Résultats de recherche

15 septembre 2025 Au programme pour tous et toutes09h00 | Accueil au Pedro Arrupe (Rue de Bruxelles, 67 - 5000 Namur).11h00 | Célébration de la rentrée à la Cathédrale Saint-Aubain (Place Saint-Aubain - 5000 Namur) puis accueil des étudiants par les Cercles. Cours du jour Mardi 16 septembre 2025Pour les blocs 1 (Local I02)* - Séance accueil08H30 : Présentation du Doyen/Vice-Doyen (Anthony Cleve - Marie-Ange Remiche)09H00 : Présentation du SI (Cédric Aerts)09H20 : Présentation de la coordinatrice pédagogique (Fanny Boraita)09H40 : Présentation de la conseillère académique (Géraldine Grandjean)Pour les étudiants des 60 premiers crédits du bachelier (uniquement les étudiants de primo-arrivants*)10H40 (Local I02) : passeport pour le bac "mathématiques"(Florence Henry)La présence à ces séances est obligatoire.Pour les UES** et nouvel étudiant en Master (Local I33) - Séance accueil14H00 : Présentation du Doyen/Vice-Doyen (Anthony Cleve - Marie-Ange Remiche)14H30 : Présentation du SI (Cédric Aerts)14H50 : Présentation de la coordinatrice pédagogique (Fanny Boraita)15H10 : Présentation de la conseillère académique (Géraldine Grandjean)15H30 : Présentation du CSLabs (Hugo Raskin)Mercredi 17 septembre 2025Pour les blocs 1 (Local I02)*13H00 : Passeport "lire et comprendre un texte universitaire" (Alexandre Libioul)La présence à cette séance est obligatoirePour tous les étudiants : Début des cours (voir horaire)Permanences PAE17/09, 10h40-11h40 pour les NON-primo-arrivants de bloc1 : Configuration PAE (salle académique)17/09, 09h00-10h00 pour les bacheliers de bloc2 et 3: Configuration PAE (salle académique)18/09, 09h00-10h00 pour les masters : Configuration PAE (salle académique)* Étudiants primo-arrivants : Étudiants inscrits pour la première fois à un programme d'études en sciences informatiques à l'UNamur, qu'ils sortent du secondaire, d’une haute école, d'une autre université ou qu’ils soient inscrits en cours à horaire décalé. ** UES : Unités d'enseignement supplémentaires au master (année passerelle) Cours à horaire décalé Bachelier et Master 60Samedi 13 septembre 2025 - Début des coursPour les étudiants Primo-arrivants (Bloc 1 et UES) :08h30 : Accueil petit déjeuner (café, viennoiseries) dans le hall de la faculté.09h00 : Exposés du Vice-Doyen, Madame Marie-Ange REMICHE, de la conseillère académique, Madame Géraldine GRANDJEAN, du correspondant informatique, Monsieur Cédric AERTS et de la secrétaire, Madame Benjamine LURQUIN. Auditoire I02 (rez-de-chaussée de la Faculté d’Informatique). La présence à cette séance est obligatoire. La présentation de la séance d'accueil sera déposée sur le BVE par la suite.10h00 : Début des cours pour tous les étudiants Master de spécialisation en informatique et innovation : business analysis et gouvernance it Pour les étudiants concernés par les cours prérequisSamedi 13 septembre 2025 à 9h00, séminaire I22 au 2ème étage de la Faculté.Pour tous les nouveaux étudiantsDébut des cours les vendredi 17 et samedi 18 octobre 2024 à la salle académique au 4e étage de la Faculté d’Informatique, dès 8h30. Et avant la rentrée ? En plus des cours préparatoires programmés entre la mi-août et début septembre, l'Université de Namur offre la possibilité aux étudiants primo-arrivants de découvrir leur Faculté ainsi que le campus, et de participer à un forum aux services lors de 2 journées d'intégration.Exclusivement destinés aux élèves qui terminent leurs études secondaires (primo-arrivants), ces cours préparatoires sont adaptés à chaque programme universitaire.Cours préparatoires : du 18 au 28 août 2025 pour les étudiants en informatiqueEn savoir plus sur les horaires des différentes sessions et s'inscrire aux cours préparatoires...  NOUVEAU ! Pour bien vivre votre rentrée à l'Université, participez aux journées d'intégration !Vendredi 12 septembre après-midi - réservé aux primo-arrivants, gratuit, sur inscriptionVisite de votre Faculté et du campus (intégrée aux cours préparatoires si vous êtes inscrits)Barbecue et soirée Vous devez vous inscrire à ces deux activités, même si vous êtes inscrits aux cours préparatoires ! Le lien d'inscription sera disponible prochainement.Samedi 13 septembre de 10h à 16h - ouvert à tous - gratuit, accès libreForum des services : présentation des services aux étudiants (sport, culture, engagement, cellule sociale, ...), des kots à projets et des activités organisées sur le campus... 

