Machine à vecteurs de supportLes machines à vecteurs de support ou séparateurs à vaste marge (en anglais support-vector machine, SVM) sont un ensemble de techniques d'apprentissage supervisé destinées à résoudre des problèmes de discrimination et de régression. Les SVM sont une généralisation des classifieurs linéaires. Les séparateurs à vaste marge ont été développés dans les années 1990 à partir des considérations théoriques de Vladimir Vapnik sur le développement d'une théorie statistique de l'apprentissage : la théorie de Vapnik-Tchervonenkis.
Magnetic resonance angiographyMagnetic resonance angiography (MRA) is a group of techniques based on magnetic resonance imaging (MRI) to image blood vessels. Magnetic resonance angiography is used to generate images of arteries (and less commonly veins) in order to evaluate them for stenosis (abnormal narrowing), occlusions, aneurysms (vessel wall dilatations, at risk of rupture) or other abnormalities. MRA is often used to evaluate the arteries of the neck and brain, the thoracic and abdominal aorta, the renal arteries, and the legs (the latter exam is often referred to as a "run-off").
Large deformation diffeomorphic metric mappingLarge deformation diffeomorphic metric mapping (LDDMM) is a specific suite of algorithms used for diffeomorphic mapping and manipulating dense imagery based on diffeomorphic metric mapping within the academic discipline of computational anatomy, to be distinguished from its precursor based on diffeomorphic mapping. The distinction between the two is that diffeomorphic metric maps satisfy the property that the length associated to their flow away from the identity induces a metric on the group of diffeomorphisms, which in turn induces a metric on the orbit of shapes and forms within the field of Computational Anatomy.
Medical image computingMedical image computing (MIC) is an interdisciplinary field at the intersection of computer science, information engineering, electrical engineering, physics, mathematics and medicine. This field develops computational and mathematical methods for solving problems pertaining to medical images and their use for biomedical research and clinical care. The main goal of MIC is to extract clinically relevant information or knowledge from medical images.
Traumatisme crânienLa notion de traumatisme crânien, ou traumatisme cranio-cérébral (TCC), couvre les traumatismes du neurocrâne (partie haute du crâne contenant le cerveau) et du cerveau. Les manifestations cliniques dépendent de l'importance de l'impact et des facteurs associés (âge, pathologies préexistantes autres, traumatismes associés). Par la situation anatomique de la tête, le traumatisme crânien est souvent associé à des traumatismes du rachis cervical (entorses, luxations, fractures), du visage (contusions, plaies, fractures maxillo-faciales) et oculaires.
Cerveau humainLe 'cerveau humain' a la même structure générale que le cerveau des autres mammifères, mais il est celui dont la taille relative par rapport au reste du corps est devenue la plus grande au cours de l'évolution. Si la baleine bleue a le cerveau le plus lourd avec contre environ pour celui de l'homme, le coefficient d'encéphalisation humain est le plus élevé et est sept fois supérieur à celui de la moyenne des mammifères.
Cerebral atrophyCerebral atrophy is a common feature of many of the diseases that affect the brain. Atrophy of any tissue means a decrement in the size of the cell, which can be due to progressive loss of cytoplasmic proteins. In brain tissue, atrophy describes a loss of neurons and the connections between them. Brain atrophy can be classified into two main categories: generalized and focal atrophy. Generalized atrophy occurs across the entire brain whereas focal atrophy affects cells in a specific location.
Maladie de ParkinsonLa maladie de Parkinson (abrégée « Parkinson », ou MP) porte le nom de James Parkinson, un médecin anglais ayant publié la première description détaillée de celle-ci dans An Essay on the Shaking Palsy en 1817. C'est une maladie neurodégénérative irréversible d'évolution lente. Caractérisée par une perte progressive de neurones dopaminergiques, elle est une maladie chronique qui affecte le système nerveux central (SNC) et provoque des troubles progressifs d'ordre moteurs, cognitifs et comportementaux.
Noyau accumbensLes noyaux accumbens, aussi connus sous le terme latin nucleus accumbens septi (qui signifie noyau appuyé contre le septum), sont un ensemble de neurones situés à l'intérieur de la zone corticale prosencéphalique. Il semble qu'ils jouent un rôle important dans le système de récompense et l'assuétude (accoutumance, dépendance), le rire, le plaisir, la peur et l'effet placebo. C'est une structure symétrique c'est-à-dire que chaque hémisphère cérébral a un noyau accumbens.
Classifieur linéaireEn apprentissage automatique, les classifieurs linéaires sont une famille d'algorithmes de classement statistique. Le rôle d'un classifieur est de classer dans des groupes (des classes) les échantillons qui ont des propriétés similaires, mesurées sur des observations. Un classifieur linéaire est un type particulier de classifieur, qui calcule la décision par combinaison linéaire des échantillons. « Classifieur linéaire » est une traduction de l'anglais linear classifier.
