L’Insuffisance Rénale Chronique (IRC) résulte de la destruction progressive et irréversible des reins. Elle est associée à une rétention de toxines urémiques à l’origine des nombreuses complications de la maladie rénale chronique (cardiovasculaires, osseuses ou métaboliques). Nos travaux se sont focalisés sur l’impact de la dysfonction rénale et de l’urémie sur la fonction barrière de l’intestin et la motilité intestinale. Deux modèles d’IRC ont été implémentés : un modèle animal, chez la souris, par néphrectomie chimique (régime alimentaire enrichi en adénine) et un modèle cellulaire d’urémie en incubant des cellules coliques Caco-2 avec 10% de plasma de patients hémodialysés (HD). Le transit, la motilité, la perméabilité intestinale et la régulation des protéines des jonctions serrées ont été explorés. Les animaux urémiques présentent un transit gastro-intestinal ralenti et une perméabilité intestinale augmentée associés à une dérégulation de l’expression et de l’abondance des protéines des jonctions serrées dans le côlon (surexpression de la Claudine 1). La perméabilité de la monocouche cellulaire de Caco-2 incubées avec du plasma HD est significativement augmentée et est associée à une augmentation de l’expression et de l’abondance de la Claudine-1. En IRC, la motilité digestive et la fonction barrière de l’intestin sont significativement altérées. Ces dysfonctions pourraient contribuer à la production intestinale et l’absorption des toxines urémiques accélérant ainsi la progression du syndrome urémique et installant un véritable « cercle vicieux ». / Chronic Kidney Disease (CKD) result from a progressive kidney dysfunction. CKD is associated with an increase in the concentration of uremic toxins inducing CKD-associated metabolic alterations. Our work focused on the impact of renal dysfunction on gut permeability and gut motility. In vivo, CKD was induced in mice by chemical nephrectomy (adenine-enriched diet); In vitro, Caco-2 cells were incubated for 24h with 10% (v/v) of uremic plasma to mimic the uremic environment. Gastrointestinal transit time, gut motility, intestinal permeability and expression of tight junction proteins were explored. In vivo, kidney failure was associated with an impaired gastrointestinal transit and an increased intestinal permeability associated with a dysregulation of tight junction proteins (mainly claudine-1 overexpression). The Caco-2 monolayer permeability was significantly increased in cell monolayers incubated with uremic plasma. Claudine-1 expression and abundance was increased. In CKD, gut motility and gut permeability (e.g. « leaky » gut) are significantly impaired. Generally speaking, these gut dysfunctions could promote the production and the absorption of uremic toxins contributing to the uremic syndrom.

This thesis, Earth satellites and detection of air andground based activities by Ulf Ekblad of the Physics departmentat the Royal Institute of Technology (KTH), addresses theproblem of detecting military activities in imagery. Examplesof various techniques are presented. In particular, problemsassociated with "novelties" and "changes" in an image arediscussed and various algorithms presented. The imagery usedincludes satellite imagery, aircraft imagery, and photos offlying aircraft. The timely delivery of satellite imagery is limited by thelaws of celestial mechanics. This and other information aspectsof imagery are treated. It is e.g. shown that dozens ofsatellites may be needed if daily observations of a specificsite on Earth are to be conducted from low Earth orbit. New findings from bioinformatics and studies of small mammalvisual systems are used. The Intersecting Cortical Model (ICM),which is a reduced variant of the Pulse-Coupled Neural Network(PCNN), is used on various problems among which are changedetection. Still much more could be learnt from biologicalsystems with respect to pre- and post-processing as well asintermediate processing stages. Simulated satellite imagery is used for determining theresolution limit for detection of tanks. The necessary pixelsize is shown to be around 6 m under the conditions of thissimulation. Difference techniques are also tested on Landsat satelliteimagery with the purpose of detecting underground nuclearexplosions. In particular, it is shown that this can easily bedone with 30 m resolution images, at least in the case studied.Satellite imagery from SPOT is used for detecting undergroundnuclear explosions prior to the detonations, i.e. under certainconditions 10 m resolution images can be used to detectpreparations of underground nuclear explosions. This type ofinformation is important for ensuring the compliance of nucleartest ban treaties. Furthermore, the necessity for havingcomplementary information in order to be able to interpretimages is also shown. Keywords: Remote sensing, reconnaissance, sensor,information acquisition, satellite imagery, image processing,image analysis, change detection, pixel difference, neuronnetwork, cortex model, PCNN, ICM, entanglement, Earthobservation, nuclear explosion, SPOT, Landsat, verification,orbit.

