Estimation de Distribution Basée sur le Flux Normalisant des Paramètres Pharmacocinétiques dans l'Imagerie par Résonance Magnétique Dynamique Améliorée par Contraste

Dans le diagnostic médical moderne et la recherche clinique, la technique d’imagerie par résonance magnétique dynamique avec contraste (Dynamic Contrast-Enhanced Magnetic Resonance Imaging, DCE-MRI) fournit des informations importantes sur l’histopathologie des tissus. En ajustant le modèle Tracer-Kinetic (TK), on peut extraire les paramètres pharm...

Un cadre d'adaptation de domaine de transport siamois pour la classification IRM 3D des gliomes et des maladies d'Alzheimer

Classification des Gliomes et de la Maladie d’Alzheimer sur des IRM 3D Basée sur le Cadre d’Adaptation de Domaine Siamese-Transport Contexte de l’Étude Dans le diagnostic assisté par ordinateur, le dépistage des images par résonance magnétique (IRM) 3D joue un rôle crucial dans le diagnostic précoce de diverses maladies cérébrales, permettant de pr...

DeepSleepNet : Un modèle de classification automatique des stades du sommeil basé sur l'EEG monocanal brut

Réseau de Sommeil Profond : Modèle de Scoring Automatique des Stades de Sommeil Basé sur l’EEG à Canal Unique Introduction Le sommeil a un impact significatif sur la santé humaine, et surveiller la qualité du sommeil est crucial dans la recherche et la pratique médicale. Traditionnellement, les experts en sommeil évaluent les stades du sommeil en a...

Réalité virtuelle immersive pour la rééducation cognitive des survivants d'un AVC

Réalité virtuelle immersive pour la rééducation cognitive des survivants d'un AVC

Ces dernières années, la technologie de réalité virtuelle (VR) est devenue de plus en plus courante, et le prix des équipements matériels associés est devenu plus abordable. Par exemple, les écrans montés sur la tête (Head Mounted Displays, HMDs) disponibles sur le marché offrent désormais une haute résolution d’affichage ainsi qu’un suivi précis d...

Transformateurs de vision, modèle d'ensemble et apprentissage par transfert utilisant l'IA explicable pour la détection et la classification des tumeurs cérébrales

En raison de la forte incidence et de la létalité des tumeurs cérébrales, il est devenu particulièrement important de détecter et de classifier rapidement et précisément les tumeurs cérébrales. Les tumeurs cérébrales incluent des types malins et non malins, et leur croissance anormale peut causer des dommages à long terme au cerveau. L’imagerie par...

Réseaux de Convolution de Graphes Spatio-Temporels Multi-Vue avec Généralisation de Domaine pour la Classification des États de Sommeil

Le classement des phases de sommeil est essentiel pour évaluer la qualité du sommeil et diagnostiquer les maladies. Cependant, les méthodes actuelles de classification rencontrent encore de nombreux défis lorsqu’il s’agit de traiter les caractéristiques spatiales et temporelles des signaux cérébraux multicanaux qui changent avec le temps, de gérer ...

Classification EEG inter-sujets basé sur l'apprentissage ensembliste hétérogène multi-tâches chez les patients victimes d'AVC

Classification EEG inter-sujets basé sur l'apprentissage ensembliste hétérogène multi-tâches chez les patients victimes d'AVC

Introduction L’imagerie motrice (Motor Imagery, MI) fait référence à l’exécution d’une activité par l’imagination sans mouvement musculaire réel. Ce paradigme est largement utilisé dans les interfaces cerveau-machine (Brain-Computer Interface, BCI) pour décoder l’activité cérébrale en commandes de contrôle pour des dispositifs externes. En particul...

Évaluation de la valeur prédictive des modèles de croissance des gliomes pour les gliomes de bas grade après résection tumorale

Étude sur la valeur prédictive des modèles de croissance des gliomes de bas grade après chirurgie Introduction Les gliomes sont des tumeurs cérébrales invasives qui peuvent se propager rapidement dans le cerveau. Comprendre et prédire les modes et les vitesses de cette propagation peut aider à optimiser les traitements. Les modèles de croissance de...

Un CNN d'apprentissage de la dépendance temporelle avec mécanisme d'attention pour le décodage MI-EEG

Un réseau de neurones convolutifs (CNN) de dépendance temporelle basé sur un mécanisme d’attention pour le décodage MI-EEG Contexte de recherche et description du problème Les systèmes d’Interface Cerveau-Machine (Brain-Computer Interface, BCI) offrent une nouvelle voie de communication avec les ordinateurs en traduisant en temps réel les signaux c...

Apprentissage profond informé par la physique pour la modélisation musculo-squelettique: Prédire les forces musculaires et la cinématique des articulations à partir de l'EMG de surface

Les modèles musculosquelettiques ont été largement utilisés pour les analyses biomécaniques car ils peuvent estimer des variables de mouvement difficiles à mesurer directement in vivo (comme les forces musculaires et les moments articulaires). Les modèles musculosquelettiques entraînés de manière traditionnelle par des processus physiques peuvent e...