Thomas LANGROGNET - Thèse en cours

thomas.langrognet@minesparis.psl.eu
Identifiant Hal https://hal.archives-ouvertes.fr/search/index/?q=%2A&authIdHal_s=thomas Langrognet

Projet professionnel :

chercheur en milieu académique
chercheur en entreprise, R&D du secteur privé

Expérience professionnelle :
CDI depuis le 3 novembre 2025
Domaine d'activité : Intelligence artificiel
Type de contrat : Entreprises
Fonction exercée : Ingénieur / Scientifique en Intelligence Artificielle et Donnée
Secteur d'emploi : Activités informatiques
Unité de recherche ou entreprise : THALES DIS France SAS
Meudon/Palaiseau - FRANCE

Doctorat Morphologie mathématique

- Mines Paris-PSL

Ecole doctorale : ISMME - Ingénierie des Systèmes, Matériaux, Mécanique, Énergétique

Site de travail : Fontainebleau

Sujet : Détection et caractérisation du réseau vasculaire rétinien

Mots-clés de la thèse : Santé,Deep Learning,Morphologie Mathématique,,

Direction de thèse : Etienne DECENCIERE

Unité de recherche : Mathématiques et Systèmes
Intitulé de l'équipe : CMM - Centre de Morphologie Mathématique

Ingénieur - Ingénieur de l'École Supérieure d'Électricité

Obtenu en décembre 2020
Spécialité : Systèmes interactifs et robotique
Établissement : CentraleSupélec (diplôme Supélec)
Ville : Gif-sur-Yvette - Pays : FRANCE

Production scientifique

- Langrognet, T., Faucon, T., & Decencière, E. 2025. Self-Supervised Metric Learning for Gaussian Anomaly Detection in Fundus Images 2025 IEEE 22nd International Symposium on Biomedical Imaging (ISBI), p. 1-5, https://ieeexplore.ieee.org/abstract/document/10981124

Langues Vivantes

Français C2 - Maternel
Anglais C2 - Maternel

Dernière mise à jour le 3 décembre 2025