Deep scSTAR : Exploiter l'apprentissage profond pour l'extraction et l'amélioration des caractéristiques associées au phénotype à partir du séquençage d'ARN unicellulaire et des données de transcriptomique spatiale

Sciences de l'information, Intelligence artificielle, Médecine, Sciences de la vie, Biologie cellulaire, Immunologie,
Séquençage d'ARN unicellulaire   Transcriptomique spatiale   Apprentissage profond   Caractéristiques associées au phénotype   Microenvironnement tumoral  

Ces dernières années, des technologies de pointe telles que le séquençage unicellulaire (single-cell RNA sequencing, scRNA-seq) et la transcriptomique spatiale (spatial transcriptomics, ST) ont profondément stimulé le développement des sciences de la vie et de la médecine clinique. Elles ont révélé l’hétérogénéité cellulaire et ont offert de nouvel...

Analyse de séquence : Alignement de séquences d'ADN à l'aide de modèles Transformer

Sciences de l'information, Intelligence artificielle, Sciences de la vie, Génie biologique, Génétique,
Alignement de séquences d'ADN   Modèles Transformer   Analyse génomique   Apprentissage profond   Bioinformatique  

Contexte académique L’alignement des séquences d’ADN est une tâche centrale en génomique, visant à localiser les fragments courts d’ADN (reads) aux positions les plus probables sur un génome de référence. Les méthodes traditionnelles se divisent généralement en deux étapes : l’indexation du génome, suivie d’une recherche efficace pour localiser les...

Segmentation des tumeurs mammaires ABVS via l'intégration du CNN avec l'auto-attention par échantillonnage dilaté et le Transformer d'interaction de caractéristiques

Sciences de l'information, Intelligence artificielle, Médecine, Imagerie médicale,
Segmentation des tumeurs mammaires   Scanner automatique de volume mammaire   Réseau de segmentation 3D Transformer-CNN   Modélisation d'image masquée   Apprentissage profond   Analyse d'images médicales   Apprentissage auto-supervisé  

Segmentation des tumeurs mammaires ABVS basée sur CNN et Dilated Sampling Self-Attention Contexte académique Le cancer du sein est le deuxième cancer le plus courant dans le monde, et une détection précoce et précise est essentielle pour améliorer le pronostic des patients et réduire la mortalité. Bien que plusieurs techniques d’imagerie (telles qu...

Cadre de reconstruction profonde avec mécanismes d'auto-étalonnage pour l'imagerie accélérée de transfert de saturation chimique d'échange

Sciences de l'information, Intelligence artificielle, Médecine, Imagerie médicale, Sciences de la vie, Génie biologique,
Imagerie de transfert de saturation chimique d'échange   Apprentissage profond   Reconstruction d'image   Auto-étalonnage   Imagerie rapide  

Cadre de reconstruction approfondie avec mécanismes d’auto-étalonnage (DEISM) pour l’imagerie par transfert de saturation à échange chimique accélérée Contexte académique L’imagerie par transfert de saturation à échange chimique (Chemical Exchange Saturation Transfer, CEST) est une technique d’imagerie par résonance magnétique moléculaire hautement...

SigWavNet : Apprentissage d'un réseau de traitement de signaux multi-résolution pour la reconnaissance des émotions vocales

Sciences de l'information, Informatique, Intelligence artificielle,
Reconnaissance des émotions vocales   Transformée en ondelettes   Apprentissage profond   Réseau de neurones convolutif   Unités récurrentes à portes bidirectionnelles  

Application des réseaux d’ondelettes multi-résolution pour la reconnaissance des émotions vocales : SigWavNet Contexte académique La reconnaissance des émotions vocales (Speech Emotion Recognition, SER) joue un rôle crucial dans les interactions homme-machine et l’évaluation psychologique. Elle identifie les états émotionnels des locuteurs en analy...