Libellé préféré : Apprentissage profond;
Définition CISMeF : Apprentissage automatique qui utilise un réseau de neurones artificiels composé d’un
grand nombre de couches dont chacune correspond à un niveau croissant de complexité
dans le traitement et l’interprétation des données. L’apprentissage profond est
notamment utilisé dans la détection automatique d’objets au sein d’images et dans
la traduction automatique. Journal officiel du 9 décembre 2018;
Synonyme CISMeF : Apprentissage en profondeur; Apprentissage hiérarchique;
Identifiant d'origine : D000077321;
CUI UMLS : C4704761;
Alignements automatiques CISMeF supervisés
Alignements manuels CISMeF
Concept(s) lié(s) au record
Correspondances UMLS (même concept)
Liste des qualificatifs affiliables
Type(s) sémantique(s)
Apprentissage automatique qui utilise un réseau de neurones artificiels composé d’un
grand nombre de couches dont chacune correspond à un niveau croissant de complexité
dans le traitement et l’interprétation des données. L’apprentissage profond est
notamment utilisé dans la détection automatique d’objets au sein d’images et dans
la traduction automatique. Journal officiel du 9 décembre 2018
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
---
N2-AUTOINDEXEE
Deep Learning for Health. Apprentissage profond pour la santé. Part.1
Webinar Commun OHI
https://youtu.be/7zpMVyAu84Q
https://sesstim.univ-amu.fr/video-box/webinar-sesstim-ohi-cecile-capponi
Cécile CAPPONI
2018
false
false
false
false
false
SESSTIM
France
matériel d'enseignement audio-visuel
Commune
Communication
apprentissage
Communication
communication sur la santé
Apprentissage
Communications
Aéroportie
Apprentissage profond
Apprentissage
apprentissage profond
communication sur la santé
---
N2-AUTOINDEXEE
Deep Learning for Health. Apprentissage profond pour la santé. Part.2
Webinar Commun OHI
https://youtu.be/in-n6fiWJW8
https://sesstim.univ-amu.fr/video-box/webinar-sesstim-ohi-cecile-capponi-0
Cécile CAPPONI
2018
false
false
false
false
false
SESSTIM
France
matériel d'enseignement audio-visuel
Communication
Commune
Communication
Apprentissage
Apprentissage profond
apprentissage
communication sur la santé
Communications
Apprentissage
apprentissage profond
communication sur la santé
---