With the developing radar technology, radars have been started to be used in the airborne platforms due to the need of fast, accurate and reliable information about the enemies. The most important and tactically needed information is the movements in an observation area. The detection of a ground moving target buried in a dense clutter environment from a moving air platform is a very challenging problem even today. The geometry of the operation, the course of the flight and structure of the clutter are the most effective parameters of this problem. There are some &ldquo / Ground Moving Target Indication&rdquo / (GMTI) techniques that have been studied for the last twenty years to overcome this problem. In this thesis, the simulation of some of these techniques in a realistic environment and the comparison of their performances are discussed. In this work, a GMTI simulator is developed to generate the environment containing the clutter and the noise signals, to locate and simulate the targets in this environment and to apply the GMTI techniques on the raw data generated by the simulator. The generation of the clutter signals including the internal clutter motion (ICM) for different types of clutter distributions is one of the most important parts of this thesis. The GMTI techniques being investigated throughout this thesis are &ldquo / Displaced Phase Center Antenna&rdquo / (DPCA), &ldquo / Along-Track Interferometry&rdquo / (ATI), &ldquo / Adaptive DPCA&rdquo / , &ldquo / Pre-Doppler Sigma-Delta STAP&rdquo / and &ldquo / Post-Doppler Sigma-Delta STAP&rdquo / techniques. These techniques are compared according to their clutter suppression and target detection performances under different environmental conditions.

Radar signal processing techniques aim to suppress clutter to enable target detection. Many clutter suppression techniques have been developed to improve the detection performance in literature. Among these methods, the most widely known is MTI plus coherent integrator, which gives sufficient radar performance in various scenarios. However, when the correlation coefficient of clutter is small or the spectral separation between the target and clutter is small, classical approaches to clutter suppression fall short. In this study, we consider the ARMA spectral estimation performance in sea clutter modelled by compound K-distribution through Monte Carlo simulations. The method is applied for varying conditions of clutter spikiness and auto correlation sequences (ACS) depending on the radar operation. The performance of clutter suppression using ARMA spectral estimator, which will be called ARMA-CS in this work, is analyzed under varying ARMA model orders. To compare the clutter suppression of ARMA-CS with that of conventional methods, we use improvement factor (IF) which is the ratio between the output Signal to Interference Ratio (SIR) and input SIR as performance measure. In all cases, the performance of ARMA-CS method is better than conventional clutter suppression methods when the correlation among clutter samples is small or the spectral separation between target and clutter is small.

<p>This thesis, Earth satellites and detection of air andground based activities by Ulf Ekblad of the Physics departmentat the Royal Institute of Technology (KTH), addresses theproblem of detecting military activities in imagery. Examplesof various techniques are presented. In particular, problemsassociated with "novelties" and "changes" in an image arediscussed and various algorithms presented. The imagery usedincludes satellite imagery, aircraft imagery, and photos offlying aircraft.</p><p>The timely delivery of satellite imagery is limited by thelaws of celestial mechanics. This and other information aspectsof imagery are treated. It is e.g. shown that dozens ofsatellites may be needed if daily observations of a specificsite on Earth are to be conducted from low Earth orbit.</p><p>New findings from bioinformatics and studies of small mammalvisual systems are used. The Intersecting Cortical Model (ICM),which is a reduced variant of the Pulse-Coupled Neural Network(PCNN), is used on various problems among which are changedetection. Still much more could be learnt from biologicalsystems with respect to pre- and post-processing as well asintermediate processing stages.</p><p>Simulated satellite imagery is used for determining theresolution limit for detection of tanks. The necessary pixelsize is shown to be around 6 m under the conditions of thissimulation.</p><p>Difference techniques are also tested on Landsat satelliteimagery with the purpose of detecting underground nuclearexplosions. In particular, it is shown that this can easily bedone with 30 m resolution images, at least in the case studied.Satellite imagery from SPOT is used for detecting undergroundnuclear explosions prior to the detonations, i.e. under certainconditions 10 m resolution images can be used to detectpreparations of underground nuclear explosions. This type ofinformation is important for ensuring the compliance of nucleartest ban treaties. Furthermore, the necessity for havingcomplementary information in order to be able to interpretimages is also shown.</p><p>Keywords: Remote sensing, reconnaissance, sensor,information acquisition, satellite imagery, image processing,image analysis, change detection, pixel difference, neuronnetwork, cortex model, PCNN, ICM, entanglement, Earthobservation, nuclear explosion, SPOT, Landsat, verification,orbit.</p>

