GRETSI'03 19e Colloque GRETSI
sur le traitement du signal et des images
Paris   8 - 11 septembre 2003
Accueil Programme Par session Par auteur Par thème Par code

Informations concernant l'article

Titre
Modèles semi-markoviens cachés de séquences d'événements : application en cartographie IRM fonctionnelle cérébrale
Auteur(s)
Sylvain Faisan LSIIT UMR CNRS 7005
Laurent Thoraval LSIIT UMR CNRS 7005
Jean-Paul Armspach IPB UMR CNRS 7004
Références
vol. II, page 92
 L'article au format PDF
 
Pour obtenir Acrobat Reader (version 5 minimum recommandée) nécessaire pour sa lecture.

Résumé

L'hypothèse de stationarité par morceaux du processus observable d'une chaîne de Markov cachée rend les modèles de Markov cachés(MMCs)inadaptés à l'analyse de processus aléatoires de nature événementielle. Pour de tels processus, une nouvelle classe de MMCs est proposée : les modèles semi-Markoviens cachés de séquences d'événements. Le processus observable n'est plus de nature segmentale mais issu d'une étape de détection et de caractérisation. Le formalisme markovien standard est adapté en conséquence. Les résultats obtenus en cartographie de séquence d'images IRM fonctionnelle valident cette nouvelle approche de modélisation statistique tout en ouvrant de nouvelles perspectives dans la reconnaissance et la détection de processus aléatoires de nature événementielle.
Edition : Télécom-Paris -- 2003