De Nouveaux Aperçus sur le Lien entre le Sommeil et la Mortalité Révélés par l’Analyse de Données d’Accéléromètres de Poignet en Auto-apprentissage Dans la société moderne, le sommeil, en tant qu’activité fondamentale nécessaire à la vie, est d’une importance évidente. Mesurer et classifier avec précision les états sommeil/éveil ainsi que les diffé...
Développement et validation d’un algorithme d’apprentissage automatique à grande échelle pour le diagnostic cardiovasculaire basé sur l’ECG Introduction Les maladies cardiovasculaires (Cardiovascular diseases, CV) constituent depuis longtemps une source majeure de charge de morbidité à l’échelle mondiale. Le diagnostic et l’intervention précoces so...
Impact du modèle de prédiction de la septicémie basé sur l’apprentissage profond sur la qualité des soins et la survie des patients Contexte de l’étude La septicémie est une réaction inflammatoire systémique causée par une infection, affectant environ 48 millions de personnes dans le monde chaque année, dont environ 11 millions meurent. En raison d...
Identification des déterminants sociaux de la santé dans les dossiers de santé électroniques par les grands modèles linguistiques Contexte et motivation de la recherche Les déterminants sociaux de la santé (DSH) ont une influence significative sur les résultats de santé des patients. Cependant, dans les données structurées des dossiers de santé éle...
Génération d’images synthétiques de lames entières de tumeurs à partir de données de séquençage d’ARN via des modèles de diffusion en cascade Une étude récemment publiée dans Nature Biomedical Engineering intitulée “Generation of Synthetic Whole-Slide Image Tiles of Tumours from RNA-Sequencing Data via Cascaded Diffusion Models” a suscité une large...
Utilisation de l’apprentissage géométrique profond sous contrainte de monotonie pour prédire la progression de la maladie d’Alzheimer Introduction La maladie d’Alzheimer (MA) est une maladie neurodégénérative dévastatrice qui entraîne une déclin cognitif progressif et irréversible aboutissant à la démence. L’identification précoce et la prédiction ...
Contexte Depuis longtemps, les modèles normatifs et descriptifs tentent d’expliquer et de prédire les comportements de prise de décision des humains face à des choix risqués tels que des biens ou des jeux de hasard. Une étude récente, en entraînant des réseaux neuronaux (Neural Networks, NNs) sur un nouveau grand ensemble de données en ligne nommé ...
Utilisation des réseaux neuronaux profonds pour distinguer les informations visuelles et sémantiques dans la perception et la mémoire humaines Introduction Dans le domaine des sciences cognitives, il y a un intérêt croissant pour la manière dont les humains reconnaissent les personnes et les objets dans le processus de perception et de mémoire. La ...
Introduction Le cancer primitif inconnu (Cancer de Unknown Primary, CUP) est un type de maladie maligne confirmée par l’histopathologie mais dont le site primaire ne peut être identifié par les méthodes diagnostiques de routine. Le CUP représente un défi important en diagnostic et traitement clinique, représentant 3 à 5% de tous les cancers humains...
Prévision des maladies courantes à l’aide de dossiers médicaux et soutien à la réponse rapide aux menaces sanitaires émergentes Contexte et motivation de la recherche La pandémie de COVID-19 a mis en évidence un manque systématique et de données guidées par les données au niveau mondial, ce qui a gravement affecté l’identification des populations à...