In this thesis stochastic claims reserving under the model of randomly trun- cated data is presented. For modelling the claims, a compound Poisson process is assumed. Introducing a random variable representing the delay between oc- currence and reporting of a claim, a probability model of IBNR claims is built. The fact that some claims are incurred but not reported yet leads to truncated data. Basic results of non-parametric statistical estimation under the model of randomly truncated data are shown, which can be used to obtain an estimate of IBNR claims reserves. Theoretical background is then used for application on real data from Czech Insurers' Bureau. 36

La tomographie par rayons X ou CT pour "Computed Tomography" est un outil puissant pour caractériser et localiser les défauts internes et pour vérifier la conformité géométrique d’un objet. Contrairement au cas des applications médicales, l’objet inspecté en Contrôle Non Destructif (CND) peut être très grand et composé de matériaux de haute atténuation, auquel cas l’utilisation d’une trajectoire circulaire pour l’inspection est impossible à cause de contraintes dans l’espace. Pour cette raison, l’utilisation de bras robotisés est l’une des nouvelles tendances reconnues dans la CT, car elle autorise plus de flexibilité dans la trajectoire d’acquisition et permet donc la reconstruction 3D de régions difficilement accessibles dont la reconstruction ne pourrait pas être assurée par des systèmes de tomographie industriels classiques. Une cellule de tomographie X robotisée a été installée au CEA. La plateforme se compose de deux bras robotiques pour positionner et déplacer la source et le détecteur en vis-à-vis. Parmi les nouveaux défis posés par la tomographie robotisée, nous nous concentrons ici plus particulièrement sur la limitation de l’ouverture angulaire imposée par la configuration en raison des contraintes importantes sur le mouvement mécanique de la plateforme. Le deuxième défi majeur est la troncation des projections qui se produit lorsque l’objet est trop grand par rapport au détecteur. L’objectif principal de ce travail consiste à adapter et à optimiser des méthodes de reconstruction CT pour des trajectoires non standard. Nous étudions à la fois des algorithmes de reconstruction analytiques et itératifs. Avant d’effectuer des inspections robotiques réelles, nous comptons sur des simulations numériques pour évaluer les performances des algorithmes de reconstruction sur des configurations d’acquisition de données. Pour ce faire, nous utilisons CIVA, qui est un outil de simulation pour le CND développé au CEA et qui est capable de simuler des données de projections réalistes correspondant à des configurations d’acquisition définies par l’utilisateur. / X-ray computed tomography (CT) is a powerful tool to characterize or localize inner flaws and to verify the geometric conformity of an object. In contrast to medical applications, the scanned object in non-destructive testing (NDT) might be very large and composed of high-attenuation materials and consequently the use of a standard circular trajectory for data acquisition would be impossible due to constraints in space. For this reason, the use of robotic arms is one of the acknowledged new trends in NDT since it allows more flexibility in acquisition trajectories and therefore could be used for 3D reconstruction of hardly accessible regions that might be a major limitation of classical CT systems. A robotic X-ray inspection platform has been installed at CEA LIST. The considered system integrates two robots that move the X-ray generator and detector. Among the new challenges brought by robotic CT, we focus in this thesis more particularly on the limited access viewpoint imposed by the setup where important constraints control the mechanical motion of the platform. The second major challenge is the truncation of projections that occur when only a field-of-view (FOV) of the object is viewed by the detector. Before performing real robotic inspections, we highly rely on CT simulations to evaluate the capability of the reconstruction algorithm corresponding to a defined scanning trajectory and data acquisition configuration. For this purpose, we use CIVA which is an advanced NDT simulation platform developed at CEA and that can provide a realistic model for radiographic acquisitions and is capable of simulating the projection data corresponding to a specific CT scene defined by the user. Thus, the main objective of this thesis is to develop analytical and iterative reconstruction algorithms adapted to nonstandard trajectories and to integrate these algorithms in CIVA software as plugins of reconstruction.

