Résultats de recherche

Créée à l'initiative du Centre d'étude de l'énergie nucléaire belge SCK CEN, cette Chaire est décernée tous les deux ans par le F.R.S.-FNRS et le FWO afin de récompenser un chercheur de premier plan dans le domaine des sciences nucléaires et de leurs applications. En 2025, la Chaire rend hommage à la brillante carrière de Carine Michiels, pour ses contributions exceptionnelles à la radiobiologie et à la recherche sur le cancer. 

In a world marked by unprecedented global interconnection and universal claims to justice, deeply entrenched injustices continue to persist, especially in the context of indigenous peoples. This thesis begins from a simple but pressing question: how come certain forms of injustice remain unseen or insufficiently addressed within our prevailing theories of justice? This research argues that part of the answer lies in our epistemic practices—the ways knowledge is produced, validated and mobilized in theorizing justice. It explores how dominant theoretical frameworks, while designed to promote fairness and universality, can also generate forms of blindness that obscure the historical and social realities of those most affected by injustice. Through a critical engagement with contemporary theories of justice and objectivity, the thesis proposes a “realized epistemology”: an approach that emphasizes the inseparable relationship between knowledge and justice. Grounded in encounters with the indigenous Pulangiyen community in Mindanao (Philippines), the research shows how philosophical reflection can be reshaped through engagement with lived experiences of injustice, inviting a more situated and reflexive understanding of objectivity and justice.  Jury Prof. Louis CARRE (Président), UNamurProf. Stéphane LEYENS (Promoteur, Secrétaire), UNamurProf. Jeremy BENDIK-KEYMER, Case Western Reserve UniversityProf. Anya TOPOLSKI, Radboud Universiteit NijmegenProf. Krushil WATENE, University of AucklandVous êtes cordialement invités à assister à cette soutenance.La proclamation sera suivie d’un drink à la Salle académique.

A quel chatbot peut-on réellement faire confiance ? Une réponse fiable à cette question peut désormais être apportée grâce à un outil scientifique inédit : l’AI Score.  Développé par une équipe multidisciplinaire de chercheurs de l’Université de Namur, il permet de mesurer de manière objective, reproductible et transparente la fiabilité des chatbots éducatifs.

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.

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

Sommes-nous prisonniers de notre patrimoine génétique ? La filiation se réduit-elle uniquement aux gènes ? Peut-on échapper à son destin ? Des questions existentielles que nous nous posons tous et auxquelles Gaëlle Pontarotti, chargée de cours et chercheuse au Département Sciences, philosophies et sociétés de l’UNamur, apporte un éclairage inédit dans son livre Par-delà les gènes. Une autre histoire de l’hérédité, paru en octobre dernier aux éditions Gallimard.

School-IT, porté par la Faculté d’Informatique de l’Université de Namur, propose une mallette numérique innovante pour initier les élèves du maternel, primaire et secondaire à l’informatique. Conçue pour simplifier la tâche des enseignants, elle rassemble des activités prêtes à l’emploi, courtes et indépendantes, accompagnées de ressources pédagogiques et multimédias pour les enseignants et leurs élèves. Avec School-IT, enseigner l’informatique devient simple, concret et accessible à tous.

JuryProf. Régis HALLEZ (UNamur), PrésidentProf. Jean-Yves MATROULE (UNamur), SecrétaireDr Rob VAN HOUDT (SCK CEN)Dr Kristel MIJNENDONCKX (SCK CEN)Prof. Liselot DEWACHTER (UCLouvain)AbstractThe viable-but-nonculturable (VBNC) state is a type of bacterial dormancy triggered by sublethal stress, where cells remain intact but lose the ability to grow on standard media. This poses challenges for microbial monitoring and public health, as VBNC cells can evade detection and might regain virulence upon resuscitation. Copper compounds are explored as antimicrobial agents, however sublethal Cu concentrations were shown to induce the VBNC state in certain bacteria. This thesis investigates the Cu-induced VBNC state in Cupriavidus metallidurans, a metal-resistant betaproteobacterium, and examines the involvement of its Cu resistance determinants (CRDs). While resuscitation is usually mediated by external factors, we aimed to uncover intrinsic processes that enable spontaneous resuscitation, a rare phenotype lacking mechanistic understanding. Proteomic analysis revealed that expression of CRDs, among others, correlated with mitigated dormancy. Time-resolved profiling showed that VBNC cells exhibit highly dynamic proteomes: VBNC entry involved oxidative stress response, and resuscitation correlated with metabolic reconstitution and the strong induction of periplasmic CRDs. Temporal clustering corroborated the explored proteomic modifications. Through mutational studies we identified the plasmid-encoded copAB system as the minimal resuscitation factor, where integrity of the CopA methionine-rich domain proved critical. ICP-MS analysis indicated that detoxification relies on Cu sequestration rather than export. Altogether, this work uncovers key intrinsic factors and proposes a mechanistic basis for spontaneous resuscitation from the Cu-induced VBNC state in C. metallidurans. These insights refine our understanding of the VBNC state as a dynamic survival strategy and of bacterial Cu resistance.

