Développement et validation d’un modèle radiomique d’apprentissage profond combiné aux caractéristiques radiologiques cliniques pour prédire les métastases péritonéales occultes chez les patients atteints d’adénocarcinome canalaire pancréatique Contexte L’adénocarcinome canalaire pancréatique (Pancreatic Ductal Adenocarcinoma, PDAC) est une tumeur ...

Transformer la salle d’opération en un environnement de réalité mixte : une étude clinique prospective pour l’occlusion d’anévrismes cérébraux Le traitement chirurgical des anévrismes cérébraux est un processus extrêmement complexe et délicat dans le domaine de la neurochirurgie. Pour améliorer les résultats chirurgicaux, les chercheurs explorent c...

Application du réseau d’apprentissage de structure de graphe guidée par l’attention pour la détection de l’attention auditive basée sur l’EEG Contexte académique L’«effet cocktail party» décrit la capacité du cerveau humain à se concentrer sélectivement sur un locuteur et à ignorer les autres dans un environnement multi-locuteurs. Cependant, cette ...

Évaluation systématique de l’alignement euclidien avec l’apprentissage profond pour le décodage de l’EEG Introduction Les signaux électroencéphalographiques (EEG) sont largement utilisés dans les interfaces cerveau-machine (BCI) en raison de leur nature non invasive, de leur portabilité et de leur faible coût d’acquisition. Cependant, les signaux E...

GCTNet：Réseau de Transformateurs à Convolution de Graphe pour la Détection de la Dépression Majeure Basée sur des Signaux EEG Contexte de la Recherche La dépression majeure (Major Depressive Disorder, MDD) est une maladie mentale courante caractérisée par des humeurs dépressives significatives et persistantes, touchant plus de 350 millions de perso...

Structure topologique des signaux EMG de surface : Décodage des gestes de la main en utilisant les variétés riemanniennes Cet article a été rédigé conjointement par Harshavardhana T. Gowda (Département de génie électrique et informatique de l’Université de Californie, Davis) et Lee M. Miller (Centre de sciences psychologiques et cérébrales, Départe...

Les EEG de l’étape prémotrice aident les interfaces cerveau-ordinateur à reconnaître l’intention de mouvement Contexte et objectifs de la recherche L’interface cerveau-ordinateur (Brain-Computer Interface, BCI) est une technologie qui traduit directement les intentions humaines à partir de signaux nerveux pour contrôler des dispositifs, et possède ...

Interface Cerveau-Ordinateur Basée sur le Champ Visuel à Fréquence Élevée Évoqué par Stimulation Visuelle Stable Introduction La technologie des Interfaces Cerveau-Ordinateur (Brain-Computer Interface, BCI) permet aux utilisateurs de contrôler des machines en décodant des signaux cérébraux spécifiques. Bien que les BCI invasives captent des signaux...

Les patients atteints de la maladie de Parkinson (Parkinson’s Disease, PD) souffrent généralement de troubles de la démarche, ce qui affecte gravement leur qualité de vie. Des études antérieures ont suggéré que les oscillations dans la bande de fréquence β (15-30 Hz) des noyaux gris centraux pourraient être liées aux troubles de la démarche, mais l...

Exploration du Contrôle des Robots Sensibles au Risque Basée sur le Mécanisme d’Auto-Attention Contexte de la Recherche La cinématique et la dynamique dans le contrôle des robots sont des facteurs clés pour garantir l’accomplissement précis des tâches. La plupart des schémas de contrôle des robots reposent sur divers modèles pour optimiser les tâch...