Localisation du ganglion sentinelle au moyen de nanoparticules fluorescentes émettant dans le proche infrarouge : Application au cancer du sein
Bibliographic record
Abstract
Remerciements Je tiens tout d'abord à exprimer mes sincères remerciements à Frédéric Marchal.Merci de m'avoir permis de travailler sur cette thématique de recherche et d'avoir dirigé mes travaux de thèse.Malgré votre lourde charge de travail, vous étiez toujours présent (et souriant !) aux moments importants.Je suis extrêmement reconnaissante envers Lina Bolotine pour avoir cru en moi et pour m'avoir donné ma chance à un moment où ma confiance était au plus bas.Merci d'avoir encadré mon travail de près et de m'avoir soutenue notamment durant la période (si houleuse !) de soumission de la publication.Votre bonne humeur et vos rires ont traversé les murs de votre bureau et ont égaillé mes journées.J'adresse toute ma sympathie et tout mon respect à François Guillemin et je le remercie de m'avoir accueillie au sein de l'équipe de recherche du Centre Alexis Vautrin.Vos critiques pragmatiques lors de la soutenance m'ont permis de me poser de nouvelles questions et de comprendre les problématiques inhérentes à la chirurgie.Je remercie vivement André Pelegrin et Patrick Poulet pour l'honneur qu'ils m'ont fait en acceptant de juger mon travail.Les discussions au cours de la soutenance étaient pointues, intéressantes et constructives.J'adresse mes sincères remerciements à Jean-Marc Classe pour sa participation à mon jury de thèse en tant que président et pour la pertinence de ces commentaires lors de la soutenance.J'espère que vous garderez une bonne image de la région Lorraine, malgré vos déboires avec la SNCF… Des remerciements particuliers vont à Thomas Pons pour avoir accepté de participer à mon jury de thèse, pour avoir répondu à mes nombreuses interrogations sur les QDs et pour m'avoir fourni tant de lots de nanoparticules.Un grand merci également à toute l'équipe du LPEM de l'ESPCI à Paris et notamment, Benoît Dubertret, Elsa Cassette et Brice Nadal, pour les réunions très enrichissantes qui ont parsemé ces 3 années et les bons petits repas qui les suivaient.Sans les nanoparticules que vous m'avez fournies régulièrement, ma thèse n'aurait pu se dérouler dans de bonnes conditions.Remerciements Je tiens à adresser mes vifs remerciements à l'ensemble de l'équipe du département de chimie « G. Ciamician » de l'Université de Bologne (Italie) et en particulier à Luca Prodi et à Enrico Rampazzo pour les différents lots de nanoparticules de silice qu'ils m'ont synthétisés en un temps record et pour les discussions, par Skype ou par mail, toujours très instructives.Je souhaite remercier également l'ensemble du laboratoire CRAN et en particulier Alain Richard et Didier Wolf pour m'avoir accueillie dans le groupe thématique IPS.Je tiens à remercier les financeurs de cette thèse : l'ANRT, le CAV, la Région Lorraine et la Ligue contre le Cancer, sans qui ces travaux n'auraient pu voir le jour.Les résultats n'auraient pu être complets sans l'intervention de deux services d'anatomie pathologique : celui du CAV dirigé par Agnès Leroux et celui du CHU Brabois, dirigé par François Plénat.Que ces services et leurs techniciens en soient chaleureusement remerciés ici pour le temps passé à m'apprendre les différentes techniques et, plus généralement, pour leur implication dans mon travail.Merci à l'ensemble des membres du laboratoire de recherche du CAV pour leur sympathie, leur aide au quotidien et leur regard critique lors des réunions du jeudi.La vie du labo ne serait pas la même sans les pauses café/thé, les soirées « Saint-Nicolas » ou les weekends dans les Vosges.Merci donc particulièrement à Aurélie François, Vadim Reshetov, Denise Bechet, Aurélie Rheinard, Marlène Pernot et Gaëlle Creusat pour tous ces bons moments passés, qui ont permis de mieux nous connaître et de construire notre amitié.Je n'oublie bien évidemment pas les stagiaires qui m'ont accompagnée tout au long de ma thèse : Aurélie Salvadori, Alexis Skrzynski, David Michalski et Morgane Monchanin.J'espère vous avoir apporté autant que vous m'avez apporté durant ces quelques semaines.Je tiens à adresser ma profonde considération à Denyse Bagrel et Cathy Fiatte.Merci pour tous les savoirs et les bons conseils que vous m'avez transmis durant mon année de master au LIMBP.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".