Développement durable: quelques points litigieux

Ouvrant la réflexion sur les enjeux de la perte massive de la biodiversité, l'article s'appuie sur la question élémentaire de l'importance de la diversité biologique pour l'homme, à la fois sur le plan économique, biologique et éthique. La maîtrise de la nature par l'homme se révèle être une illusion. La réalité étant celle de l'interaction, il est permis de dire que les sociétés humaines agissent sur leurs propres conditions en modifiant les équilibres biologiques pour satisfaire leurs besoins, sans pour autant intégrer cette interaction fondamentale dans l'équation d'un rapport viable entre l'homme et la nature. L'approche récente par le biais des analyses des services écologiques constitue à cet égard un progrès sensible. Il aboutit néanmoins au constat de l'impossibilité pour l'humanité de se substituer aux mécanismes naturels permettant de tirer les services de la nature nécessaires à sa survie. Plutôt que de prétendre contrôler et maîtriser la nature à tout prix, l’homme devrait apprendre à se reconnaître comme une partie consciente de la nature et à vivre avec la vie qui l’entoure. Cet apprentissage soulève des défis scientifiques, humains et de gouvernance. L'article prône la nécessité d'une science de la biodiversité intégrée et non plus éclatée, condition essentielle pour l'élaboration de politiques économiques et sociales qui intègrent la viabilité de l'utilisation des ressources naturelles et des services qu'elles procurent.

Scoliosis curve type classification from 3D trunk image

Adolescent idiopathic scoliosis (AIS) is a deformity of the spine manifested by asymmetry and deformities of the external surface of the trunk. Classification of scoliosis deformities according to curve type is used to plan management of scoliosis patients. Currently, scoliosis curve type is determined based on X-ray exam. However, cumulative exposure to X-rays radiation significantly increases the risk for certain cancer. In this paper, we propose a robust system that can classify the scoliosis curve type from non invasive acquisition of 3D trunk surface of the patients. The 3D image of the trunk is divided into patches and local geometric descriptors characterizing the surface of the back are computed from each patch and forming the features. We perform the reduction of the dimensionality by using Principal Component Analysis and 53 components were retained. In this work a multi-class classifier is built with Least-squares support vector machine (LS-SVM) which is a kernel classifier. For this study, a new kernel was designed in order to achieve a robust classifier in comparison with polynomial and Gaussian kernel. The proposed system was validated using data of 103 patients with different scoliosis curve types diagnosed and classified by an orthopedic surgeon from the X-ray images. The average rate of successful classification was 93.3% with a better rate of prediction for the major thoracic and lumbar/thoracolumbar types.