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.
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.
Lesional demyelinations of the central nervous systemMultiple sclerosis and other demyelinating diseases of the central nervous system (CNS) produce lesions (demyelinated areas in the CNS) and glial scars or scleroses. They present different shapes and histological findings according to the underlying condition that produces them. Demyelinating diseases are traditionally classified in two kinds: demyelinating myelinoclastic diseases and demyelinating leukodystrophic diseases. In the first group a normal and healthy myelin is destroyed by a toxic, chemical or autoimmune substance.
Aide au diagnostic médicalUne aide au diagnostic médical (ou diagnostic assisté par ordinateur) est un système d'aide à la décision médicale utilisé dans le processus du diagnostic médical, qui est composé d'une base de données et d'un moteur de recherche. Il donne accès aux informations de la base de données, et peut proposer des diagnostics différentiels en fonction de données pré-renseignées après un examen clinique, des estimations pronostiques, ou signaler des informations manquantes pour établir un diagnostic. Catégorie:Base
Sclérose en plaquesLa sclérose en plaques (SEP) est une maladie auto-immune touchant le système nerveux central (cerveau, moelle spinale et nerfs optiques). La cause est multifactorielle : prédisposition génétique, certains facteurs environnementaux (qui ne sont pas encore très bien compris à ce jour), origines infectieuses notamment liées au virus EBV, etc.. Ces divers facteurs augmentent le risque de développer la maladie.
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.
Physique de l'imagerie par résonance magnétiquedroite|vignette|300x300px| Scanner IRM clinique 3 tesla moderne. La physique de l'imagerie par résonance magnétique (IRM) concerne les considérations physiques fondamentales des techniques d' et les aspects technologiques des appareils d'IRM. L'IRM est une technique d' principalement utilisée en radiologie et en médecine nucléaire afin d'étudier l'anatomie et la physiologie du corps et de détecter des pathologies telles que les tumeurs, l'inflammation, les affections neurologiques telles que les accidents vasculaires cérébraux (AVC), les troubles des muscles, des articulations et les anomalies du cœur et vaisseaux sanguins, entre autres.
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.
IRM de diffusionL’IRM de diffusion est une technique basée sur l' (IRM). Elle permet de calculer en chaque point de l'image la distribution des directions de diffusion des molécules d'eau. Cette diffusion étant contrainte par les tissus environnants, cette modalité d'imagerie permet d'obtenir indirectement la position, l’orientation et l’anisotropie des structures fibreuses, notamment les faisceaux de matière blanche du cerveau. Le signal de résonance magnétique provient le plus souvent en IRM des noyaux d’hydrogène (protons).
Multiple sclerosis signs and symptomsMultiple sclerosis can cause a variety of symptoms: changes in sensation (hypoesthesia), muscle weakness, abnormal muscle spasms, or difficulty moving; difficulties with coordination and balance; problems in speech (dysarthria) or swallowing (dysphagia), visual problems (nystagmus, optic neuritis, phosphenes or diplopia), fatigue and acute or chronic pain syndromes, bladder and bowel difficulties, cognitive impairment, or emotional symptomatology (mainly major depression).
Résonance magnétique nucléairevignette|175px|Spectromètre de résonance magnétique nucléaire. L'aimant de 21,2 T permet à l'hydrogène (H) de résonner à . La résonance magnétique nucléaire (RMN) est une propriété de certains noyaux atomiques possédant un spin nucléaire (par exemple H, C, O, F, P, Xe...), placés dans un champ magnétique. Lorsqu'ils sont soumis à un rayonnement électromagnétique (radiofréquence), le plus souvent appliqué sous forme d'impulsions, les noyaux atomiques peuvent absorber l'énergie du rayonnement puis la relâcher lors de la relaxation.
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.
Spin–lattice relaxationDuring nuclear magnetic resonance observations, spin–lattice relaxation is the mechanism by which the longitudinal component of the total nuclear magnetic moment vector (parallel to the constant magnetic field) exponentially relaxes from a higher energy, non-equilibrium state to thermodynamic equilibrium with its surroundings (the "lattice"). It is characterized by the spin–lattice relaxation time, a time constant known as T1.
Signs and symptomsSigns and symptoms are the observed or detectable signs, and experienced symptoms of an illness, injury, or condition. Signs are objective and externally observable; symptoms are a person's reported subjective experiences. A sign for example may be a higher or lower temperature than normal, raised or lowered blood pressure or an abnormality showing on a medical scan. A symptom is something out of the ordinary that is experienced by an individual such as feeling feverish, a headache or other pains in the body.
Pédagogie de projetLa pédagogie de projet est une pratique de pédagogie active qui permet de générer des apprentissages à travers la réalisation d'une production concrète. Le projet peut être individuel (comme un exposé ou une maquette) ou collectif (l'organisation d'une fête, d'un voyage, d'un spectacle). Il est semblable à une En effet, lors de la démarche de projet, l’élève est placé en situation de résolution de problèmes, participant de fait au processus d’apprentissage.
Spin–spin relaxationIn physics, the spin–spin relaxation is the mechanism by which Mxy, the transverse component of the magnetization vector, exponentially decays towards its equilibrium value in nuclear magnetic resonance (NMR) and magnetic resonance imaging (MRI). It is characterized by the spin–spin relaxation time, known as T2, a time constant characterizing the signal decay. It is named in contrast to T1, the spin–lattice relaxation time.
Analyse d'imageL'analyse d'image est la reconnaissance des éléments et des informations contenus dans une . Elle peut être automatisée lorsque l'image est enregistrée sous forme numérique, au moyen d'outils informatiques. Les tâches relevant de l'analyse d'image sont multiples, depuis la lecture de codes-barres, jusqu'à la reconnaissance faciale. L'analyse d'image intervient également dans le domaine de l'art et du graphisme, pour l'interprétation des compositions et signifiants.
Spin echoIn magnetic resonance, a spin echo or Hahn echo is the refocusing of spin magnetisation by a pulse of resonant electromagnetic radiation. Modern nuclear magnetic resonance (NMR) and magnetic resonance imaging (MRI) make use of this effect. The NMR signal observed following an initial excitation pulse decays with time due to both spin relaxation and any inhomogeneous effects which cause spins in the sample to precess at different rates. The first of these, relaxation, leads to an irreversible loss of magnetisation.
Nuclear magnetic resonance spectroscopy of proteinsNuclear magnetic resonance spectroscopy of proteins (usually abbreviated protein NMR) is a field of structural biology in which NMR spectroscopy is used to obtain information about the structure and dynamics of proteins, and also nucleic acids, and their complexes. The field was pioneered by Richard R. Ernst and Kurt Wüthrich at the ETH, and by Ad Bax, Marius Clore, Angela Gronenborn at the NIH, and Gerhard Wagner at Harvard University, among others.
Phenomenon-based learningPhenomenon-based learning (PhBL, PhenoBL or PBL) is a multidisciplinary, constructivist form of learning or pedagogy where students study a topic or concept in a holistic approach instead of in a subject-based approach. PhBL includes both topical learning (also known as topic-based learning or instruction), where the phenomenon studied is a specific topic, event, or fact, and thematic learning (also known as theme-based learning or instruction), where the phenomenon studied is a concept or idea.
