L'évolution de la gastrite et des lésions précancéreuses suit une cascade de plusieurs étapes. Les modifications des tissus pathologiques affichent de faibles variations par rapport à la muqueuse normale d'un point de vue macroscopique. Même si certaines variations pourraient être identifiées, cela reste fortement subjectif. Le diagnostic classique des maladies de l'estomac est divisé en deux procédures. Le premier est une gastroendoscopie où l'estomac est visuellement exploré sous une lumière blanche. Le second est la biopsie pour l'analyse histologique. Cette procédure a une forte probabilité d'établir le diagnostic correct mais il dépend fortement de la sélection correcte des échantillons de tissus endommagés. Ce travail porte sur l'étude de la muqueuse gastrique par imagerie multispectrale. La contribution principale est l'étude clinique de l'imagerie multispectrale afin de différencier les pathologies mal diagnostiquées ou qui ne peuvent être diagnostiquées que par l'analyse histologique. A cet effet, nous avons effectué (1) une étude ex-vivo dans un modèle de souris de l'infection de Helicobacter pylori dans le but d'identifier les longueurs d'onde qui pourraient être utilisées pour le diagnostic. (2) Nous proposons deux prototypes compatibles avec les gastroendoscopes actuels pour acquérir des images multispectrales du tissu gastrique : le premièr est basé sur une roue à filtres et le second sur une caméra multispectrale avec sept canaux. De plus, (3) nous présentons une méthodologie pour identifier les tissus pathologiques, qui est basé sur des caractéristiques statistiques extraites des spectres acquis, classées en fonction de leur pouvoir discriminants et une classification supervisée, où nous cherchons la meilleure performance de trois algorithmes de classification: le plus proche voisin, un réseaux de neurones et une Support Vector Machine avec une évaluation de la performance rigoureuse en utilisant une validation de type Leave One Patient Out Cross Validation. Les résultats démontrent la pertinence de l’imagerie multispectrale comme un outil supplémentaire pour un diagnostic objectif. / The evolution of gastritis into precancerous lesions follows a cascade of multiplestages. The modifications of the pathological tissues display low variations with respect to normal mucosa from a macroscopical point of view. Even though some features could be identified, they remain strongly subjective. The current gold standard for diagnosis of gastric diseases is divided in two procedures. The first one is gastroendoscopy where the stomach is visually explored under white light. The second one is biopsy collection for histological analysis. This procedure has a high probability of establishing the correct diagnosis but it strongly depends on the accurate collection of samples from damaged tissues. This doctoral work focuses on the study of gastric mucosa by multispectral imaging. The main contribution is the clinical study of multispectral imaging to differentiate pathologies poorly diagnosed or that can only be diagnosed by histological analysis. For this purpose, we performed (1) ex vivo studies in a mice model of infection of Helicobacter pylori in order to identify the wavelengths which could be used for diagnosis. (2) We propose two prototypes compatible with current gastroendoscopes to acquire multispectral images from gastric tissue: the first one is based on a filter wheel and the second one on a multispectral camera with seven channels. Additionally, (3) we present a methodology to identify pathological tissues, which is based on statistical features extracted from the acquired spectra, ranked according to their discriminative power and a supervised classification, where we search for the best performance of three classification algorithms: Nearest Neighbor, Neural Networks and Support Vector Machine with a rigorous performance evaluation by using leave one patient out cross validation. The results demonstrate the relevance of multispectral imaging as an additional tool for an objective diagnosis.

Cette thèse porte sur la conception et le test des premiers circuits CMOS auto-adaptatifs nanométriques dédiés aux applications automobiles, avioniques et aérospatiales, dans des environnements à forte contrainte car soumis à des compromis entre vitesse (performance), consommation (Low Power) et vieillissement (Wearout). Des solutions innovantes ont été développées avec des boucles de régulation dynamiques pour optimiser la consommation des différents éléments (niveau de conception) et des blocs (système), tout en assurant leur bon fonctionnement. La validation des solutions a été réalisée étape par étape dans la chaîne de conception, en se concentrant d'abord sur le développement d'un premier démonstrateur en technologie CMOS (M40) 40 nm pour les applications automobiles de STMicroelectronics. Différentes manières d'anticiper les erreurs ont été comparées en conservant la détection de retard IS2M dans les chemins critiques. Une modélisation théorique des boucles de contrôle a abouti à un outil de simulation basé sur des chaînes de Markov discrètes dans le temps (DTMC). Cette modélisation a été confrontée avec succès à des mesures de silicium démontrant que les solutions sélectionnées offraient une réduction de la puissance consommée par 2 avec des performances et une fiabilité égales. Dans la dernière partie, les solutions proposees sont testees sur un demonstrateur CMOS FDSOI 28nm, afin de valider la pertinence de l'adaptation dynamique (D-ABB) dans les tensions d'alimentation et de face. / This thesis deals with the design and testing of the first self-adaptive nanoscale CMOS circuits dedicated to automotive, avionics and aerospace applications, under high stress environment because they are subject to the trade-off between speed (performance), consumption (Low Power) and aging (Wearout). Innovative solutions have been developed with dynamic control loops to optimize the consumption of the various elements (design level) and blocks (system), while ensuring their smooth operation. Validation of solutions has been achieved step by step in the design chain, focusing first on the development of a first demonstrator in 40nm CMOS (M40) technology for automotive applications from STMicroelectronics. Various ways of anticipating errors were compared by retaining the IS2M (adjustable time window) delay detection in critical paths as the most efficient for optimization solutions. A theoretical modeling of the control loops has resulted in a simulation tool based on time discrete Markov chains (DTMC). This modeling was successfully confronted with silicon measurements demonstrating that the solutions selected offered a reduction in the power consumed by 2 with equal performance and reliability. In the last part, the high-level hierarchical modeling was applied on several systems / products of 28nm FDSOI CMOS nodes (28FD), in order to validate the relevance of the dynamic adaptation (D-ABB) in supply and face voltages. (VDD, VB). This allowed to prove the validity of the complete methodology by arriving at the precise statistical prediction of the reliability integrating the whole performance-consumption value chain using the advanced simulations.