Intelligence artificielleMeSH Concept

N3-AUTOINDEXEE
Intelligence artificielle et maladies neurologiques : aider le diagnostic et améliorer la compréhension du comportement des réseaux de neurones convolutifs
https://www.theses.fr/2022TOU30282
L'Intelligence Artificielle est désormais utilisée pour accomplir les tâches les plus diverses, de la reconnaissance de visage à la traduction de texte. Parmi ces méthodes inspirées du fonctionnement du cerveau humain, l'apprentissage profond (deep learning) a montré d'excellentes performances en analyse d'image à l'aide des réseaux de neurones convolutifs (CNN). Le milieu médical est en train de bénéficier de la puissance de ces outils consacrés notamment à l'aide au diagnostic, comme dans la maladie de Parkinson ou d'Alzheimer. L'utilisation des CNN et de l'imagerie par résonance magnétique nucléaire (IRM), qui permet d'étudier le cerveau dans sa structure et son fonctionnement, a montré des résultats très prometteurs. Toutefois, les CNN sont souvent appelés boites noires puisque leur fonctionnement n'est pas transparent pour ses utilisateurs. Ces travaux de thèse visent à mieux comprendre ces méthodes appliquées aux données IRM 3D cérébrales pour aider au diagnostic des maladies neurologiques. En première étape, la manipulation des données d'entrée des CNN, nous a permis d'investiguer leur capacité discriminative. Nous avons ainsi étudié le comportement du CNN en comparant sa capacité à discriminer des images IRM originales et altérées. Les résultats obtenus par le CNN ont été très satisfaisants, ce qui a amené à rechercher quelles sont les zones de l'image les plus discriminantes pour la prédiction. En deuxième étape, nous avons étudié la pathologie, en se focalisant sur le nombre de sujets nécessaires au réseau lors de l'apprentissage pour garantir de bonnes performances. Cela est aussi un aspect crucial pour les méthodes de deep learning dont l'apprentissage requiert normalement beaucoup de données. Toutefois, dans le cadre médical nous avons accès à quelques centaines de données dans la plupart des cas. Nous avons démontré qu'un CNN est capable de bien discriminer un sujet sain d'un patient atteint d'atrophie multisystématisée (AMS), malgré un nombre limité de données d'entrée. A l'aide d'une technique récemment développée permettant de visualiser les parties de l'image considérées importantes par le CNN, nous avons montré que les parties discriminantes comprenaient des régions notamment d'intérêt pour la physiopathologie connue de l'AMS. La puissance discriminante du CNN a aussi été exploitée pour réaliser une discrimination entre sujets sains et patients en état de coma, en utilisant différentes séquences d'IRM. La méthode de visualisation a mis en lumière des régions en lien avec le coma, en confirmant les performances très satisfaisantes du réseau. Les études présentées dans cette thèse ouvrent la voie pour découvrir comment les informations englobées dans les données d'apprentissage peuvent aider à la recherche des signatures spatiales significatives obtenues par les CNN dans le cas particulier des données de neuroimagerie. L'application des CNN dans le cadre médical offre la possibilité d'aider le diagnostic de différentes maladies neurologiques en se basant exclusivement sur les données d'entrée. Cependant, la validité de ces résultats se fonde sur notre capacité à expliquer et éclairer ces méthodes pour en favoriser l'acceptation et, par conséquence, l'utilisation dans un contexte clinique.
2022
theses.fr
France
thèse ou mémoire
Accroître
Réseau
effet secondaire associé au système nerveux central
comportement
compréhension
comportement
Système nerveux
Neurones
Intelligence artificielle
Neurologie
Diagnostic
aucun diagnostic
compréhension
Maladie
maladie
intelligence
étude diagnostique
intelligence artificielle
maladies du système nerveux
compréhension
signe du système nerveux
maladie
diagnostic assisté par ordinateur
réseaux neuronaux (ordinateur)
neurone
comportement

