Télécharger le fichier original (Mémoire de fin d’études)
Les déchets tritiés
Le tritium
Origine du tritium
La gestion des déchets tritiés
Les différentes formes du tritium
L’eau tritiée (HTO)
Le tritium gazeux ou hydrogène tritié (HT ou T2)
Le tritium organiquement liée (TOL)
L’impact du tritium sur l’environnement
Table des matières
Page de garde
Resume
Table des matieres
Notations
Abbreviations
1 Introduction generale
1.1 Contexte
1.2 Vue d’ensemble du travail eectue
1.2.1 Reconstruction spatiale 3D
1.2.2 Reconstruction spatio-temporelle 4D
1.2.3 Nouvelle methode d’echantillonnage
1.3 Organisation du manuscrit
2 Modelisation bayesienne non parametrique
2.1 Le processus de Dirichlet et ses representations
2.1.1 Representation par processus gamma
2.1.2 Echangeabilite
2.1.3 L’urne de Blackwell-MacQueen
2.1.4 Le processus du restaurant chinois
2.1.5 La construction stick-breaking
2.1.6 Melange de processus de Dirichlet
2.1.7 Le melange par processus de Dirichlet
2.2 Le modele d’echantillonnage d’especes
2.2.1 Sequence d’echantillonnage d’especes
2.2.2 La fonction de probabilite des partitions echangeables
2.3 Le processus de Pitman-Yor
2.3.1 Denitions et proprietes
2.3.2 Le processus de Pitman-Yor
2.3.3 Le melange par processus de Pitman-Yor
2.4 Les processus dependants
2.4.1 Le processus de Dirichlet hierarchique
2.4.2 Le processus de Dirichlet imbrique
2.5 Les arbres de Polya
2.5.1 Moments
2.5.2 Proprietes
2.5.3 Les arbres de Polya canoniques
2.5.4 Parametrisation de l’arbre de Polya
2.5.5 Les arbres de Polya nis
2.5.6 Processus derives d’arbres de Polya
2.6 Conclusion
3 Methodes MCMC
3.1 Methodes MCMC
3.1.1 Problematique
3.1.2 Algorithme de Metropolis-Hastings
3.1.3 Echantillonnage de Gibbs
3.1.4 Estimation des fonctionnelles
3.1.5 Diagnostic de convergence des algorithmes MCMC
3.2 Inference dans les modeles de melange par processus de Dirichlet
3.2.1 Methodes marginales
3.2.2 Methodes conditionnelles
3.2.3 Nouvelle methode d’echantillonnage
3.2.4 Comparaisons des algorithmes
3.3 Conclusion
4 Reconstruction spatiale en TEP 3D
4.1 Introduction a la TEP
4.1.1 Principe
4.1.2 Detection
4.1.3 Acquisition des donnees
4.2 Methodes de reconstruction tomographique
4.2.1 Methodes analytiques
4.2.2 La retroprojection ltree vue comme un modele statistique
4.2.3 Les methodes du maximum de vraisemblance (ML) et du maximum
a posteriori (MAP)
4.2.4 Resume et conclusion sur les methodes de reconstruction
4.3 Nouvelle methode BNP de reconstruction 3D
4.3.1 Formulation bayesienne du probleme non parametrique
4.3.2 Modeles hierarchiques generatifs pour les donnees TEP
4.3.3 Inference
4.4 Comparaisons et resultats
4.5 Conclusion
5 Reconstruction spatio-temporelle en TEP 4D
5.1 Introduction aux modeles compartimentaux
5.2 Modele compartimental dans le cas du FDG
5.2.1 Le
uoro-deoxyglucose ( [18F]{FDG)
5.2.2 Le modele compartimental de Sokolo
5.3 Estimation des parametres
5.3.1 Les moindres carres
5.3.2 Analyse graphique
5.3.3 Analyse spectrale
5.3.4 La poursuite de base L1
5.4 Etat de l’art de la reconstruction dynamique en TEP
5.4.1 Reconstruction directe de cartes parametriques
5.4.2 Reconstructions spatio-temporelles
5.4.3 Synthese
5.5 Nouvelle methode de reconstruction en TEP 4D
5.5.1 Formulation du probleme
5.5.2 Modele hierarchique pour les donnees TEP dynamiques
5.5.3 Modele alternatif avec des variables de classication
5.5.4 Modele alternatif avec des variables slices
5.5.5 Inference
5.5.6 Estimees MCMC
5.5.7 Materiels de simulation et resultats
5.6 Conclusion
6 Conclusions et perspectives
6.1 Conclusions
6.2 Perspectives
6.2.1 Estimation des hyperparametres
6.2.2 Deconvolution des cinetiques
6.2.3 Acceleration des calculs
6.2.4 Application aux donnees reelles
A Rappels sur la loi de Dirichlet
A.1 La distribution de Dirichlet
A.1.1 Moments
A.1.2 Proprietes
A.2 Integrale de Dirichlet
B Cha^nes de Markov, convergence de MH et Gibbs
B.1 Les cha^nes de Markov
B.1.1 Homogeneite
B.1.2 Noyau de transition
B.1.3 Distribution invariante
B.1.4 Irreductibilite
B.1.5 Recurrence
B.1.6 Aperiodicite
B.1.7 Recurrence au sens de Harris
B.2 Convergence de l’algorithme MH
B.2.1 Invariance
B.2.2 Irreductibilite
B.2.3 Recurrence
B.2.4 Aperiodicite
B.3 Convergence de l’echantillonneur de Gibbs
B.3.1 Invariance
B.3.2 Irreductibilite
B.3.3 Recurrence