Ce travail de thèse porte sur l'estimation paramétrique du maximum de vraisemblance pour des données de survie tronquées à droite, lorsque les délais de troncature sont considérés déterministes. Il a été motivé par le problème de la modélisation des délais de survenue des effets indésirables médicamenteux à partir des bases de données de pharmacovigilance, constituées des cas notifiés. Les distributions exponentielle, de Weibull et log-logistique ont été explorées.Parfois le caractère tronqué à droite des données est ignoré et un estimateur naïf est utilisé à la place de l'estimateur pertinent. Une première étude de simulations a montré que, bien que ces deux estimateurs - naïf et basé sur la troncature à droite - puissent être positivement biaisés, le biais de l'estimateur basé sur la troncature est bien moindre que celui de l'estimateur naïf et il en va de même pour l'erreur quadratique moyenne. De plus, le biais et l'erreur quadratique moyenne de l'estimateur basé sur la troncature à droite diminuent nettement avec l'augmentation de la taille d'échantillon, ce qui n'est pas le cas de l'estimateur naïf. Les propriétés asymptotiques de l'estimateur paramétrique du maximum de vraisemblance ont été étudiées. Sous certaines conditions, suffisantes, cet estimateur est consistant et asymptotiquement normal. La matrice de covariance asymptotique a été détaillée. Quand le délai de survenue est modélisé par la loi exponentielle, une condition d'existence de l'estimation du maximum de vraisemblance, assurant ces conditions suffisantes, a été obtenue. Pour les deux autres lois, une condition d'existence de l'estimation du maximum de vraisemblance a été conjecturée.A partir des propriétés asymptotiques de cet estimateur paramétrique, les intervalles de confiance de type Wald et de la vraisemblance profilée ont été calculés. Une seconde étude de simulations a montré que la couverture des intervalles de confiance de type Wald pouvait être bien moindre que le niveau attendu en raison du biais de l'estimateur du paramètre de la distribution, d'un écart à la normalité et d'un biais de l'estimateur de la variance asymptotique. Dans ces cas-là, la couverture des intervalles de la vraisemblance profilée est meilleure.Quelques procédures d'adéquation adaptées aux données tronquées à droite ont été présentées. On distingue des procédures graphiques et des tests d'adéquation. Ces procédures permettent de vérifier l'adéquation des données aux différents modèles envisagés.Enfin, un jeu de données réelles constitué de 64 cas de lymphomes consécutifs à un traitement anti TNF-α issus de la base de pharmacovigilance française a été analysé, illustrant ainsi l'intérêt des méthodes développées. Bien que ces travaux aient été menés dans le cadre de la pharmacovigilance, les développements théoriques et les résultats des simulations peuvent être utilisés pour toute analyse rétrospective réalisée à partir d'un registre de cas, où les données sur un délai de survenue sont aussi tronquées à droite. / This work investigates the parametric maximum likelihood estimation for right-truncated survival data when the truncation times are considered deterministic. It was motivated by the modeling problem of the adverse drug reactions time-to-onset from spontaneous reporting databases. The families of the exponential, Weibull and log-logistic distributions were explored.Sometimes, right-truncation features of spontaneous reports are not taken into account and a naive estimator is used instead of the truncation-based estimator. Even if the naive and truncation-based estimators may be positively biased, a first simulation study showed that the bias of the truncation-based estimator is always smaller than the naive one and this is also true for the mean squared error. Furthermore, when the sample size increases, the bias and the mean squared error are almost constant for the naive estimator while they decrease clearly for the truncation-based estimator.Asymptotic properties of the truncation-based estimator were studied. Under sufficient conditions, this parametric truncation-based estimator is consistent and asymptotically normally distributed. The covariance matrix was detailed. When the time-to-onset is exponentially distributed, these sufficient conditions are checked as soon as a condition for the maximum likelihood estimation existence is satisfied. When the time-to-onset is Weibull or log-logistic distributed, a condition for the maximum likelihood estimation existence was conjectured.The asymptotic distribution of the maximum likelihood estimator makes it possible to derive Wald-type and profile likelihood confidence intervals for the distribution parameters. A second simulation study showed that the estimated coverage probability of the Wald-type confidence intervals could be far from the expected level because of a bias of the parametric maximum likelihood estimator, a gap from the gaussian distribution and a bias of the asymptotic variance estimator. In these cases, the profile likelihood confidence intervals perform better.Some goodness-of-fit procedures adapted to right-truncated data are presented. Graphical procedures and goodness-of-fit tests may be distinguished. These procedures make it possible to check the fit of different parametric families to the data.Illustrating the developed methods, a real dataset of 64 cases of lymphoma, that occurred after anti TNF-α treatment and that were reported to the French pharmacovigilance, was finally analyzed. Whilst an application to pharmacovigilance was led, the theoretical developments and the results of the simulation study may be used for any retrospective analysis from case registries where data are right-truncated.

This work focuses on using the linear prediction based projection completion for the fan-beam and cone-beam reconstruction algorithm with no backprojection weight. The truncated data problems are addressed in the computed tomography research. However, the image reconstruction from truncated data perfectly has not been achieved yet and only approximately accurate solutions have been obtained. Thus research in this area continues to strive to obtain close result to the perfect. Linear prediction techniques are adopted for truncation completion in this work, because previous research on the truncated data problems also have shown that this technique works well compared to some other techniques like polynomial fitting and iterative based methods. The Linear prediction technique is a model based technique. The autoregressive (AR) and moving average (MA) are the two important models along with autoregressive moving average (ARMA) model. The AR model is used in this work because of the simplicity it provides in calculating the prediction coefficients. The order of the model is chosen based on the partial autocorrelation function of the projection data proved in the previous researches that have been carried out in this area of interest. The truncated projection completion using linear prediction and windowed linear prediction show that reasonably accurate reconstruction is achieved. The windowed linear prediction provide better estimate of the missing data, the reason for this is mentioned in the literature and is restated for the reader’s convenience in this work. The advantages associated with the fan-beam reconstruction algorithms with no backprojection weights compared to the fan-beam reconstruction algorithm with backprojection weights motivated us to use the fan-beam reconstruction algorithm with no backprojection weight for reconstructing the truncation completed projection data. The results obtained are compared with the previous work which used conventional fan-beam reconstruction algorithms with backprojection weight. The intensity plots and the noise performance results show improvements resulting from using the fan-beam reconstruction algorithm with no backprojection weight. The work is also extended to the Feldkamp, Davis, and Kress (FDK) reconstruction algorithm with no backprojection weight for the helical scanning geometry and the results obtained are compared with the FDK reconstruction algorithm with backprojection weight for the helical scanning geometry.