Nos 3 départements

CID
Département Contrôle Identification Diagnostic
BioSiS
Département Biologie, Signaux et Systèmes en Cancérologie et Neurosciences
MPSI
Département Modélisation, Pilotage et Sûreté des Systèmes Industriels
Au cœur des
systèmes
&
de la
santé

Le CRAN (UMR 7039) est un laboratoire de recherche principal et secondaire,
commun à l’Université de Lorraine et au CNRS.
Il est rattaché à CNRS Sciences informatiques et CNRS Biologie.

BRÈVE
Campagne de recrutement 2026 : 3 postes d'enseignants-chercheurs/enseignantes-chercheuses au concours
CID
Quang Huy NGUYEN

05/05/2026

Développement de nouveaux algorithmes d'estimation avancés pour l'amélioration …

La fiabilité et la sécurité des véhicules connectés et autonomes dépendent fortement de leur capacité à connaître en temps réel leur état dynamique : position, vitesse, accélération, forces, ou encore état des véhicules voisins. Cependant, l'utilisation de capteurs très précis reste souvent coûteuse, et les véhicules restent exposés à des défauts de capteurs ainsi qu'à des cyberattaques sur les communications V2V/V2I. Pour répondre à ces défis, cette thèse propose un cadre de capteur logiciel résilient, basé sur la redondance analytique. L'idée est d'exploiter des modèles mathématiques, enrichis par des réseaux de neurones neuro-adaptatifs, afin d'estimer les informations critiques même lorsque certaines mesures sont manquantes, bruitées ou compromises. Les contributions principales portent sur trois axes. Premièrement, des observateurs sont développés pour détecter et reconstruire des cyberattaques dans les systèmes de conduite coopérative, notamment les injections de fausses données, les pertes de paquets et les retards de communication. Deuxièmement, un cadre d'estimation distribuée est proposé pour les problématiques de peloton et de suivi de véhicules, avec un mécanisme de confiance permettant de filtrer les informations non fiables. Troisièmement, les observateurs hybrides neuronaux sont appliqués à l'estimation des forces inconnues et des dynamiques complexes du véhicule, en particulier pour des enjeux de sécurité comme la prévention du renversement. Enfin, un prototype de carte électronique embarquée est développé afin de préparer le déploiement futur de ces algorithmes sur des véhicules réels. L'objectif global est de proposer une solution robuste, économique et évolutive pour améliorer la sûreté et l'autonomie des véhicules de nouvelle génération.

> en savoir plus

28/04/2026

Visage de la communauté Numérique et Santé d'UNYS : Paul Catala

Paul Catala est Maître de conférences en traitement du signal et de l’image à l'Université de Lorraine, rattaché au laboratoire CRAN.   Paul obtient son diplôme d’ingénieur de Télécom Paris en 2016. Il se spécialise dans cette école en traitement des signaux et des images, et intègre en 2015 le Master 2 recherche « Mathématiques, Vision, Apprentissage » de l’école normale supérieure de Cachan (aujourd’hui ENS Paris-Saclay). De 2016 à 2020, il effectue une thèse de doctorat à l’école normale supérieure sous la direction de Vincent Duval et Gabriel Peyré, pendant laquelle il travaille sur le développement de nouvelles approches numériques pour la résolution de problèmes inverses en imagerie, notamment la super-résolution d’images de microscopie par fluorescence. De 2020 à 2024, il poursuit ses recherches dans ces domaines en contrat post-doctoraux en Allemagne, d’abord à l’institut de Mathématiques de l’université d’Osnabrück, puis au sein de l’institut pour l’imagerie biologique et médicale du centre Helmholtz-Munich. En 2024, il rejoint l’université de Lorraine et le CRAN en tant que maître de conférences. Domaines d’expertise Son expertise porte sur les problèmes inverses en imagerie et sur les approches variationnelles permettant de les résoudre, en particulier dans le cadre des problèmes de super-résolution, qui consistent à reconstruire avec une grande précision un signal à partir de données peu résolues et bruitées. Ses travaux portent également sur le transport optimal, une méthode permettant de mesurer la similarité entre des distributions de données, fondée sur des considérations géométriques. Cet outil trouve aujourd’hui de nombreuses applications en traitement des signaux et des images, par exemple pour la fusion multimodale, la classification ou la comparaison de données complexes. Quel serait votre projet idéal, alliant numérique et santé ? Nous avons posé la question à Paul : « La biophotonique et l’optique biomédicale se situent à l’interface entre la santé et le numérique, et offrent un champ de défis scientifiques riche. Par exemple, la caractérisation des tissus biologiques par spectro-imagerie permet d’envisager des diagnostics in vivo et non invasifs des cancers cutanés. Le développement de solutions fiables pour le traitement des données acquises constitue ainsi un enjeu majeur pour permettre le déploiement clinique de ces techniques. » « Sur le plan scientifique, la question des garanties et de la robustesse des méthodes est cruciale, alors même que certaines approches très performantes, notamment celles fondées sur l’apprentissage profond, n’y répondent pas toujours facilement. Dans ce contexte, le développement d’outils hybrides, combinant des approches automatiques fondées sur les données et des approches reposant sur des modèles, qu’ils soient mathématiques, exploitant par exemple la géométrie sous-jacente des données, ou physiques, s’appuyant sur les équations décrivant la propagation des photons dans les tissus, constitue un projet de recherche que je trouve particulièrement stimulant. » « Dans le cadre de ces biopsies optiques, le volet numérique repose ainsi notamment sur: le développement de méthodes de classification automatique robustes à la variabilité inter- et intra-patients des données; l’intégration conjointe des différentes modalités spectroscopiques dans les procédures de traitement; l’intégration de connaissances a priori, issues de modèles physiques ou biologiques, afin d’améliorer la fiabilité des diagnostics. Depuis mon arrivée au CRAN, j’ai la chance de pouvoir explorer certains aspects de ces questions dans le cadre de mes recherches. Le développement de nouveaux outils méthodologiques, notamment fondés sur des approches innovantes telles que le transport optimal, me semble essentiel pour relever ces défis, et favoriser le transfert de ces technologies vers la pratique clinique. » Article source : Communauté numérique & santé UNYS - Newsletter avril 2026

