Su RUAN

Professor

Professeur à l’Université de Rouen, France

(Full Professor at the University of Rouen, France)

Formations et Diplômes (Education and  Diplomas

Jan. 1993           Thèse de doctorat (Laboratoire de Traitement du Signal et de l’Image (LTSI)), soutenue à l’Université de Rennes I.

 (Ph.D. , University of Renne I, France, Jan. 1993.)

Déc. 2000           Habilitation à Diriger des Recherches (HDR) (Labo. GREYC UMR 6072 CNRS), soutenue à l’Université de Caen.

 (Professorship Diploma HDR, University of  Caen, Dec. 2000.)

 Activités professionnelles (Professional Activities)

 1992 – 1993      ATER à l’INSA de Rennes.

                              (Assistant professor at  the National Institute for Applied Sciences of  Rennes, France)

 1993 – 2003      Maître de conférences à l’Université de Caen.

                               (Associate professor at the Univesity of Caen, France)

 2003 – 2010      Professeur à l’IUT de Troyes de l’Université de Reims Champagne-Ardenne.

                               (Full professor at the University of Reims Champagne-Ardenne, France)

 Depuis 2010      Professeur à l’Université de Rouen.

                               (Full professor at the University of Rouen since 2010, France)

Thèmes de recherche développés (Research fields)

a) La segmentation d’images et la reconnaissance de formes ( Image segmentation and Pattern Recognition)

Segmentation : champs aléatoires de Markov, contours actifs (level sets), modèles de forme statistiques, recalage non rigide, méthodes basées sur les graphes.

(Segmentation :  Markov random fields,  Active contours (level sets),  statistical shape models, non-rigid registration, Graph based methods. )

Reconnaissance de formes : Modélisation des connaissances a priori par des champs flous. Modèles de formes statistiques à partir d’un  ensemble d’apprentissage sur les formes 3D. Classification par apprentissage statistique. Sélection des caractéristiques.

(Pattern Recognition: A priori knowledge modeling by fuzzy fields. Statistical shape models. Statistical learning. Dictionary learning. Feature selection.)

b) La fusion des informations (Information fusion)

Fusion floue des informations modélisées par des ensembles flous. Fusion basée la sélection des caractéristiques, Fusion basée sur la théorie des fonctions de croyance.

(Fuzzy fusion, Fusion-based on  feature selection, Fusion based on the theory of belief functions.)

c) Applications (Applications)

– Imageries médicales: IRM cérébrale, IRM prostatique, Spectroscopie par RM (SRM) , PET-TDM thoracique

Medical imaging: brain MRI, Prostate MRI, MR spectroscopy (MRS), thoracic PET-CT)

– Segmentation et classification des images médicales

(Segmentation and classification of  medical images for diagnostic and therapy)

– Suivi longitudinal et sélection des caractéristiques prédictives pour le traitement du cancer .

  (Longitudinal follow-up and selection of predictive characteristics for cancer therapy.)

Su RUAN
Informations et Contacts
Adresse
Université de Rouen Quantif-LITIS 22 Boulevard de Gambetta 76183 Rouen France
Pour nous suivre