Samuel Kubler

Samuel Kubler est ingénieur en Traitement du Signal & Analyse d’images diplomé de l’ENSEEIHT (Toulouse) en Septembre 2019. Ses domaines de recherche regroupent l’analyse d’images biologiques, le machine-learning et les mathématiques appliquées à la biologie et à la médecine. Il a notamment travaillé dans le cadre de projets à l’Institut Universitaire de Cancérologie de Toulouse (IUCT), pour IMACTIV-3D sur des méthodes automatiques de caractéristisation de tissus cutanés via imagerie OCT (Optical Coherence Tomography), ou à Orange Labs – Caen sur des stratégies de Machine Learning pour l’anonymisation de données de mobilités en environnement Big Data.
A Pasteur, il travaille actuellement comme doctorant sous la supervision de Thibault Lagache et Jean-Christophe Olivo-Marin sur le sujet “Méthodes statistiques pour l’extraction robuste de relations spatio-temporelles entre objets en bioimagerie –Application à l’analyse fonctionnelle de réseaux de neurones in vivo”. En effet, l’amélioration récente des techniques d’imagerie par fluorescence et des algorithmes de tracking, nécessitent l’implémentation d’outils statistiques robustes pour mesurer la corrélation des activités neuronales et la détermination d’ensembles neuronaux. Leur connaissance doit permettre de comprendre comment le cerveau intègre l’information et permet la prédiction de comportements, notamment chez des organismes vivants tels que Hydra Vulgaris. Dans ce contexte, l’extraction robuste de relations spatio-temporelles entre objets représente un incontournable dans l’analyse fonctionnelle des réseaux de neurones biologiques.

Download (PDF, 71KB)