Sclérose en plaquesLa sclérose en plaques (SEP) est une maladie auto-immune touchant le système nerveux central (cerveau, moelle spinale et nerfs optiques). La cause est multifactorielle : prédisposition génétique, certains facteurs environnementaux (qui ne sont pas encore très bien compris à ce jour), origines infectieuses notamment liées au virus EBV, etc.. Ces divers facteurs augmentent le risque de développer la maladie.
Réseau neuronal convolutifEn apprentissage automatique, un réseau de neurones convolutifs ou réseau de neurones à convolution (en anglais CNN ou ConvNet pour convolutional neural networks) est un type de réseau de neurones artificiels acycliques (feed-forward), dans lequel le motif de connexion entre les neurones est inspiré par le cortex visuel des animaux. Les neurones de cette région du cerveau sont arrangés de sorte qu'ils correspondent à des régions qui se chevauchent lors du pavage du champ visuel.
Lesional demyelinations of the central nervous systemMultiple sclerosis and other demyelinating diseases of the central nervous system (CNS) produce lesions (demyelinated areas in the CNS) and glial scars or scleroses. They present different shapes and histological findings according to the underlying condition that produces them. Demyelinating diseases are traditionally classified in two kinds: demyelinating myelinoclastic diseases and demyelinating leukodystrophic diseases. In the first group a normal and healthy myelin is destroyed by a toxic, chemical or autoimmune substance.
Substance blanchethumb|Hémisphère droit d'un cerveau humain disséqué à la suite d'une coupe sagittale, révélant la substance grise dans la partie externe et la substance blanche dans la partie interne. La substance blanche est une catégorie de tissu du système nerveux central, principalement composé des axones myélinisés des neurones. Elle relie différentes aires de la substance grise où se situent les corps cellulaires des neurones. Elle constitue la partie interne du cerveau et la partie superficielle de la moelle épinière.
Imagerie médicaleL'imagerie médicale regroupe les moyens d'acquisition et de restitution d'images du corps humain à partir de différents phénomènes physiques tels que l'absorption des rayons X, la résonance magnétique nucléaire, la réflexion d'ondes ultrasons ou la radioactivité auxquels on associe parfois les techniques d'imagerie optique comme l'endoscopie. Apparues, pour les plus anciennes, au tournant du , ces techniques ont révolutionné la médecine grâce au progrès de l'informatique en permettant de visualiser indirectement l'anatomie, la physiologie ou le métabolisme du corps humain.
Réseau de neurones artificielsUn réseau de neurones artificiels, ou réseau neuronal artificiel, est un système dont la conception est à l'origine schématiquement inspirée du fonctionnement des neurones biologiques, et qui par la suite s'est rapproché des méthodes statistiques. Les réseaux de neurones sont généralement optimisés par des méthodes d'apprentissage de type probabiliste, en particulier bayésien.
Imagerie par résonance magnétiqueL'imagerie par résonance magnétique (IRM) est une technique d' permettant d'obtenir des vues en deux ou en trois dimensions de l'intérieur du corps de façon non invasive avec une résolution en contraste relativement élevée. L'IRM repose sur le principe de la résonance magnétique nucléaire (RMN) qui utilise les propriétés quantiques des noyaux atomiques pour la spectroscopie en analyse chimique. L'IRM nécessite un champ magnétique puissant et stable produit par un aimant supraconducteur qui crée une magnétisation des tissus par alignement des moments magnétiques de spin.
Apprentissage profondL'apprentissage profond ou apprentissage en profondeur (en anglais : deep learning, deep structured learning, hierarchical learning) est un sous-domaine de l’intelligence artificielle qui utilise des réseaux neuronaux pour résoudre des tâches complexes grâce à des architectures articulées de différentes transformations non linéaires. Ces techniques ont permis des progrès importants et rapides dans les domaines de l'analyse du signal sonore ou visuel et notamment de la reconnaissance faciale, de la reconnaissance vocale, de la vision par ordinateur, du traitement automatisé du langage.
Imagerie moléculaireL'imagerie moléculaire est le nom donné à une discipline émergente d'imagerie, située entre la biologie moléculaire et la biologie cellulaire. Elle vise essentiellement à observer le fonctionnement des organes et organismes in vivo par des moyens les moins invasifs possibles ou perturbant le moins possible les organismes observés ou les cultures de tissus produites à partir de ces organismes.
Apprentissage automatiqueL'apprentissage automatique (en anglais : machine learning, « apprentissage machine »), apprentissage artificiel ou apprentissage statistique est un champ d'étude de l'intelligence artificielle qui se fonde sur des approches mathématiques et statistiques pour donner aux ordinateurs la capacité d'« apprendre » à partir de données, c'est-à-dire d'améliorer leurs performances à résoudre des tâches sans être explicitement programmés pour chacune. Plus largement, il concerne la conception, l'analyse, l'optimisation, le développement et l'implémentation de telles méthodes.
