Assas Recherche | Modélisation stochastique et analyse statistique de la pulsatilité en neuroendocrinologie

Modélisation stochastique et analyse statistique de la pulsatilité en neuroendocrinologie (Document en Français)

Accès au(x) document(s)

Accéder au(x) document(s) :

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

Version :

Thèse avec 2 versions : seule la version intégrale est proposée ; sur authentification (communication intranet).

Informations sur les contributeurs

Auteur : Constant Camille

Constant, Camille

Nom

Constant

Prénom

Camille

Nationalité

Français

Date de soutenance : 19-12-2019

Directeur(s) de thèse : Biermé Hermine

Biermé, Hermine

Nom

Biermé

Prénom

Hermine

- Georgelin Christine

Georgelin, Christine

Nom

Georgelin

Prénom

Christine

Etablissement de soutenance : Poitiers

Poitiers

Nom

Poitiers

Laboratoire : Laboratoire de mathématiques et applications (Poitiers ; 2000-...)

Laboratoire de mathématiques et applications (Poitiers ; 2000-...)

Nom

Laboratoire de mathématiques et applications (Poitiers ; 2000-...)

- Laboratoire de Mathématiques et Applications / LMA-Poitiers

Laboratoire de Mathématiques et Applications / LMA-Poitiers

Nom

Laboratoire de Mathématiques et Applications / LMA-Poitiers

Ecole doctorale : École doctorale Sciences et Ingénierie des Systèmes, Mathématiques, Informatique (Limoges ; 2018-2022)

École doctorale Sciences et Ingénierie des Systèmes, Mathématiques, Informatique (Limoges ; 2018-2022)

Nom

École doctorale Sciences et Ingénierie des Systèmes, Mathématiques, Informatique (Limoges ; 2018-2022)

Informations générales

Discipline : Mathématiques
Classification : Mathématiques

Mots-clés libres : Processus shot-Noise, Processus de Markov, Processus auto-Régressif, Séries temporelles, Détection de pics, Estimation, Activité neuronale
Mots-clés :

Markov, Processus de
Autorégression (statistique)
Poisson, Processus de
Séries chronologiques
Réseaux neuronaux (physiologie)

Résumé : L’objectif de cette thèse est de proposer plusieurs modèles probabilistes pour représenter l’activité calcique des neurones et comprendre son implication dans la sécrétion d’hormone GnRH. Ce travail s’appuie sur des expériences réalisées à l’INRA Centre Val-de-Loire. Le Chapitre 1 propose une modélisation continue, où nous étudions un processus markovien de type shot-noise. Le Chapitre 2 étudie un modèle discret de type AR(1) basé sur la discrétisation du modèle du Chapitre 1 et propose une première estimation des paramètres. Le Chapitre 3 propose un autre modèle discret de type AR(1) où les innovations sont la somme d’une variable de Bernouilli et d’une variable gaussienne représentant un bruit, avec prise en compte d’une tendance linéaire. Des estimations des paramètres sont proposées dans le but d’une détection des sauts dans les trajectoires des neurones. Le Chapitre 4 étudie une expérience biologique comportant 33 neurones. Avec la modélisation du Chapitre 3, nous détectons des instants de synchronisation (saut simultané d’une grande proportion des neurones de l’expérience) puis à l’aide de simulations, nous testons la qualité de la méthode utilisée et la comparons à une méthode expérimentale.

Informations techniques

Type de contenu : Text, Image, StillImage
Format : PDF

Informations complémentaires

Entrepôt d'origine :

STAR : dépôt national des thèses électroniques françaises

Identifiant : 2019POIT2330
Type de ressource : Thèse