Aujourd'hui, les modèles computationnels de l'apprentissage et de la prise de décision chez l'homme se sont raffinés et complexifiés pour prendre la forme de modèles génératifs des données psychophysiologiques de plus en plus réalistes d'un point de vue neurobiologique et biophysique. Dans le même temps, le nouveau champ de recherche des interfaces cerveau-machine (ICM) s'est développé de manière exponentielle. L'objectif principal de cette thèse était d'explorer comment le paradigme de l'électrophysiologie temps-réel peut contribuer à élucider les processus d'apprentissage et de prise de décision perceptive chez l'homme. Au niveau expérimental, j'ai étudié les décisions perceptives somatosensorielles grâce à des tâches de discrimination de fréquence tactile. En particulier, j'ai montré comment un contexte sensoriel implicite peut influencer nos décisions. Grâce à la magnétoencéphalographie (MEG), j'ai pu étudier les mécanismes neuronaux qui sous-tendent cette adaptation perceptive. L'ensemble de ces résultats renforce l'hypothèse de la construction implicite d'un a priori ou d'une référence interne au cours de l'expérience. Aux niveaux théoriques et méthodologiques, j'ai proposé une vue générique de la façon dont l'électrophysiologie temps-réel pourrait être utilisée pour optimiser les tests d'hypothèses, en adaptant le dessin expérimental en ligne. J'ai pu fournir une première validation de cette démarche adaptative pour maximiser l'efficacité du dessin expérimental au niveau individuel. Ce travail révèle des perspectives en neurosciences fondamentales et cliniques ainsi que pour les ICM

Les Interfaces Cerveau-Machine (ICM) ont été appliquées avec succès aussi bien dans le domaine clinique que pour l'amélioration de la vie quotidienne de patients avec des handicaps. En tant que composante essentielle, le module de traitement du signal détermine nettement la performance d'un système ICM. Nous nous consacrons à améliorer les stratégies de traitement du signal du point de vue de l'apprentissage de la machine. Tout d'abord, nous avons développé un algorithme basé sur les SVM transductifs couplés aux noyaux multiples afin d'intégrer différentes vues des données (vue statistique ou vue géométrique) dans le processus d'apprentissage. Deuxièmement, nous avons proposé une version enligne de l'apprentissage multi-noyaux dans le cas supervisé. Les résultats expérimentaux montrent de meilleures performances par rapport aux approches classiques. De plus, l'algorithme proposé permet de sélectionner automatiquement les canaux de signaux EEG utiles grâce à l'apprentissage multi-noyaux.Dans la dernière partie, nous nous sommes attaqués à l'amélioration du module de traitement du signal au-delà des algorithmes d'apprentissage automatique eux-mêmes. En analysant les données ICM hors-ligne, nous avons d'abord confirmé qu'un modèle de classification simple peut également obtenir des performances satisfaisantes en effectuant une sélection de caractéristiques (et/ou de canaux). Nous avons ensuite conçu un système émotionnel ICM par en tenant compte de l'état émotionnel de l'utilisateur. Sur la base des données de l'EEG obtenus avec différents états émotionnels, c'est-à -dire, positives, négatives et neutres émotions, nous avons finalement prouvé que l'émotion affectait les performances ICM en utilisant des tests statistiques. Cette partie de la thèse propose des bases pour réaliser des ICM plus adaptées aux utilisateurs.

