It has been proven that vaccine can play an important role for eradication of hepatitis B infection. When the mutant strain of virus appears, it changes all treatments strategies. The current problem is to find the critical vaccine threshold which can stimulate the immune system for eradicate the virus, or to find conditions at which mutant strain of the virus can persist in the presence of a CTL vaccine. In this paper, the dynamical behavior of a new hepatitis B virus model with two strains of virus and CTL immune responses is studied. We compute the basic reproductive ratio of the model and show that the dynamic depend of this threshold. After that, we extend the model incorporating pulse vaccination and we find conditions for eradication of the disease. Our result indicates that if the vaccine is sufficiently strong, both strains are driven to extinction, assuming perfect adherence.
La quantité des données produites par de nombreux domaines augmente constamment et rend leur traitement de plus en plus difficile à gérer. Parmi ces domaines nous nous intéressons à la biodiversité pour laquelle le GBIF (Global Biodiversity Information Facility) vise à fédérer et partager les données de biodiversité produites par de nombreux fournisseurs à l’échelle mondiale. Aujourd’hui, avec un nombre croissant d’utilisateurs caractérisés par un comportement versatile et une fréquence d’accès aux données très aléatoire, les solutions actuelles n’ont pas été conçues pour s’adapter dynamiquement à ce type de situation. Par ailleurs, avec un nombre croissant de fournisseurs de données et d’utilisateurs qui interrogent sa base, le GBIF est confronté à un problème d’efficacité difficile à résoudre. Nous visons, dans cet article, à résoudre les problèmes de performances du GBIF. Dans cette perspective, nous proposons une approche d’optimisation de requête d’analyse de données de biodiversité qui s’adapte dynamiquement au contexte des environnements répartis à large échelle pour garantir la disponibilité des données. L’implémentation de notre solution et les résultats des expériences sont satisfaisants pour la garantie de performance et du passage à l’échelle.
We address in this paper an improved medical monitoring system through an automatic recognition of human activity in Intensive Care Units (ICUs). A multi camera vision system approach is proposed to collect video sequence for automatic analysis and interpretation of the scene. The latter is performed using Hidden Markov Model (HMM) with explicit state duration combine at the management of the hierarchical structure of the scenario. Significant experiments are carried out on the proposed monitoring system in a hospital's cardiology section in order to prove the need for computer-aided patient supervision to help clinicians in the decision making process. Temporal and hierarchical HMM handles explicitly the state duration and then provides a suitable solution for the automatic recognition of temporal events. Finally, the use of Temporal HMM (THMM) based approach improves the scenario recognition performance compared to the result of standard HMM models.
Cet article décrit un nouvel algorithme non supervisé de classification des données multidimensionnelles. Il consiste à détecter les prototypes des classes présentes dans un échantillon et à appliquer l’algorithme KNN pour la classification de toutes les observations. La détection des prototypes des classes est basée sur les processus ponctuels marqués, c’est d’une part une adaptation de la méthode de Métropolis-Hasting-Green qui génère des mouvements manipulant les objets du processus (naissance, mort…) et d’autre part une modélisation de Gibbs qui introduit la fonction de potentiel matérialisant les interactions du processus en termes d’énergie. Plusieurs expérimentations ont été réalisées sur des données ponctuelles multidimensionnelles où les classes sont non linéairement séparables et des données réelles issues des puces à ADN. Une comparaison avec des méthodes de classification existantes a permis de montrer l’efficacité de ce nouvel algorithme.
Dans cet article, nous menons une étude complète visant à proposer trois stratégies de routage, intégrant différents niveau d’agrégation, afin d’acheminer les données collectées dans les Réseaux de Capteurs Sans Fil (RCSF) structurés en clusters auto-stabilisants. Ces trois scénarios sont : (i) le Routage Sans Agrégation (RSA), (ii) le Routage avec Agrégation Partielle (RAP) et (iii) le Routage avec agrégation Totale (RAT). Ces derniers se fondent sur un schéma de clustering autostabilisant où est intégré un système d’agents coopératifs. Nous validons ces trois scénarios par simulation sous OMNeT++ en évaluant et comparant leurs performances en termes de délai de bout en bout, de consommation énergétique et de durée de vie du réseau. Les résultats de simulation montrent que le RSA minimise les délais de communication, le RAP réduit la consommation énergétique et le RAT prolonge la durée de vie des cluster-heads
