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.
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.
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).
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.
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.
Raisonnement automatisévignette|Visualisation commune du réseau de neurones artificiels avec puce NOTOC Le raisonnement automatisé est un domaine de l'informatique consacré à la compréhension des différents aspects du raisonnement de manière à permettre la création de logiciels qui permettraient aux ordinateurs de « raisonner » de manière automatique, ou presque. Il est considéré habituellement comme un sous-domaine de l'intelligence artificielle, mais possède aussi de fortes connexions avec l'Informatique théorique et même avec la philosophie.
Deeper learningIn U.S. education, deeper learning is a set of student educational outcomes including acquisition of robust core academic content, higher-order thinking skills, and learning dispositions. Deeper learning is based on the premise that the nature of work, civic, and everyday life is changing and therefore increasingly requires that formal education provides young people with mastery of skills like analytic reasoning, complex problem solving, and teamwork. Deeper learning is associated with a growing movement in U.
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.
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.
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.
Apprentissage par problèmesDans l'apprentissage par problèmes (APP), ou apprentissage par résolution de problèmes, les apprenants, regroupés par équipes, travaillent ensemble à résoudre un problème généralement proposé par l'enseignant, problème pour lequel ils n'ont reçu aucune formation particulière, de façon à faire des apprentissages de contenu et de savoir-faire, à découvrir des notions nouvelles de façon active (il s’instruit lui-même) en y étant poussé par les nécessités du problème soumis.
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
Système nerveux central250px|Le système nerveux central Central nervous system.svg Le système nerveux central (ou névraxe) - parfois désigné par son abréviation, SNC - est la partie du système nerveux comprenant l'encéphale et la moelle spinale. Le système nerveux central est ainsi nommé parce qu'il contient la majeure partie du système nerveux, mais aussi et surtout parce qu'il intègre les informations qu'il reçoit et coordonne ces signaux centraux pour influer sur l'activité de toutes les parties du corps des animaux bilatéralement symétriques (ou Bilateria ; ce sont tous les animaux multicellulaires, sauf les éponges et les animaux à symétrie radiale (ou radiata) tels que les méduses).
PatientEn médecine, un patient est une personne physique recevant une attention médicale ou à qui est prodigué un soin. D'autres termes sont utilisés, comme personne soignée, bénéficiaire de soins, usager, client, sujet ou encore le néologisme actient. Le mot patient est dérivé du mot latin patiens, participe présent du verbe déponent pati, signifiant « celui qui endure » ou « celui qui souffre ». Il existe plusieurs dénominations communes au terme « patient », dont « personne soignée », « bénéficiaire de soins », « usager » ou encore « client » employé notamment dans la culture anglophone.
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.
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.
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.
Démonstration automatique de théorèmesLa démonstration automatique de théorèmes (DAT) est l'activité d'un logiciel qui démontre une proposition qu'on lui soumet, sans l'aide de l'utilisateur. Les démonstrateurs automatiques de théorème ont résolu des conjectures intéressantes difficiles à établir, certaines ayant échappé aux mathématiciens pendant longtemps ; c'est le cas, par exemple, de la , démontrée en 1996 par le logiciel EQP.
Médecinevignette|Examen d'un bébé par une pédiatre. La médecine (du medicina, qui signifie « art de guérir, remède, potion »), au sens de pratique (art), est la science témoignant de l'organisation du corps (anatomie), son fonctionnement normal (physiologie), et cherchant à préserver la santé (physique comme mentale) par la prévention (prophylaxie) et le traitement (thérapie) des maladies. La médecine humaine est complémentaire et en synergie avec la médecine vétérinaire.
Soins de santéLes soins de santé sont un domaine qui s'appuie sur les sciences appliquées et les connaissances en sciences biomédicales. Ils concernent la santé des humains et la santé animale. Dans les deux cas, ils comprennent des recherches et études scientifiques, ainsi que des études cliniques (étude d'applications thérapeutiques) et de médecine clinique.