Abstract L’apprentissage profond a révolutionné la vision par ordinateur ces dernières années et a été appliqué à de nombreux domaines. Cette thèse se concentre sur l’endoscopie médicale, où l’apprentissage profond peut aider les médecins dans de nombreuses tâches, comme la navigation dans les poumons lors d’une bronchoscopie, l’assistance à la détection des maladies pulmonaires, la détection de la maladie de Crohn à partir d’une endoscopie par capsule (PillCam), ou encore l’automatisation de la détection de polypes lors de procédures de colonoscopie.Cette thèse, intitulée From Pixels to Practice: Deep Learning for Endoscopy, étudie comment les réseaux de neurones modernes et les paradigmes d’apprentissage peuvent améliorer la compréhension visuelle en endoscopie, dans le but de contribuer à des systèmes d’aide au diagnostic (Computer-Aided Detection, CAD) intégrables dans les flux de travail cliniques.Ce travail suit une structure basée sur des articles et relie des avancées méthodologiques en modélisation géométrique et temporelle à des techniques permettant de gérer la rareté et le déséquilibre des données, ainsi qu’aux implications pratiques et cliniques de l’apprentissage profond pour la détection de tumeurs pulmonaires, tant du point de vue clinique que du point de vue des praticiens. La première partie du manuscrit fournit un socle commun à toutes les parties suivantes. Tout d’abord, nous présentons une introduction générale au domaine de l’apprentissage automatique au Chapitre 1, en expliquant des concepts tels que la classification, les fonctions de perte et les réseaux de neurones artificiels. Ensuite, le Chapitre 2 se concentre sur le domaine de l’apprentissage profond pour la vision par ordinateur, en détaillant les principales tâches de vision, le concept de réseaux de neurones convolutionnels, ResNet et U-Net. Enfin, le Chapitre 3 décrit l’imagerie médicale, avec un focus sur les scanners tomodensitométriques (CT) et l’imagerie optique. La deuxième partie de la thèse s’intéresse à l’apprentissage de représentations spatio-temporelles. Au Chapitre 4, nous utilisons des réseaux de neurones profonds combinant des caractéristiques spatiales et une récurrence temporelle pour aborder le problème de la détection de la carène bronchique, un repère anatomique qui aide les médecins à se repérer dans les poumons. En évaluant des modèles de classification (ResNet-50), de segmentation (nnU-Net) et récurrents (GRU) sur un jeu de données de bronchoscopie que nous avons créé, l’étude met en évidence les bénéfices de la combinaison d’informations issues des masques de segmentation et de caractéristiques temporelles. Le Chapitre 5 poursuit sur la tâche de segmentation en analysant dans quelle mesure des U-Net équivariants par rotation, basés sur des E(2)-CNN avec des groupes de symétrie C4, C8 et D4, peuvent améliorer les performances lorsque l’orientation des objets dans l’image est arbitraire. Ensemble, ces chapitres montrent comment la modélisation temporelle et géométrique