• Passer à la navigation principale
  • Passer au contenu principal
  • Passer à la barre latérale principale
  • Annuaire
  • Formations
  • Contact
  • Fr
  • En
Institut Fresnel

Institut Fresnel

Recherche et innovation en photonique

  • L’institut
    • Édito
    • Présentation
    • Organigramme
    • Équipes
    • Nos tutelles
    • Étudiants
  • Recherche
    • Nos thématiques
    • Projets Européens
  • Partenariats
    • Labos communs
    • Chaires
    • Partenaires
    • Réseaux
    • Instituts ets AMU
  • Recrutements
    • Offres de thèses
    • Offres de CDD – Post-Doc
    • Offres de stages – Alternances
    • Campagne d’emploi
    • Formulaire stage
  • Plateformes
  • Publications
    • Brevets
    • Thèses
    • Articles scientifiques
    • Revue de presse
    • Ouvrages & E-book
    • Faits marquants
  • Animations
  • Annuaire
  • Formations

Pham Minh Tuan, PhD

 

Pham Minh Tuan will defend his PhD thesis entitled « The Contributions of Neural Networks and Graphs for Improved Diagnosis of Brain Disorders using FDG-PET Images : A Step towards Personalized Diagnosis »  on Tuesday June 25th at 01:00 p.m. in the Amphitheater of CERIMED, Campus Santé Timone in Marseille.

 

The thesis was supervised by Prof. Eric Guedj (IMOTHEP team) and Prof. Mouloud Adel (GSM team). The presentation will be in English.

 

Abstract : The brain, as part of the nervous system, controls our thoughts and all activities throughout our body. With approximately 86 billion neurons connected through 150 trillion synapses, the human brain is one of the most complex networks. Disruptions in brain networks play an important role in many psychiatric and neurological disorders, such as depression, Parkinson’s disease, and Alzheimer’s disease, to name a few. Different types of brain disorders may have several similarities in terms of clinical symptoms and brain network abnormalities, making it difficult to distinguish between them. Therefore, it is crucially important to better understand and clarify the differences in pathologies between those brain disorders, and better identifying the abonormal groups from the normal control group. Meanwhile, Positron Emission Tomography (PET) imaging biomarkers hold great promise as diagnostic and prognostic markers for brain disorders.

For this purpose, this thesis delves into innovative approaches to enhance Alzheimer’s disease (AD) diagnosis using FDG-PET images and Machine Learning, particularly focusing on a region-based methodology, with implications for application in psychiatric disorders as well. It addresses key challenges in AD diagnosis, such as feature selection, brain atlas choices, and the importance of multiple-scale analysis. Additionally, it also explores the method for building metabolic individual brain networks. Emphasizing the significance of graph neural networks and hypergraphs, the research extends its application beyond neurological disorders like AD to encompass psychiatric disorders such as depression.

Experiments conducted on both local and public datasets show that our studies not only advance AD diagnosis but also provide insights into the contribution of neural network and graph neural networks toward better diagnosing brain disorders, paving the way for enhanced diagnostic methodologies and improved patient outcomes.

sidebar

Animations scientifiques
  • Adrien Bolliand, PhD
  • Jules Vanaret, PhD
  • Inès Martin , PhD
  • Isaël Herrera, PhD
  • Sisira Suresh, PhD
  • Ravel de Miranda Pimenta, PhD
  • Yusuf Oluwatoki, PhD
  • Guillaume Giroussens, PhD
  • Isam Ben Soltane, PhD
  • Kseniia Lezhennikova, PhD
  • LinkedIn
  • Google Scholar
  • Instagram
  • Youtube
  • Bluesky
  • ResearchGate
  • Intranet
INSTITUT FRESNEL
Faculté des Sciences - Avenue Escadrille Normandie-Niémen - 13397 MARSEILLE CEDEX

Copyright © 2025 · Politique de confidentialité · Mentions Légales · Politique des cookies · Crédits · Site map

Gérer le consentement
Pour offrir les meilleures expériences, nous utilisons des technologies telles que les cookies pour stocker et/ou accéder aux informations des appareils. Le fait de consentir à ces technologies nous permettra de traiter des données telles que le comportement de navigation ou les ID uniques sur ce site. Le fait de ne pas consentir ou de retirer son consentement peut avoir un effet négatif sur certaines caractéristiques et fonctions.
Fonctionnel Toujours activé
L’accès ou le stockage technique est strictement nécessaire dans la finalité d’intérêt légitime de permettre l’utilisation d’un service spécifique explicitement demandé par l’abonné ou l’utilisateur, ou dans le seul but d’effectuer la transmission d’une communication sur un réseau de communications électroniques.
Préférences
L’accès ou le stockage technique est nécessaire dans la finalité d’intérêt légitime de stocker des préférences qui ne sont pas demandées par l’abonné ou l’internaute.
Statistiques
Le stockage ou l’accès technique qui est utilisé exclusivement à des fins statistiques. Le stockage ou l’accès technique qui est utilisé exclusivement dans des finalités statistiques anonymes. En l’absence d’une assignation à comparaître, d’une conformité volontaire de la part de votre fournisseur d’accès à internet ou d’enregistrements supplémentaires provenant d’une tierce partie, les informations stockées ou extraites à cette seule fin ne peuvent généralement pas être utilisées pour vous identifier.
Marketing
L’accès ou le stockage technique est nécessaire pour créer des profils d’internautes afin d’envoyer des publicités, ou pour suivre l’utilisateur sur un site web ou sur plusieurs sites web ayant des finalités marketing similaires.
Gérer les options Gérer les services Gérer {vendor_count} fournisseurs En savoir plus sur ces finalités
Voir les préférences
{title} {title} {title}