Neuro-ingénierieLa neuro-ingénierie regroupe l'ensemble des pratiques, disciplines et des technologies visant à améliorer ou modifier les performances cérébrales. La neuro-ingénierie clinique réunit des neuroscientifiques, des docteurs en psychologie cognitive, des informaticiens et des spécialistes du génie des matériaux afin de relever les défis associés à la création d’interfaces entre les neurones et des substrats artificiels afin de restaurer la fonction du système nerveux lésé.
Interface neuronale directethumb|250px|Schéma d'une interface neuronale directe. Une interface neuronale directe - abrégée IND ou BCI ou encore ICM (interface cerveau-machine, ou encore interface cerveau-ordinateur) est une interface de communication directe entre un cerveau et un dispositif externe (un ordinateur, un système électronique...). Ces systèmes peuvent être conçus dans le but d'étudier le cerveau, d'assister, améliorer ou réparer des fonctions humaines de cognition ou d'action défaillantes. L'IND peut être unidirectionnelle ou bidirectionnelle.
NeuroprostheticsNeuroprosthetics (also called neural prosthetics) is a discipline related to neuroscience and biomedical engineering concerned with developing neural prostheses. They are sometimes contrasted with a brain–computer interface, which connects the brain to a computer rather than a device meant to replace missing biological functionality. Neural prostheses are a series of devices that can substitute a motor, sensory or cognitive modality that might have been damaged as a result of an injury or a disease.
Crête neuraleLa crête neurale ou plaque du toit désigne, chez l'embryon des craniates, une population de cellules transitoires et multipotentes générées à partir de la région la plus dorsale du tube neural. Ces cellules migrent dans l’ensemble de l'embryon au cours du développement et donnent naissance à une grande diversité de types cellulaires chez l'adulte.
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.
Implant cérébralLes implants cérébraux, également appelés « BrainChips » ou « Brain implant » en anglais, sont des systèmes électroniques implantés dans le cerveau, afin de lire ou contrôler certains signaux cérébraux. Ils sont également connus sous le nom de « puce électronique cérébrale ». Les implants cérébraux sont des implants électroniques constitués d'électrodes ou de grilles d'électrodes, permettant de lire et contrôler des signaux cérébraux. Les électrodes peuvent être placées de façon très précises à l'aide de bras robotisés.
Résistance des matériauxvignette|Essai de compression sur une éprouvette de béton, une pression croissante est appliquée verticalement sur l'échantillon pendant que deux appareils mesurent les déformations longitudinales et transversales de l'éprouvette. vignette|À l'issue du test, l'éprouvette s'est rompue. Notez la cassure longitudinale. La résistance des matériaux (RDM) est une discipline particulière de la mécanique des milieux continus, permettant le calcul des contraintes et déformations dans les structures des différents matériaux (machines, génie mécanique, bâtiment et génie civil).
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.
Neural foldThe neural fold is a structure that arises during neurulation in the embryonic development of both birds and mammals among other organisms. This structure is associated with primary neurulation, meaning that it forms by the coming together of tissue layers, rather than a clustering, and subsequent hollowing out, of individual cells (known as secondary neurulation). In humans, the neural folds are responsible for the formation of the anterior end of the neural tube.
Réseau de neurones (biologie)En neurosciences, un réseau de neurones correspond, schématiquement : Soit à un nombre restreint de différents neurones interconnectés, qui ont une fonction précise, comme le ganglion stomatogastrique qui contrôle l'activité des muscles de l'estomac des crustacés. Soit à un grand nombre de neurones similaires interconnectés, qui ont des fonctions plus cognitives, comme les réseaux corticaux qui permettent entre autres la catégorisation.
Cellule souche neuraleLes cellules souches neurales sont des cellules souches - multipotentes et capables de s'auto-renouveler - dont le potentiel de différenciation est restreint aux types cellulaires neuraux, notamment : Neurone, Astrocyte et Oligodendrocyte. Durant l'embryogenèse, ces cellules souches neurales sont situées dans la zone ventriculaire du tube neural. Elles génèrent l'ensemble des types cellulaires nécessaires au système nerveux central (à l'exception de la microglie), par un processus appelé neurogenèse.
