Pour réduire le temps d'acquisition ou bien améliorer la résolution spatio-temporelle dans certaines application en IRM, de puissantes techniques parallèles utilisant plusieurs antennes réceptrices sont apparues depuis les années 90. Dans ce contexte, les images d'IRM doivent être reconstruites à partir des données sous-échantillonnées acquises dans le « k-space ». Plusieurs approches de reconstruction ont donc été proposées dont la méthode SENSitivity Encoding (SENSE). Cependant, les images reconstruites sont souvent entâchées par des artéfacts dus au bruit affectant les données observées, ou bien à des erreurs d'estimation des profils de sensibilité des antennes. Dans ce travail, nous présentons de nouvelles méthodes de reconstruction basées sur l'algorithme SENSE, qui introduisent une régularisation dans le domaine transformé en ondelettes afin de promouvoir la parcimonie de la solution. Sous des conditions expérimentales dégradées, ces méthodes donnent une bonne qualité de reconstruction contrairement à la méthode SENSE et aux autres techniques de régularisation classique (e.g. Tikhonov). Les méthodes proposées reposent sur des algorithmes parallèles d'optimisation permettant de traiter des critères convexes, mais non nécessairement différentiables contenant des a priori parcimonieux. Contrairement à la plupart des méthodes de reconstruction qui opèrent coupe par coupe, l'une des méthodes proposées permet une reconstruction 4D (3D + temps) en exploitant les corrélations spatiales et temporelles. Le problème d'estimation d'hyperparamètres sous-jacent au processus de régularisation a aussi été traité dans un cadre bayésien en utilisant des techniques MCMC. Une validation sur des données réelles anatomiques et fonctionnelles montre que les méthodes proposées réduisent les artéfacts de reconstruction et améliorent la sensibilité/spécificité statistique en IRM fonctionnelle / To reduce scanning time or improve spatio-temporal resolution in some MRI applications, parallel MRI acquisition techniques with multiple coils have emerged since the early 90's as powerful methods. In these techniques, MRI images have to be reconstructed from acquired undersampled « k-space » data. To this end, several reconstruction techniques have been proposed such as the widely-used SENSitivity Encoding (SENSE) method. However, the reconstructed images generally present artifacts due to the noise corrupting the observed data and coil sensitivity profile estimation errors. In this work, we present novel SENSE-based reconstruction methods which proceed with regularization in the complex wavelet domain so as to promote the sparsity of the solution. These methods achieve accurate image reconstruction under degraded experimental conditions, in which neither the SENSE method nor standard regularized methods (e.g. Tikhonov) give convincing results. The proposed approaches relies on fast parallel optimization algorithms dealing with convex but non-differentiable criteria involving suitable sparsity promoting priors. Moreover, in contrast with most of the available reconstruction methods which proceed by a slice by slice reconstruction, one of the proposed methods allows 4D (3D + time) reconstruction exploiting spatial and temporal correlations. The hyperparameter estimation problem inherent to the regularization process has also been addressed from a Bayesian viewpoint by using MCMC techniques. Experiments on real anatomical and functional data show that the proposed methods allow us to reduce reconstruction artifacts and improve the statistical sensitivity/specificity in functional MRI

Les systèmes aérospatiaux sont des systèmes complexes dont la fiabilité doit être garantie dès la phase de conception au regard des coûts liés aux dégâts gravissimes qu’engendrerait la moindre défaillance. En outre, la prise en compte des incertitudes influant sur le comportement (incertitudes dites « aléatoires » car liées à la variabilité naturelle de certains phénomènes) et la modélisation de ces systèmes (incertitudes dites « épistémiques » car liées au manque de connaissance et aux choix de modélisation) permet d’estimer la fiabilité de tels systèmes et demeure un enjeu crucial en ingénierie. Ainsi, la quantification des incertitudes et sa méthodologie associée consiste, dans un premier temps, à modéliser puis propager ces incertitudes à travers le modèle numérique considéré comme une « boîte-noire ». Dès lors, le but est d’estimer une quantité d’intérêt fiabiliste telle qu’une probabilité de défaillance. Pour les systèmes hautement fiables, la probabilité de défaillance