Saint-Etienne): TBA
- Abstract: TBA
-
- 15 mai 2025 à Lyon (ICJ)
- Laetitia Colombani (ISFA, Lyon): TBA
- Abstract: TBA
- Rémi Tuffet (LBBE, Lyon): TBA
- Abstract: TBA
- Laetitia Colombani (ISFA, Lyon): TBA
- 3e journée : 6 juin 2025 à Grenoble
- Magali Richard (TIMC, Grenoble)
- Thomas Lepoutre (Inria, Lyon)