capture des aspects complémentaires de la structure visuelle. Ils soulignent en outre que le déséquilibre et la rareté des données constituent un problème récurrent en apprentissage profond. La troisième partie étudie l’apprentissage en situation de rareté et de déséquilibre des données. Tout d’abord, le Chapitre 6 explore un pré-entraînement contrastif supervisé [1] sur de grands jeux de données endoscopiques de domaine proche (Hyper-Kvasir [2], LDPolyp [3]), transféré ensuite vers des données plus petites et spécifiques à une pathologie (Crohn-IPI [4]). Cette méthodologie donne de meilleures performances que le pré-entraînement sur ImageNet ou basé sur l’entropie croisée, ce qui met en avant la valeur de représentations contrastives spécifiques au domaine. Ensuite, le Chapitre 7 introduit leMask-Aware Cropping (MAC), une nouvelle technique d’augmentation de données qui atténue le déséquilibre au niveau des pixels en segmentation. Sur divers jeux de données présentant des régimes de déséquilibre variés (URDE [5], Kvasir-SEG [6], HAM10000 [7]), MAC améliore systématiquement les métriques Dice et IoU dans des conditions de déséquilibre extrême. Ensemble, ces méthodes forment un cadre centré sur les données pour un apprentissage efficace lorsque les annotations sont rares ou inégalement réparties. La quatrième partie de la thèse se concentre sur l’apprentissage profond au bloc opératoire. Le Chapitre 8 propose un premier modèle (ResNet-50) pour la détection visuelle du cancer du poumon en bronchoscopie, entraîné sur des données réelles, in-vivo. Le modèle dépasse les performances de médecins juniors, tout en restant inférieur à celles des experts. Ce résultat montre que les systèmes de CAD pour la détection du cancer du poumon sont prometteurs. Le Chapitre 9 prolonge ce travail en évaluant l’utilisabilité d’un système de CAD basé sur un modèle d’apprentissage profond. En combinant indices de probabilité, graphes temporels et superpositions de cartes de saillance, une évaluation multicentrique avec 10 médecins est menée. L’outil reçoit des retours favorables, avec une utilisabilité élevée (score SUS de 80,5 [8]) et une forte acceptation clinique. Au-delà de l’endoscopie, les résultats concernant l’équivariance par rotation et le déséquilibre au niveau des pixels se généralisent à d’autres domaines tels que la microscopie, la dermatologie et l’imagerie aérienne. Cela montre que les méthodes proposées sont applicables à l’apprentissage visuel sous variabilité structurée et sous contraintes de données limitées.Mots-clés : apprentissage automatique, vision par ordinateur, médecine, endoscopie, réseaux de neurones convolutionnels, segmentation, modèles récurrents, équivariance.  Jury Prof. Dumas Bruno - Université de NamurProf. Frénay Benoit - Université de NamurProf. Schobbens P-Y. - Université de NamureProf. Beuls Katrien - Université de Namur,Dr. Mertens Benjamin - Lys MédicalProf. Oramas Mogrojevo José Antonio - Université d’AnversDr. Mancas Matei - Université de Mons S'inscrire

