Die Alraune als künstliches Geschöpf in der deutschen phantastischen Literatur : Eine Studie zu Achim von Arnim, E.T.A. Hoffmann und Hanns Heinz Ewers

La forme humaine de la racine de la mandragore est sans doute à l’origine de la fascination que cette plante exerce depuis des millénaires. On lui attribue des qualités surnaturelles : entre autres, elle rendrait son propriétaire infiniment riche. Les détails lugubres se rapportant au mythe de la mandragore font d’elle un thème de prédilection pour la littérature fantastique. Le but de ce travail est d’analyser la légende de la mandragore dans trois œuvres de la littérature fantastique allemande (Isabelle d’Égypte (1812) d’Achim von Arnim, Petit Zacharie surnommé Cinabre (1819) d’E.T.A. Hoffmann et Mandragore (1911) de Hanns Heinz Ewers), dans lesquelles ce motif est combiné avec un thème aussi très prisé du genre fantastique : l’homme artificiel. Dans une perspective intertextuelle, j’analyserai comment chaque auteur s’approprie le mythe de la mandragore et représente le personnage-mandragore. Je me concentrerai ensuite sur les nouvelles qualités créées par son statut de créature artificielle et sur la relation de cette dernière avec son créateur. Puis, j’examinerai le rôle du personnage-mandragore dans chacune des œuvres dans son contexte historique. Ainsi, je montrerai que les personnages-mandragores possèdent bel et bien des caractéristiques qui se réfèrent à la légende de la mandragore, mais que leur nature de créature artificielle leur fait endosser dans leur récit un rôle d’antagoniste qui s’apparente à celui du trickster. Finalement, j’expliquerai comment les auteurs utilisent le motif de la mandragore et la littérature fantastique pour dénoncer la corruption, critiquer les partisans des Lumières et créer une atmosphère de décadence qui justifie l’utilisation du thème de la femme fatale.

Non invasive classification system of scoliosis curve types using least-squares support vector machines

Objective To determine scoliosis curve types using non invasive surface acquisition, without prior knowledge from X-ray data. Methods Classification of scoliosis deformities according to curve type is used in the clinical management of scoliotic patients. In this work, we propose a robust system that can determine the scoliosis curve type from non invasive acquisition of the 3D back surface of the patients. The 3D image of the surface of the trunk is divided into patches and local geometric descriptors characterizing the back surface are computed from each patch and constitute the features. We reduce the dimensionality by using principal component analysis and retain 53 components using an overlap criterion combined with the total variance in the observed variables. In this work, a multi-class classifier is built with least-squares support vector machines (LS-SVM). The original LS-SVM formulation was modified by weighting the positive and negative samples differently and a new kernel was designed in order to achieve a robust classifier. The proposed system is validated using data from 165 patients with different scoliosis curve types. The results of our non invasive classification were compared with those obtained by an expert using X-ray images. Results The average rate of successful classification was computed using a leave-one-out cross-validation procedure. The overall accuracy of the system was 95%. As for the correct classification rates per class, we obtained 96%, 84% and 97% for the thoracic, double major and lumbar/thoracolumbar curve types, respectively. Conclusion This study shows that it is possible to find a relationship between the internal deformity and the back surface deformity in scoliosis with machine learning methods. The proposed system uses non invasive surface acquisition, which is safe for the patient as it involves no radiation. Also, the design of a specific kernel improved classification performance.