Contexte Ces dernières années, les ARN circulaires (circRNA) ont joué un rôle important dans l’émergence, le développement et le traitement des maladies en tant que nouvelle catégorie de molécules d’ARN non codantes. Les circRNA possèdent une structure circulaire unique qui les rend résistants à la dégradation par les nucléases, ce qui en fait des ...

Reconnaissance des émotions EEG inter-sujets basée sur l’apprentissage contrastif hyperbolique multi-échelle Contexte académique L’électroencéphalographie (EEG), en tant que signal physiologique, joue un rôle important dans le domaine du calcul affectif (Affective Computing). Comparé aux indices non physiologiques traditionnels (comme les expressio...

Améliorer la perception des poses dans l’apprentissage autodidacte de représentations faciales Contexte de recherche et problématique Dans le domaine de la vision par ordinateur, l’apprentissage des représentations faciales (Facial Representation Learning) est une tâche importante. En analysant les images faciales, nous pouvons extraire des informa...

Nouvelle percée dans la prédiction de la spécificité des récepteurs des cellules T (TCR) - Introduction du modèle SCEPTR Contexte académique Les récepteurs des cellules T (TCR) jouent un rôle crucial dans le système immunitaire. Ils déterminent la spécificité des réponses immunitaires en se liant aux peptides présentés par les complexes majeurs d’h...

Rapport d’une étude basée sur le Modélisation des structures géométriques d’ordre supérieur dans l’adaptation de domaine non supervisée pour les nuages de points Contexte et motivations de la recherche Les nuages de points constituent une forme fondamentale de données tridimensionnelles, très utilisée dans des applications réelles comme la conduite...

Une nouvelle perspective sur l’adaptation de domaine pour la segmentation sémantique : étude de T2S-DA Contexte et pertinence de l’étude La segmentation sémantique joue un rôle clé dans la vision par ordinateur, mais ses performances dépendent souvent de la disponibilité de grandes quantités de données annotées. Cependant, l’acquisition de telles d...

Nouvelle percée de l’apprentissage profond dans le diagnostic automatisé par échocardiographie : Rapport d’étude comparant les méthodes d’apprentissage auto-supervisé Contexte de l’étude Avec le développement rapide de l’intelligence artificielle et des technologies d’apprentissage machine, celles-ci jouent un rôle de plus en plus important dans le...

Réseau de neurones graphique avec connaissances préalables multiples pour l’analyse de données multi-omiques en médecine Introduction générale La médecine de précision représente un domaine crucial pour l’avenir des soins de santé car elle propose des traitements personnalisés pour les patients, améliorant ainsi les résultats tout en réduisant les ...

Introduction : Actuellement, les modèles de langue pré-entraînés (PLM) sont largement utilisés dans le domaine du traitement du langage naturel, mais ils ont le problème d’hériter et d’amplifier les préjugés sociaux présents dans les données d’entraînement. Les préjugés sociaux peuvent entraîner des risques imprévisibles lors de l’application réell...