---
N3-AUTOINDEXEE
Regard de la personne âgée de plus de 80 ans et place du médecin généraliste au sujet des 3 technologies : intelligence artificielle, robotique et biotechnologie
https://dumas.ccsd.cnrs.fr/dumas-02188195
Introduction : La population française vieillit et le souhait du « bien-vieillir » prend de plus en plus de place. Par ailleurs, la société actuelle fait face à l’essor des nouvelles technologies : intelligence artificielle, robotique et biotechnologie. br Objectif : L'objectif principal de notre étude était d’analyser la perception de ces technologies par les personnes âgées autonomes de plus de 80 ans et comment elles peuvent être intégrées à leur bien vieillir. Nous avons également analysé la place de leur médecin généraliste dans cette mutation. br Méthode : Étude qualitative avec analyse thématique menée au moyen d’entretiens individuels semi-dirigés, un échantillonnage raisonné en variation maximale a été effectué selon le sexe, l’âge et le niveau d’études. Les critères d’inclusion étaient un âge supérieur à 80 ans, être autonome (GIR6 sur la grille AGGIR). br Résultats : 12 personnes ont participé à l'étude âgées de 80 à 96 ans. Leurs positions sur les biotechnologies, IA et robotique diffèrent mais suscitent l'intérêt. En revanche, la convergence de ces technologies implique pour une grande majorité une certaine anxiété dans leur réponse. Ces technologies semblent trouver leur place dans le bien-vieillir en permettant une amélioration de l’autonomie tant physique, psychique que sociale. br Discussion : Notre étude a permis d’explorer les représentations des personnes âgées au sujet de ces nouvelles technologies. La littérature sur le sujet met souvent en évidence un rejet des technologies, particulièrement celles touchant à une automatisation, déshumanisation et sollicitant un réapprentissage. Sans être dans le rejet, les participants de notre étude ont fait part de leur crainte quant à la place que ces nouvelles technologies allaient laisser à l’humain, la crainte de déshumanisation des soins par le remplacement progressif des humains par des machines.
2019
DUMAS - Dépôt Universitaire de Mémoires Après Soutenance
France
thèse ou mémoire
Intelligence artificielle
intelligence
médecins généralistes
rôle médical
personnes
Technologie
Adénoaméloblastome
sujet âgé de 80 ans ou plus
robotique
Médecins
PERSONNE AGEE
médecine générale
Robotique
Intelligence artificielle
Biotechnologie
personne âgée
robot
Technologie
biotechnologie
sujet âgé
personnes
technologie
sujet âgé de 80 ans ou plus
intelligence artificielle

---
N3-AUTOINDEXEE
Intelligence artificielle et apprentissage profond appliqués à la reconnaissance d'images en cytogénétique
https://dumas.ccsd.cnrs.fr/dumas-02100870
Introduction : le récent développement de l’apprentissage profond, branche de l’intelligence artificielle, a permis de nombreuses avancées en reconnaissance d’images médicales. Le but de ce travail était d’étudier les possibilités de cette technologie dans le cadre de la cytogénétique. Matériel et méthodes : trois algorithmes (deux publics, Inception et MobileNet, et un, Mannaz, développé dans le cadre de cette étude) ont été testés dans la reconnaissance simple de chromosomes, de manière séparée ou par analyse en sous-groupes, et par rapport aux logiciels commerciaux d’analyse répandus dans les laboratoires, ainsi que dans la reconnaissance d’anomalies de structure. Les images étaient issues d’une base de données de cytogénétique hématologique en bandes R. Résultats : Mannaz obtient les meilleurs résultats (p 0,001) avec une précision de 76,5% pour la reconnaissance des chromosomes de manière séparée et de 72,5% en sous-groupes. Ces performances étaient équivalentes à celles des logiciels commerciaux. Mannaz reconnaît correctement les dérivés 9 et 22 de translocation t(9;22)(q34;q11) dans respectivement 51% et 54% des cas. La reconnaissance des délétions des bras longs du chromosome 5 est un échec. Discussion : les résultats du classement des chromosomes segmentés et de la reconnaissance d’anomalies telles que les dérivés de translocation sont encourageants. L’importance d’une base de données d’images multicentrique permettant de renforcer la sensibilité est discutée et d’autres voies de recherche sont présentées. Conclusion : cette étude met en évidence le potentiel et l’accessibilité pour le biologiste de l’apprentissage profond dans l’automatisation du caryotype conventionnel.
2018
DUMAS - Dépôt Universitaire de Mémoires Après Soutenance
France
thèse ou mémoire
Apprentissage
intelligence
Apprentissage
Intelligence artificielle
cytogénétique
apprentissage
Applications
Cytogénétique
Cytogénétique
Apprentissage profond
Applications
Intelligence artificielle
Applications
attention
intelligence artificielle

---