Le doctorant concevra des outils d'IA appropriés sur des cohortes existantes d'images et de signaux cliniques. Afin d'obtenir de bons résultats en utilisant des données d'imagerie complexes, nous tirerons parti de la multimodalité en intégrant des dispositifs d'imagerie, d'ECG et de pression. Cela permettra une caractérisation beaucoup plus précise de la fonction cardiaque tout en étant très portable, car de tels capteurs peuvent désormais être connectés directement à un smartphone. Cela nécessitera un apprentissage multimodal pour extraire les caractéristiques spatio-temporelles de ces données. De plus, nous développerons une modélisation biophysique à travers des modèles mathématiques simplifiés du système cardiovasculaire et de son évolution. Ces systèmes dynamiques sont une façon raisonnée de décrire mathématiquement la dynamique de la fonction cardiaque, et donc d'introduire des contraintes physiologiques entre les différentes mesures et paramètres de la fonction cardiaque. Nous personnaliserons les modèles cardiaques aux données multimodales afin d'augmenter les fonctionnalités disponibles avec les paramètres du modèle biophysique. Cela devrait améliorer la précision et la robustesse de la méthode d'IA.