> en savoir plus

23/04/2026

[THÉÂTRE-DÉBAT] Il ne faut pas confondre la radiothérapie avec un coucher de so…

Dans le cadre du mois de Mai en gris, le mois de sensibilisation aux tumeurs cérébrales, le laboratoire de recherche CRAN présente au grand public ses travaux sur les glioblastomes à travers un théâtre-débat original joué par la Compagnie Impavide. Plongez dans l’histoire d’un couple confronté à la maladie et explorez, avec eux, leur parcours à travers les doutes, les questionnements et les bouleversements dans leur vie quotidienne. Du diagnostic aux thérapies innovantes, cette création propose un regard accessible sur la recherche autour du cancer du cerveau et aborde ce sujet délicat avec finesse et justesse. Si le couple porte le volet humain de la maladie, il est accompagné par leur médecin ; personnage à la personnalité… atypique, leur apportant (à sa manière) son soutien ainsi que les éclairages cliniques et scientifiques sur les progrès récents des thérapies par rayonnements pour le traitement des tumeurs cérébrales. Dans cette œuvre originale, où humour et émotions se croisent, les comédiens offrent une vue d’ensemble du cancer du cerveau, des premiers signes d’alerte aux techniques les plus novatrice en passant par la recherche exploratoire et les études précliniques. Une pièce co-écrite par Joël Daouk, ingénieur de recherche CNRS au CRAN et Amélie Aubertin, de la Compagnie Impavide.  Cet événement est organisé par le CRAN avec le soutien du CNRS Centre-Est.  Télécharger le flyer

> en savoir plus

AGENDA

> voir tout

Commission parité

19 mai 2026

Réunion CLHSCT

21 mai 2026

Conseil de laboratoire

22 mai 2026

dernières publications

> voir tout

Shengya Meng, Ali Zemouche, Marouane Alma

Distributed observer–controller co–design for string stability in vehicle platoons

Control Engineering Practice, Elsevier, 2026, 173, pp. 107008

Sylvie Chaddad, Yezekael Hayel, Vineeth Varma, Nicolas Gast

Boltzmann social learning with heterogeneous rationality

Nonlinear Analysis: Hybrid Systems, Elsevier, 2026, 61, pp. 101718

Saulo Cardoso Barreto, Julien Flamant, Sebastian Miron, David Brie

Tensor Block-Block Terms Decomposition for Matrix-Valued Imaging Applications

Signal Processing, Elsevier, 2026, 243, pp. 110482

Oussama Hadji, Moufida Maimour, Eric Rondeau, Ouahab Kadri, Abderezzak Benyahia

Vid-Sim: Modeling and analysis of video encoding and transmission in wireless sensor-based surveillance

SoftwareX, Elsevier, 2026, 34, pp. 102658

Hichem Bessafa, Cédric Delattre, Zehor Belkhatir, Ali Zemouche, Rajesh Rajamani

Generalized multi-output high-gain observer with application to ego vehicle trajectory and orientation estimation

Automatica, Elsevier, 2026, 188, pp. 112915

Retour vers le haut