Réseau de neurones récurrentsUn réseau de neurones récurrents (RNN pour recurrent neural network en anglais) est un réseau de neurones artificiels présentant des connexions récurrentes. Un réseau de neurones récurrents est constitué d'unités (neurones) interconnectées interagissant non-linéairement et pour lequel il existe au moins un cycle dans la structure. Les unités sont reliées par des arcs (synapses) qui possèdent un poids. La sortie d'un neurone est une combinaison non linéaire de ses entrées.
Module d'élasticitéUn module d'élasticité (ou module élastique ou module de conservation) est une grandeur intrinsèque d'un matériau, définie par le rapport d'une contrainte à la déformation élastique provoquée par cette contrainte. Les déformations étant sans dimension, les modules d'élasticité sont homogènes à une pression et leur unité SI est donc le pascal ; en pratique on utilise plutôt un multiple, le ou le . Le comportement élastique d'un matériau homogène isotrope et linéaire est caractérisé par deux modules (ou constantes) d'élasticité indépendants.
Tissu biologiqueUn tissu en biologie est le niveau d'organisation intermédiaire entre la cellule et l'organe. Un tissu est un ensemble de cellules semblables et de même origine, regroupées en amas, réseau ou faisceau (fibre). Un tissu forme un ensemble fonctionnel, c'est-à-dire que ses cellules concourent à une même fonction. Les tissus biologiques se régénèrent régulièrement et sont assemblés entre eux pour former des organes. La science qui étudie les tissus est l'histologie. Il existe plus d'une centaine de tissus chez les animaux.
Contrainte (mécanique)vignette|Lignes de tension dans un rapporteur en plastique vu sous une lumière polarisée grâce à la photoélasticité. En mécanique des milieux continus, et en résistance des matériaux en règle générale, la contrainte mécanique (autrefois appelée tension ou « fatigue élastique ») décrit les forces que les particules élémentaires d'un milieu exercent les unes sur les autres par unité de surface. Ce bilan des forces locales est conceptualisé par un tenseur d'ordre deux : le tenseur des contraintes.
NeurulationLa neurulation est une étape du développement embryonnaire des métazoaires triploblastiques au cours de laquelle se met en place le système nerveux central. Elle succède à la gastrulation. La neurulation se déroule en 2 étapes : la neurulation primaire et la neurulation secondaire. La neurulation primaire comporte : la neuralisation : apparition de la plaque neurale par façonnage du neuroépithélium courbure et invagination fusion des bourrelets et fermeture du tube neural migration La neurulation secondaire est « caudale ».
Réseau neuronal convolutifEn apprentissage automatique, un réseau de neurones convolutifs ou réseau de neurones à convolution (en anglais CNN ou ConvNet pour convolutional neural networks) est un type de réseau de neurones artificiels acycliques (feed-forward), dans lequel le motif de connexion entre les neurones est inspiré par le cortex visuel des animaux. Les neurones de cette région du cerveau sont arrangés de sorte qu'ils correspondent à des régions qui se chevauchent lors du pavage du champ visuel.
Rythme cérébralUn rythme cérébral (appelé aussi activité neuro-électrique) désigne l'oscillation électromagnétique émise par le cerveau des êtres humains, mais également de tout être vivant. Le cortex frontal qui permet la cognition, la logique et le raisonnement est composé de neurones qui sont reliés entre eux par des synapses permettant la neurotransmission. Mesurables en volt et en hertz, ces ondes sont de très faible amplitude : de l'ordre du microvolt (chez l'être humain), elles ne suivent pas toujours une sinusoïde régulière.
Déformation élastiqueEn physique, l'élasticité est la propriété d'un matériau solide à retrouver sa forme d'origine après avoir été déformé. La déformation élastique est une déformation réversible. Un matériau solide se déforme lorsque des forces lui sont appliquées. Un matériau élastique retrouve sa forme et sa taille initiales quand ces forces ne s'exercent plus, jusqu'à une certaine limite de la valeur de ces forces. Les tissus biologiques sont également plus ou moins élastiques. Les raisons physiques du comportement élastique diffèrent d'un matériau à un autre.
Réseau de neurones artificielsUn réseau de neurones artificiels, ou réseau neuronal artificiel, est un système dont la conception est à l'origine schématiquement inspirée du fonctionnement des neurones biologiques, et qui par la suite s'est rapproché des méthodes statistiques. Les réseaux de neurones sont généralement optimisés par des méthodes d'apprentissage de type probabiliste, en particulier bayésien.
