- Modèles hiérarchiques (i.e. à effets mixtes) linéaires et non-linéaires pour données longitudinales
- Etude de variétés utiles en analyse de données : matrices symétriques définies positives, intervalles, Grassmannienne, variétés produit,
- Approches morphométriques basées sur l'action d'une groupe de déformation sur un objet déformable,
- Trajectoires spatiotemporelles : estimation à partir de séries temporelles, comparaison de trajectoires,
- Schémas numériques pour le transport parallèle sur une variété,
- Approches de pronostic automatique entraînés sur des données longitudinales,
- Application à la construction de modèle de maladies neurologiques, et leur utilisation à visée prédictive : diagnostic et pronostic.