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 ...

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...

Modèle d'évaluation basé sur l'apprentissage profond pour l'identification en temps réel des apprenants visuels utilisant l'EEG brut

Dans l’environnement éducatif actuel, comprendre le style d’apprentissage des étudiants est crucial pour améliorer leur efficacité d’apprentissage. En particulier, l’identification des styles d’apprentissage visuels (visual learning style) aide les enseignants et les étudiants à adopter des stratégies plus efficaces dans le processus d’enseignement...

Une approche basée sur le Transformer combinant un réseau d'apprentissage profond et des informations spatio-temporelles pour la classification des EEG bruts

Contexte et Objectif de la Recherche Ces dernières années, les systèmes d’Interface Cerveau-Ordinateur (Brain-Computer Interface, BCI) ont été largement utilisés dans les domaines de l’ingénierie neuronale et des neurosciences, et l’électroencéphalogramme (EEG), en tant qu’outil pour refléter l’activité de différents groupes de neurones du système ...

Coefficient de corrélation temporelle-spectrale d'attention basé sur les ondelettes pour la classification EEG d'imagination motrice

Interface Cerveau-Machine (Brain-Computer Interface, BCI) : Développements et Applications en Imagerie Motrice EEG L’interface cerveau-machine (Brain-Computer Interface, BCI) a progressé rapidement ces dernières années et est considérée comme une technologie de pointe permettant de contrôler des dispositifs externes directement par le cerveau, sans...

Hiérarchies Spatio-temporelles du Cerveau pour la Reconnaissance de la Mémoire Auditive et le Codage Prédictif

Hiérarchies Spatio-temporelles du Cerveau pour la Reconnaissance de la Mémoire Auditive et le Codage Prédictif

Hiérarchie spatio-temporelle du cerveau dans la reconnaissance de la mémoire auditive et le codage prédictif Introduction Cette étude vise à explorer les mécanismes hiérarchiques du cerveau humain lorsque celui-ci reconnaît des séquences musicales mémorisées antérieurement et leurs modifications systématiques. Bien que le traitement neural des modè...

Méthode de localisation de la zone de début de crise chez les patients atteints d'épilepsie réfractaire

Ces dernières années, l’épilepsie réfractaire (refractory epilepsy) suscite un intérêt croissant dans le milieu médical. Cette forme d’épilepsie est définie par la persistance de crises d’épilepsie graves malgré deux traitements appropriés par des médicaments antiépileptiques. Pour les patients ne répondant pas au traitement médicamenteux, si la zo...

Développement et validation d'un modèle de radiomique de l'apprentissage profond avec des caractéristiques clinico-radiologiques pour l'identification des métastases péritonéales occultes chez les patients atteints d'adénocarcinome canalaire pancréatique

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 environnement de réalité mixte : une enquête clinique prospective sur le clip de l'anévrisme cérébral

Transformer la salle d'opération en environnement de réalité mixte : une enquête clinique prospective sur le clip de l'anévrisme cérébral

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...