recherchée est très faible, et peut être très coûteuse à estimer. D’autre part, une analyse de sensibilité de la quantité d’intérêt vis-à-vis des incertitudes en entrée peut être réalisée afin de mieux identifier et hiérarchiser l’influence des différentes sources d’incertitudes. Ainsi, la modélisation probabiliste des variables d’entrée (incertitude épistémique) peut jouer un rôle prépondérant dans la valeur de la probabilité obtenue. Une analyse plus profonde de l’impact de ce type d’incertitude doit être menée afin de donner une plus grande confiance dans la fiabilité estimée. Cette thèse traite de la prise en compte de la méconnaissance du modèle probabiliste des entrées stochastiques du modèle. Dans un cadre probabiliste, un « double niveau » d’incertitudes (aléatoires/épistémiques) doit être modélisé puis propagé à travers l’ensemble des étapes de la méthodologie de quantification des incertitudes. Dans cette thèse, le traitement des incertitudes est effectué dans un cadre bayésien où la méconnaissance sur les paramètres de distribution des variables d‘entrée est caractérisée par une densité a priori. Dans un premier temps, après propagation du double niveau d’incertitudes, la probabilité de défaillance prédictive est utilisée comme mesure de substitution à la probabilité de défaillance classique. Dans un deuxième temps, une analyse de sensibilité locale à base de score functions de cette probabilité de défaillance prédictive vis-à-vis des hyper-paramètres de loi de probabilité des variables d’entrée est proposée. Enfin, une analyse de sensibilité globale à base d’indices de Sobol appliqués à la variable binaire qu’est l’indicatrice de défaillance est réalisée. L’ensemble des méthodes proposées dans cette thèse est appliqué à un cas industriel de retombée d’un étage de lanceur. / Aerospace systems are complex engineering systems for which reliability has to be guaranteed at an early design phase, especially regarding the potential tremendous damage and costs that could be induced by any failure. Moreover, the management of various sources of uncertainties, either impacting the behavior of systems (“aleatory” uncertainty due to natural variability of physical phenomena) and/or their modeling and simulation (“epistemic” uncertainty due to lack of knowledge and modeling choices) is a cornerstone for reliability assessment of those systems. Thus, uncertainty quantification and its underlying methodology consists in several phases. Firstly, one needs to model and propagate uncertainties through the computer model which is considered as a “black-box”. Secondly, a relevant quantity of interest regarding the goal of the study, e.g., a failure probability here, has to be estimated. For highly-safe systems, the failure probability which is sought is very low and may be costly-to-estimate. Thirdly, a sensitivity analysis of the quantity of interest can be set up in order to better identify and rank the influential sources of uncertainties in input. Therefore, the probabilistic modeling of input variables (epistemic uncertainty) might strongly influence the value of the failure probability estimate obtained during the reliability analysis. A deeper investigation about the robustness of the probability estimate regarding such a type of uncertainty has to be conducted. This thesis addresses the problem of taking probabilistic modeling uncertainty of the stochastic inputs into account. Within the probabilistic framework, a “bi-level” input uncertainty has to be modeled and propagated all along the different steps of the uncertainty quantification methodology. In this thesis, the uncertainties are modeled within a Bayesian framework in which the lack of knowledge about the distribution parameters is characterized by the choice of a prior probability density function. During a first phase, after the propagation of the bi-level input uncertainty, the predictive failure probability is estimated and used as the current reliability measure instead of the standard failure probability. Then, during a second phase, a local reliability-oriented sensitivity analysis based on the use of score functions is achieved to study the impact of hyper-parameterization of the prior on the predictive failure probability estimate. Finally, in a last step, a global reliability-oriented sensitivity analysis based on Sobol indices on the indicator function adapted to the bi-level input uncertainty is proposed. All the proposed methodologies are tested and challenged on a representative industrial aerospace test-case simulating the fallout of an expendable space launcher.