Les Interfaces Cerveau-Machine (ICM) ont été appliquées avec succès aussi bien dans le domaine clinique que pour l'amélioration de la vie quotidienne de patients avec des handicaps. En tant que composante essentielle, le module de traitement du signal détermine nettement la performance d'un système ICM. Nous nous consacrons à améliorer les stratégies de traitement du signal du point de vue de l'apprentissage de la machine. Tout d'abord, nous avons développé un algorithme basé sur les SVM transductifs couplés aux noyaux multiples afin d'intégrer différentes vues des données (vue statistique ou vue géométrique) dans le processus d'apprentissage. Deuxièmement, nous avons proposé une version enligne de l'apprentissage multi-noyaux dans le cas supervisé. Les résultats expérimentaux montrent de meilleures performances par rapport aux approches classiques. De plus, l'algorithme proposé permet de sélectionner automatiquement les canaux de signaux EEG utiles grâce à l'apprentissage multi-noyaux.Dans la dernière partie, nous nous sommes attaqués à l'amélioration du module de traitement du signal au-delà des algorithmes d'apprentissage automatique eux-mêmes. En analysant les données ICM hors-ligne, nous avons d'abord confirmé qu'un modèle de classification simple peut également obtenir des performances satisfaisantes en effectuant une sélection de caractéristiques (et/ou de canaux). Nous avons ensuite conçu un système émotionnel ICM par en tenant compte de l'état émotionnel de l'utilisateur. Sur la base des données de l'EEG obtenus avec différents états émotionnels, c'est-à -dire, positives, négatives et neutres émotions, nous avons finalement prouvé que l'émotion affectait les performances ICM en utilisant des tests statistiques. Cette partie de la thèse propose des bases pour réaliser des ICM plus adaptées aux utilisateurs. / Brain-computer Interface (BCI) has achieved numerous successful applications in both clinicaldomain and daily life amelioration. As an essential component, signal processing determines markedly the performance of a BCI system. In this thesis, we dedicate to improve the signal processing strategy from perspective of machine learning strategy. Firstly, we proposed TSVM-MKL to explore the inputs from multiple views, namely, from statistical view and geometrical view; Secondly, we proposed an online MKL to reduce the computational burden involved in most MKL algorithm. The proposed algorithms achieve a better classifcation performance compared with the classical signal kernel machines, and realize an automatical channel selection due to the advantages of MKL algorithm. In the last part, we attempt to improve the signal processing beyond the machine learning algorithms themselves. We first confirmed that simple classifier model can also achieve satisfying performance by careful feature (and/or channel) selection in off-line BCI data analysis. We then implement another approach to improve the BCI signal processing by taking account for the user's emotional state during the signal acquisition procedure. Based on the reliable EEG data obtained from different emotional states, namely, positive, negative and neutral emotions, we perform strict evaluation using statistical tests to confirm that the emotion does affect BCI performance. This part of work provides important basis for realizing user-friendly BCIs.

