Organoïdevignette|Organoïde intestinal cultivé à partir de cellules souches Lgr5+. Un organoïde est une version miniature et simplifiée d'un organe, fabriquée in vitro en trois dimensions et qui présente une micro-anatomie réaliste. Il est issu d'une ou de quelques cellules d'un tissu, de cellules souches embryonnaires ou de cellules souches pluripotentes induites (iPSC), qui peuvent s'auto-organiser en une structure tridimensionnelle grâce à leurs capacités d'auto-renouvellement et de différenciation.
Imagerie médicaleL'imagerie médicale regroupe les moyens d'acquisition et de restitution d'images du corps humain à partir de différents phénomènes physiques tels que l'absorption des rayons X, la résonance magnétique nucléaire, la réflexion d'ondes ultrasons ou la radioactivité auxquels on associe parfois les techniques d'imagerie optique comme l'endoscopie. Apparues, pour les plus anciennes, au tournant du , ces techniques ont révolutionné la médecine grâce au progrès de l'informatique en permettant de visualiser indirectement l'anatomie, la physiologie ou le métabolisme du corps humain.
Ingénierie tissulaireL'ingénierie tissulaire ou génie tissulaire (en anglais, tissue engineering) est l'ensemble des techniques faisant appel aux principes et aux méthodes de l'ingénierie, de la culture cellulaire, des sciences de la vie, des sciences des matériaux pour comprendre les relations entre les structures et les fonctions des tissus normaux et pathologiques des mammifères, afin de développer des substituts biologiques pouvant restaurer, maintenir ou améliorer les fonctions des tissus.
Imagerie moléculaireL'imagerie moléculaire est le nom donné à une discipline émergente d'imagerie, située entre la biologie moléculaire et la biologie cellulaire. Elle vise essentiellement à observer le fonctionnement des organes et organismes in vivo par des moyens les moins invasifs possibles ou perturbant le moins possible les organismes observés ou les cultures de tissus produites à partir de ces organismes.
Médecine régénérativeLa médecine régénérative, encore appelée médecine régénératrice, est « un domaine interdisciplinaire de recherche et d'applications cliniques axée sur la réparation, le remplacement ou la régénération de cellules, de tissus ou d'organes pour restaurer une fonction altérée » du corps humain. La médecine régénérative s’applique à de nombreux domaines pathologiques comme les maladies dégénératives, les traumatismes ou les malformations congénitales, notamment par l'utilisation de cellules souches, d’ingénierie tissulaire, de génie génétique, de médicaments de thérapie innovante et de molécules solubles.
Crypte de Lieberkühnvignette|Les types de cellules épithéliales intestinales chez l'humain. vignette|Cette photo présente une coupe histologique de cellules de cryptes intestinales provenant d'un côlon humain en bonne santé. En coupe transversale, les cryptes du côlon évoquent un tapis de fleurs régulièrement espacées. vignette|Glandes de Lieberkühn chez l'humain, mettant en évidence les cellules caliciformes (en blanc). Les cryptes de Lieberkühn, cryptes du côlon ou glandes intestinales sont des glandes exocrines tubuleuses droites de l'épithélium de l'intestin grêle et du côlon qui s'invaginent sous forme de cryptes.
Segmentation d'imageLa segmentation d'image est une opération de s consistant à détecter et rassembler les pixels suivant des critères, notamment d'intensité ou spatiaux, l'image apparaissant ainsi formée de régions uniformes. La segmentation peut par exemple montrer les objets en les distinguant du fond avec netteté. Dans les cas où les critères divisent les pixels en deux ensembles, le traitement est une binarisation. Des algorithmes sont écrits comme substitut aux connaissances de haut niveau que l'homme mobilise dans son identification des objets et structures.
Imagerie par résonance magnétiqueL'imagerie par résonance magnétique (IRM) est une technique d' permettant d'obtenir des vues en deux ou en trois dimensions de l'intérieur du corps de façon non invasive avec une résolution en contraste relativement élevée. L'IRM repose sur le principe de la résonance magnétique nucléaire (RMN) qui utilise les propriétés quantiques des noyaux atomiques pour la spectroscopie en analyse chimique. L'IRM nécessite un champ magnétique puissant et stable produit par un aimant supraconducteur qui crée une magnétisation des tissus par alignement des moments magnétiques de spin.
Apprentissage profondL'apprentissage profond ou apprentissage en profondeur (en anglais : deep learning, deep structured learning, hierarchical learning) est un sous-domaine de l’intelligence artificielle qui utilise des réseaux neuronaux pour résoudre des tâches complexes grâce à des architectures articulées de différentes transformations non linéaires. Ces techniques ont permis des progrès importants et rapides dans les domaines de l'analyse du signal sonore ou visuel et notamment de la reconnaissance faciale, de la reconnaissance vocale, de la vision par ordinateur, du traitement automatisé du langage.