Formulaire d'inscription Nom Prénom Adresse e-mail Assistera à la réception qui suivra la défense Oui ( optionnel ) Non ( optionnel ) Désire une vignette de parking Oui ( optionnel ) Non ( optionnel ) Souhaite un certificat pour l'assistance à la défense Oui ( optionnel ) Non ( optionnel ) Pour le traitement de votre demande, les données sans mention « optional » doivent obligatoirement être complétées. Lorsque vous soumettez ce formulaire, les données complétées sont transmises à l’UNamur et utilisées pour donner suite à votre demande. Pour en savoir plus sur la protection de vos données et sur vos droits This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.

Proposée à tous les bacheliers de l'UNamur, cette nouvelle unité d’enseignement (UE) "One Health" (Une seule santé) forme à une approche globale et interdisciplinaire de la santé, en tenant compte de ces interactions complexes.L’inauguration officielle de cette nouvelle UE de la Faculté de médecine et de la Faculté des sciences de l’UNamur a eu lieu le 6 février 2025, en présence de Monsieur Yves Coppieters, Ministre de la Santé et de Madame Annick Castiaux, Rectrice de l’UNamur. One Health - une seule santé [MMEDB360]2 crédits10h1er quadrimestreLangue d'enseignement: FrançaisEnseignant : Grégoire Wieërs.

Dans le cadre des travaux pratiques (TP) de psychologie médicale de la Faculté de médecine de l’Université de Namur, une intervention marquante a eu lieu. Un binôme, composé de Dominique Damas, patiente experte et membre active de l’ASBL PAH (Plateforme Annonce Handicap), et du Dr Latteur, médecin, est venu partager son expérience sur un sujet aussi délicat qu’essentiel : l’annonce de mauvaises nouvelles ou de diagnostics graves aux patients et patientes. 

Fin novembre 2024, l’UNamur a accueilli le 23ème congrès de BENEVOL, un séminaire de recherche annuel qui donne la possibilité aux chercheurs internationaux de se rencontrer et de discuter de nouvelles idées, de questions importantes et de recherches de pointe dans le domaine du génie, de la maintenance et de l'évolution des logiciels.  

Remplir le formulaire Les offres envoyées seront analysées par le Département avant publication, et seront supprimées 1 mois après leur mise en ligne, sauf demande de prolongation adressée à departement.biomed@unamur.be  Nom Prénom Adresse e-mail Entreprise/institution Localisation de l’entreprise/institution Type d’offre Emploi ( optionnel ) Stage ( optionnel ) Formation ( optionnel ) Titre et brève description de l’offre Lien vers page internet et description complète de l’offre ou informations de contact Pour le traitement de votre demande, les données sans mention « optional » doivent obligatoirement être complétées. Lorsque vous soumettez ce formulaire, les données complétées sont transmises à l’Université de Namur et utilisées pour donner suite à votre demande. Pour en savoir plus sur la protection de vos données et sur vos droits. This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.

Remplir le formulaire Les demandes envoyées par les Alumni sont évaluées par le Département (departement.biomed@unamur.be) et tous les trois mois, 1 à 3 Alumni seront mis à l’honneur. Nom Prénom Adresse e-mail Année d’obtention du Master en Sciences Biomédicale Finalité du Master suivi Position / job actuel Description de l’accomplissement que vous souhaitez partager Lien éventuel ( optionnel ) Vers publication, annonce du congrès, site internet de l’entreprise … Photo pour illsutrer la publication Photo ( optionnel ) 1 seul fichier.Limité à 32 Mo.Types autorisés : gif, jpg, jpeg, png. Pour le traitement de votre demande, les données sans mention « optional » doivent obligatoirement être complétées. Lorsque vous soumettez ce formulaire, les données complétées sont transmises à l’Université de Namur et utilisées pour donner suite à votre demande. Pour en savoir plus sur la protection de vos données et sur vos droits. This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.

Joanna Mourad, doctorante au Département de psychologie de la Faculté de médecine de l’UNamur, vient de publier une étude qui intègre des outils digitaux dynamiques pour mieux évaluer la perception du corps chez les personnes autistes.  Explications.

Fin novembre, l’entreprise Cellistic®, basée à Mont-Saint-Guibert, a fait don à l’UNamur d’équipements dont elle n’avait plus usage. En permettant à l’université de donner une seconde vie à ce matériel, Cellistic accomplit un geste important au bénéfice du développement de la recherche universitaire.  

L’Université de Stanford a publié un classement prestigieux qui met en lumière les chercheurs les plus influents dans un large éventail de domaines scientifiques. Cette liste, établie sur base de critères bibliographiques, vise à fournir un moyen normalisé d'identifier les leaders scientifiques mondiaux. Il s’agit d’un critère parmi d’autres permettant d’évaluer la qualité de la recherche scientifique. Douze chercheurs de l’Université de Namur en font partie !