JuryDr Luca FUSARO (UNamur), PrésidentProf. Carmela APRILE (UNamur), SecrétaireProf. Francesco GIACALONE (Université de Palerme)Prof. Paolo PESCARMONA (Université de Groningen)Prof. Michelangelo GRUTTADAURIA (Université de Palerme)AbstractThis PhD research focused on the design, synthesis, and catalytic evaluation of novel materials based on metal phthalocyanines (MPCs) and imidazolium bromide salts. The initial materials were extensively characterized using a wide range of analytical, spectroscopic, and spectrometric techniques, including solid-state NMR, XPS, TEM, EDX, FT-IR, Raman, CHN analysis, ICP-OES, N₂ physisorption, and TGA. These systems showed remarkable performance in promoting the cycloaddition of CO₂ to epoxides to form cyclic carbonates. Building on these results, a new class of catalysts was developed by covalently anchoring metal phthalocyanines and imidazolium salts onto multi-walled carbon nanotubes (MWCNTs), yielding materials denoted as MPC@MWCNTs. This strategy enabled the creation of a versatile family of catalysts—prepared with different metal centers (Al, Mg, Fe, Ni, Co, Cu, Zn)—while maintaining a unified synthetic approach. The incorporation of MWCNTs was aimed at enhancing both catalytic activity and stability through synergistic support effects. The resulting MPC@MWCNTs were successfully applied in diverse catalytic contexts: CO₂ valorization into cyclic carbonates (Mg-, Fe-, Cu-, and Zn-based systems), nitro-reduction reactions to afford amines (Fe-based system), and electrocatalytic methanol oxidation for energy-related applications (Ni-based system). Overall, this work demonstrated the potential of MPC@MWCNT hybrid materials as robust, tunable, and multifunctional catalysts for sustainable chemical transformations. Assister à l'événement à distance (Teams)

Présentation des 6 nominés aux deux Prix des meilleurs mémoires de la communauté française, l’un dans l’orientation Biologie des Organismes et Ecologie (BOE) et l’autre dans les deux orientations associées Biochimie et Biologie Moléculaire et Cellulaire (BBMC) / Microbiologie.Programme13h30 Sarah Cornet (UNamur - UCLouvain) 14h05 Axel Cuche (UMons)14h40 Morgan De Wette (UNamur - UCLouvain)15h15 Carla Pugliese (UMons) 16h00 Enkela Musliu (UCLouvain) 16h35 Eléonore Cassiers (UCLouvain / Huis-clos) 17h10 Délibération du Jury 18h00 Attribution des deux prix suivie d’une réception à l’espace BauchauInscription souhaitée. Je m'inscris

L'ordinateur n'est pas si malin... et en prendre conscience est essentiel pour maîtriser cet outil. Cela passe par la compréhension de son fonctionnement, de ses capacités et de ses limites.

Alexandre Mauroy est professeur et chercheur au Département de mathématique depuis près de 10 ans, dans le domaine des systèmes dynamiques. Il est également le directeur de l’Institut de recherche naXys, qui met son expertise en systèmes complexes au service des chercheurs de l’UNamur, toutes disciplines confondues. Conscient de la réputation parfois austère des maths auprès du grand public, Alexandre Mauroy œuvre à démontrer que cette discipline est au cœur des défis technologiques et scientifiques actuels.