Traductions automatiques des définitions par l'ANS : Une forme ou une forme qui est repliée dans des windings courbés ou tortueux.;
Traductions automatiques par l'ANS : convoluté; spiralé; Convolution; tordu;
Identifiant d'origine : C61301;
CUI UMLS : C1880179;
- Alignements automatiques exacts (par équipe CISMeF)
- Type(s) sémantique(s)
N2-AUTOINDEXEE
Avis n 2024.0021/AC/SED du 11 avril 2024 du collège de la Haute Autorité de santé
relatif au projet d’arrêté limitant la pratique de l’acte de pose de valves et spirales
intrabronchiques par endoscopie à certains établissements de santé en application
de l’article L. 1151-1 du code de la santé publique
https://www.has-sante.fr/jcms/p_3508235/fr/avis-n2024-0021/ac/sed-du-11-avril-2024-du-college-de-la-haute-autorite-de-sante-relatif-au-projet-d-arrete-limitant-la-pratique-de-l-acte-de-pose-de-valves-et-spirales-intrabronchiques-par-endoscopie-a-certains-etablissements-de-sante-en-application-de-l-article-l-1151-1-du-code-de-la-sante-publique
Nature de la demande Encadrement de la pose de valves et spirales intra bronchiques
par endoscopie au titre de l'art. L.1151-1 du CSP
2024
HAS - Haute Autorité de Santé
France
évaluation technologique
projection
délétion du chromosome 11
Temps de coagulation activé
Allèle sauvage ACTG2
endoscopie
voie intrabronchique
jugement
établissements scolaires
nano
spiral
santé publique
attention
établissements de santé
ni en accord ni en désaccord
application informatique
pose
santé publique
endoscopie
attitude envers la santé
Allèle sauvage ACTG1
bobine
immunothérapie adoptive
endoscopie
établi
Personnes apparentées
Allèle sauvage SERPINA3
composant de dispositif de valve d'arrêt
stade N
rapport signal-bruit
alpha-1-Antichymotrypsine
Cyclophosphamide/Doxorubicine/Tamoxifène
newton
non
pose
Inutilité médicale
composant d'un dispositif de limiteur
---
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
---