Chez les patients infectés par le VIH, les traitements antirétroviraux empêchent la réplicationvirale, ce qui est suivi, dans la plupart des cas, par une restauration de la population des lymphocytesT CD4+ (CD4). Néanmoins ce n’est pas le cas pour certains patients appelés patients àfaible réponse immunitaire. Des injections d’interleukine-7 (IL7) exogène, une cytokine impliquéedans l’homéostasie des CD4, sont considérées afin de maintenir les taux de CD4 au-dessus de500 cellules par μL, taux au-dessus duquel les patients ont une espérance de vie comparable auxpersonnes non infectées par le VIH. Les essais INSPIRE ont évalué l’effet d’injections répétéesd’IL7 chez les patients à faible réponse immunologique.Nous présentons plusieurs modèles mécanistes de l’effet des injections d’IL7 sur les CD4, quiincluent des effets aléatoires afin de tenir compte de la variabilité inter-individuelle. En utilisantces modèles avec une approche Bayésienne, les paramètres individuels d’un nouveau patient sontéchantillonnés, ce qui nous permet de faire des prédictions sur sa dynamique de CD4 et donc depersonnaliser le traitement. Nous proposons quatre protocoles adaptatifs permettant de limiter letemps passé sous 500 CD4 par μL, sans pour autant augmenter le nombre d’injections. Ces protocolesont été implémentés dans une application Shiny présentant une interface facile d’utilisation,et pourront être testés lors d’essais cliniques.Le réservoir viral, principalement constitué de CD4 quiescentes infectées, est la première barrièreà l’éradication du VIH. Les injections d’IL7 entrainent une augmentation du nombre deCD4 et donc du réservoir viral ; la question est alors de savoir si les injections provoquent denouvelles infections cellulaires ou si le réservoir augmente de la même façon que les CD4. Nousconcluons que si quelques patients ont présenté des dynamiques de marqueurs compatibles avecla survenue de nouvelles infections de cellules, ce n’est pas le cas de la majorité des patients. Laconfirmation de ces phénomènes et la caractérisation de potentiels patients à risque nécessite desdonnées supplémentaires mesurables dans un essai clinique. / In HIV infected patients, antiretroviral therapy suppresses the viral replication which is followedin most patients by a restoration of the CD4+ T cells (CD4) pool. However, it is not the case forsome patients called low immunological responders. Injections of interleukin-7 (IL7), a cytokineinvolved in the CD4 homeostasis, are considered in order to maintain the CD4 levels above 500cells per μL, the level at which life expectancy is similar to that of the non-infected. INSPIREtrials evaluated the effect of repeated injections of IL7 on low immunological responders.We present a few mechanistic models of the effect of IL7 injections on CD4, which includerandom effects to account for inter-individual variability. Using these models with a Bayesianapproach, the individual parameters of a new patient are sampled, which allows us to makepredictions about its CD4 dynamics and thus to personalize the treatment. We propose fouradaptive protocols that limit the time spent under 500 CD4 per μL, without increasing thenumber of injections. Those protocols are implemented into a Shiny app with an easy to useinterface, and they could be tested during clinical trials.The viral reservoir, mainly made up of quiescent infected CD4, is the main obstacle to HIVeradication. IL7 injections induce an increase of the level of CD4, hence of the viral reservoir ; thequestion is then to determine if the injections induce new cell infections or if the reservoir increasesin the same way as CD4. We conclude that while some patients presented marker dynamicsconsistent with the occurrence of new cell infections, this is not the case for the majority ofpatients. Confirmation of these events and characterization of potential at-risk patients requiresadditional measurable data in a clinical trial.