Aujourd’hui, les modèles computationnels de l'apprentissage et de la prise de décision chez l'homme se sont raffinés et complexifiés pour prendre la forme de modèles génératifs des données psychophysiologiques de plus en plus réalistes d’un point de vue neurobiologique et biophysique. Dans le même temps, le nouveau champ de recherche des interfaces cerveau-machine (ICM) s’est développé de manière exponentielle. L'objectif principal de cette thèse était d'explorer comment le paradigme de l'électrophysiologie temps-réel peut contribuer à élucider les processus d'apprentissage et de prise de décision perceptive chez l’homme. Au niveau expérimental, j'ai étudié les décisions perceptives somatosensorielles grâce à des tâches de discrimination de fréquence tactile. En particulier, j'ai montré comment un contexte sensoriel implicite peut influencer nos décisions. Grâce à la magnétoencéphalographie (MEG), j'ai pu étudier les mécanismes neuronaux qui sous-tendent cette adaptation perceptive. L’ensemble de ces résultats renforce l'hypothèse de la construction implicite d’un a priori ou d'une référence interne au cours de l'expérience. Aux niveaux théoriques et méthodologiques, j'ai proposé une vue générique de la façon dont l'électrophysiologie temps-réel pourrait être utilisée pour optimiser les tests d'hypothèses, en adaptant le dessin expérimental en ligne. J'ai pu fournir une première validation de cette démarche adaptative pour maximiser l'efficacité du dessin expérimental au niveau individuel. Ce travail révèle des perspectives en neurosciences fondamentales et cliniques ainsi que pour les ICM / Today, psychological as well as physiological models of perceptual learning and decision-making processes have recently become more biologically plausible, leading to more realistic (and more complex) generative models of psychophysiological observations. In parallel, the young but exponentially growing field of Brain-Computer Interfaces (BCI) provides new tools and methods to analyze (mostly) electrophysiological data online. The main objective of this PhD thesis was to explore how the BCI paradigm could help for a better understanding of perceptual learning and decision making processes in humans. At the empirical level, I studied decisions based on tactile stimuli, namely somatosensory frequency discrimination. More specifically, I showed how an implicit sensory context biases our decisions. Using magnetoencephalography (MEG), I was able to decipher some of the neural correlates of those perceptual adaptive mechanisms. These findings support the hypothesis that an internal perceptual-reference builds up along the course of the experiment. At the theoretical and methodological levels, I propose a generic view and method of how real-time electrophysiology could be used to optimize hypothesis testing, by adapting the experimental design online. I demonstrated the validity of this online adaptive design optimization (ADO) approach to maximize design efficiency at the individual level. I also discussed the implications of this work for basic and clinical neuroscience as well as BCI itself

L'objectif de ces travaux de recherche est l'étude et le développement d'un système ICM embarqué en utilisant la méthodologie de conception conjointe afin de satisfaire ses contraintes spécifiques. Il en a découlé la constitution d'un système ICM complet intégrant un système d'acquisition OpenBCI et un système de traitement à base de FPGA. Ce système pourrait être utilisé dans des contextes variés : médicale (pour les diagnostiques précoces des pathologies), technologique (informatique ubiquitaire), industriel (communication avec des robots), ludique (contrôler un joystick dans les jeux vidéo), etc. Dans notre contexte d’étude, la plateforme ICM proposée a été réalisée pour assister les personnes à mobilité réduite à commander les équipements domestiques. Nous nous sommes intéressés en particulier à l'étude et à l'implémentation des modules de filtrage adaptatif et dynamique, sous forme d'un coprocesseur codé en HDL afin de réduire son temps d'exécution car c'est le bloc le plus critique de la chaine ICM. Quant aux algorithmes d'extraction des caractéristiques et de classification, ils sont exécutés par le processeur Nios-II sous son système d'exploitation en ANSI-C. Le temps de traitement d'un trial par notre système ICM réalisé est de l'ordre de 0.4 s/trial et sa consommation ne dépasse guère 0.7 W. / The main purpose of this thesis is to study and develop an embedded brain computer interface (BCI) system using HW/SW methodology in order to satisfy the system specifications. A complete BCI system integrated in an acquisition system (OpenBCI) and a hardware platform based on the FPGA were achieved. The proposed system can be used in a variety of contexts: medical (for early diagnosis of pathologies, assisting people with severe disabilities to control home devices system through thought), technological (ubiquitous computing), industrial (communication with Robots), games (control a joystick in video games), etc. In our study, the proposed ICM platform was designed to control home devices through the thought of people with severe disabilities. A particular attention has been given to the study and implementation of the filtering module, adaptive and dynamic filtering, in the form of a coprocessor coded in HDL in order to reduce its execution time as it is the critical block in the returned ICM algorithms. For the feature extraction and classification algorithms, they are executed in the Nios-II processor using ANSI-C language. The prototype operates at 200 MHz and performs a real time classification with an execution delay of 0.4 second per trial. The power consumption of the proposed system is about 0.7 W.