Épithélium intestinalvignette|Structure schématique d'une villosité intestinale. Les entérocytes proviennent des cellules souches indifférenciées localisées dans les cryptes (4 à 6 par cryptes). L'épithélium intestinal est la couche de cellules qui recouvre les villosités de l'intérieur de l'intestin et qui fait la liaison entre l'intérieur de l'intestin et l'intérieur de l'organisme. Cet épithélium est de type prismatique unistratifié (ou simple) à plateau strié.
3D scanning3D scanner is the process of analyzing a real-world object or environment to collect three dimensional data of its shape and possibly its appearance (e.g. color). The collected data can then be used to construct digital 3D models. A 3D scanner can be based on many different technologies, each with its own limitations, advantages and costs. Many limitations in the kind of objects that can be digitised are still present. For example, optical technology may encounter many difficulties with dark, shiny, reflective or transparent objects.
Medical image computingMedical image computing (MIC) is an interdisciplinary field at the intersection of computer science, information engineering, electrical engineering, physics, mathematics and medicine. This field develops computational and mathematical methods for solving problems pertaining to medical images and their use for biomedical research and clinical care. The main goal of MIC is to extract clinically relevant information or knowledge from medical images.
Q-learningvignette|400x400px|Dans le Q-learning, l'agent exécute une action a en fonction de l'état s et d'une fonction Q. Il perçoit alors le nouvel état s' et une récompense r de l'environnement. Il met alors à jour la fonction Q. Le nouvel état s' devient alors l'état s, et l'apprentissage continue. En intelligence artificielle, plus précisément en apprentissage automatique, le Q-learning est un algorithme d'apprentissage par renforcement. Il ne nécessite aucun modèle initial de l'environnement.
Data PreprocessingData preprocessing can refer to manipulation or dropping of data before it is used in order to ensure or enhance performance, and is an important step in the data mining process. The phrase "garbage in, garbage out" is particularly applicable to data mining and machine learning projects. Data collection methods are often loosely controlled, resulting in out-of-range values, impossible data combinations, and missing values, amongst other issues. Analyzing data that has not been carefully screened for such problems can produce misleading results.
Apprentissage par renforcement profondL'apprentissage par renforcement profond (en anglais : deep reinforcement learning ou deep RL) est un sous-domaine de l'apprentissage automatique (en anglais : machine learning) qui combine l'apprentissage par renforcement et l'apprentissage profond (en anglais : deep learning). L'apprentissage par renforcement considère le problème d'un agent informatique (par exemple, un robot, un agent conversationnel, un personnage dans un jeu vidéo, etc.) qui apprend à prendre des décisions par essais et erreurs.
Gros intestinLe gros intestin est le dernier segment du tube digestif des vertébrés. Il fait suite à l’intestin grêle et s’étend de la valvule iléo-cæcale à l’anus ou au cloaque. En anatomie, il est divisé en deux parties : le côlon et le rectum (plus parfois le canal anal). En médecine, ce terme est parfois considéré comme synonyme de « côlon ». Le gros intestin assure le transport et le stockage des "déchets" de la digestion. Il permet de récupérer l'eau de ces matières indigestes, afin de les épaissir, puis de les compacter sous forme de selles.
Apprentissage par renforcementEn intelligence artificielle, plus précisément en apprentissage automatique, l'apprentissage par renforcement consiste, pour un agent autonome ( robot, agent conversationnel, personnage dans un jeu vidéo), à apprendre les actions à prendre, à partir d'expériences, de façon à optimiser une récompense quantitative au cours du temps. L'agent est plongé au sein d'un environnement et prend ses décisions en fonction de son état courant. En retour, l'environnement procure à l'agent une récompense, qui peut être positive ou négative.
Apprentissage de représentationsEn apprentissage automatique, l'apprentissage des caractéristiques ou apprentissage des représentations est un ensemble de techniques qui permet à un système de découvrir automatiquement les représentations nécessaires à la détection ou à la classification des caractéristiques à partir de données brutes. Cela remplace l'ingénierie manuelle des fonctionnalités et permet à une machine d'apprendre les fonctionnalités et de les utiliser pour effectuer une tâche spécifique.
Apprentissage automatiqueL'apprentissage automatique (en anglais : machine learning, « apprentissage machine »), apprentissage artificiel ou apprentissage statistique est un champ d'étude de l'intelligence artificielle qui se fonde sur des approches mathématiques et statistiques pour donner aux ordinateurs la capacité d'« apprendre » à partir de données, c'est-à-dire d'améliorer leurs performances à résoudre des tâches sans être explicitement programmés pour chacune. Plus largement, il concerne la conception, l'analyse, l'optimisation, le développement et l'implémentation de telles méthodes.
Exploration de donnéesL’exploration de données, connue aussi sous l'expression de fouille de données, forage de données, prospection de données, data mining, ou encore extraction de connaissances à partir de données, a pour objet l’extraction d'un savoir ou d'une connaissance à partir de grandes quantités de données, par des méthodes automatiques ou semi-automatiques.
