Romain Bourqui - Academia.edu (original) (raw)

Papers by Romain Bourqui

2016 IEEE Pacific Visualization Symposium (PacificVis), 2016

2015 IEEE 5th Symposium on Large Data Analysis and Visualization (LDAV), 2015

F Egc, 2009

La segmentation des images en régions est un problème crucial pour l'analyse et la compréhension ... more La segmentation des images en régions est un problème crucial pour l'analyse et la compréhension des images. Parmi les approches existantes pour résoudre ce problème, la classification non supervisée est fréquemment employée lors d'une première étape pour réaliser un partitionnement de l'espace des intensités des pixels (qu'il s'agisse de niveaux de gris, de couleurs ou de réponses spectrales). Puisqu'elle ignore complètement les notions de voisinage des pixels, une seconde étape d'analyse spatiale (étiquetage en composantes connexes par exemple) est ensuite nécessaire pour identifier les régions issues de la segmentation. La non prise en compte de l'information spatiale est une limite majeure de ce type d'approche, ce qui a motivé de nombreux travaux où la classification est couplée à d'autres techniques pour s'affranchir de ce problème. Dans cet article, nous proposons une nouvelle formulation de la classification non supervisée permettant d'effectuer la segmentation des images sans faire appel à des techniques supplémentaires. Plus précisément, nous élaborons une méthode itérative de type k-means où les données à partitionner sont les pixels euxmêmes (et non plus leurs intensités) et où les distances des points aux centres des classes ne sont plus euclidiennes mais topographiques. La segmentation est alors un processus itératif, et à chaque itération, les classes obtenues peuvent être assimilées à des zones d'influence dans le contexte de la morphologie mathématique. Ce parallèle nous permet de bénéficier des algorithmes efficaces proposés dans ce domaine (tels que ceux basés sur les files d'attente), tout en y ajoutant le caractère itératif des méthodes de classification non supervisée considérées ici. Nous illustrons finalement le potentiel de l'approche proposée par quelques résultats préliminaires de segmentation sur des images artificielles.

2015 13th International Conference on Document Analysis and Recognition (ICDAR), 2015

2015 19th International Conference on Information Visualisation, 2015

Extraction et Gestion des Connaissances, 2009

Les réseaux dynamiques soulèvent de nouveaux problèmes d'analyses. Un outils efficace d'analyse d... more Les réseaux dynamiques soulèvent de nouveaux problèmes d'analyses. Un outils efficace d'analyse doit non seulement permettre de décomposer ces réseaux en groupes d'éléments similaires mais il doit aussi permettre la détection de changements dans le réseau. Nous présentons dans cet article une nouvelle approche pour l'analyse de tels réseaux. Cette technique est basée sur un algorithme de décomposition de graphe en groupes chevauchants (ou chevauchement). La complexité de notre algorithme est O(|E| · deg 2 max + |V | · log(|V |))). La faible sensibilité de cet algorithme aux changements structuraux du réseau permet d'en détecter les modifications majeures au cours du temps.

Improvements in biological data acquisition and genomes sequencing now allow to reconstruct entir... more Improvements in biological data acquisition and genomes sequencing now allow to reconstruct entire metabolic networks of many living organisms. The size and complexity of these networks prohibit manual drawing and thereby urge the need of dedicated visualization techniques. An efficient representation of such a network should preserve the topological information of metabolic pathways while respecting biological drawing conventions. These constraints complicate the automatic generation of such visualization as it raises graph drawing issues. In this paper we propose a method to lay out the entire metabolic network while preserving the pathway information as much as possible. That method is flexible as it enables the user to define whether or not node duplication should be performed, to preserve or not the network topology. Our technique combines partitioning, node placement and edge bundling to provide a pseudo-orthogonal visualization of the metabolic network. To ease pathway information retrieval, we also provide complementary interaction tools that emphasize relevant pathways in the entire metabolic context.

Abstract. Interactive visualization supports the analytical process: interacting with abstract vi... more Abstract. Interactive visualization supports the analytical process: interacting with abstract views, using the data as a malleable material, analysts build hypothesis that can be further validated on the whole dataset. We use graph clustering in order to group elements and ...

This paper is a summary of the contest entry submitted to the VAST contest 2008 mini challenge 3.... more This paper is a summary of the contest entry submitted to the VAST contest 2008 mini challenge 3. The primary task of the mini chal- lenge was to characterize the Catalno/Vidro social network based on the cell phone call data provided and to characterize the tem- poral changes in the social structure over the ten day period. This paper summarizes

The central dogma in molecular biology postulated that 'DNA makes RNA makes protein', however thi... more The central dogma in molecular biology postulated that 'DNA makes RNA makes protein', however this dogma has been recently extended to integrate new biological activities involving small bacterial noncoding RNAs, called sRNAs. Accordingly, increasing attention has been given to these molecules over the last decade and related experimental works have shown a wide range of functional activities for these molecules. In this paper, we present rNAV (for rna NAVigator), a new tool for the visual exploration and analysis of bacterial sRNA-mediated regulatory networks. rNAV has been designed to help bioinformaticians and biologists to identify, from lists of thousands of predictions, pertinent and reasonable sRNA target candidates for carrying out experimental validations. We propose a list of dedicated algorithms and interaction tools that facilitate the exploration of such networks. These algorithms can be gathered into pipelines which can then be saved and reused over several sessions. To support exploration awareness, rNAV also provides an exploration tree view that allows to navigate through the steps of the analysis but also to select the sub-networks to visualize and compare. These comparisons are facilitated by the integration of multiple and fully linked views. We demonstrate the usefulness of our approach by a case study on Escherichia coli bacteria performed by domain experts.