Accueil
A partir de cette page vous pouvez :
| Retourner au premier écran avec les dernières notices... |
Résultat de la recherche
3 résultat(s) recherche sur le mot-clé 'Apprentissage profond' 
Affiner la recherche Faire une suggestionLES APPLICATIONS DE L’INTELLIGENCE ARTIFICIELLE DANS LE DOMAINE DE LA SANTÉ / Amine BENRAHHAL
Titre : LES APPLICATIONS DE L’INTELLIGENCE ARTIFICIELLE DANS LE DOMAINE DE LA SANTÉ Type de document : thèse Auteurs : Amine BENRAHHAL, Auteur Année de publication : 2021 Langues : Français (fre) Mots-clés : Intelligence artificielle Apprentissage automatique Apprentissage profond Médecine Santé Résumé : L’objectif de notre travail est de faire une mise au point sur l’apport de l’IA dans le domaine
de la santé.
L'utilisation médicale de l’IA est rendue possible grâce au développement de l’apprentissage
profond et du Big Data. Cela commence à avoir un impact important sur plusieurs niveaux.
Elle peut aider les médecins de différentes spécialités, à établir des diagnostics de plus en plus
précis, de prendre des décisions optimales, de choisir des traitements appropriés et de faire
des prédictions en se basant sur l’EHR et d’autres données du patient.
L’IA est également utilisée dans la chirurgie, dans son côté théorique par l’amélioration de la
qualité de formation, et dans le côté pratique par l’assistance du chirurgien voir par la
réalisation de façon autonome des gestes chirurgicaux simples tels que les sutures.
D’autres domaines médicaux bénéficient à leur tour de cette technologie, dans les soins
infirmiers et la réadaptation, l’IA, combinée à la robotique permet d’améliorer les capacités
motrices des patients souffrant de séquelles neurologiques, et d’aider les personnes âgées à
récupérer leur autonomie. Elle permet également de libérer les infirmières et les médecins des
tâches simples et de réduire leur charge de travail, ainsi ils vont consacrer plus de temps aux
patients qui ont vraiment besoin de leur expertise.
Les limites actuelles, notamment le petit nombre d’études prospectives, les métriques utilisées
qui ne reflètent pas l’applicabilité clinique, les obstacles techniques liés à la science de l’IA
ainsi que les principaux cadres éthiques tels que la responsabilité, l’équité et la confidentialité
et la sécurité des données seront aussi examinés dans cette thèse.Numéro (Thèse ou Mémoire) : M0902021 Président : EL HAFIDI.N Directeur : IBRAHIMI.A Juge : OUADGHIRI.M Juge : KISRA.M LES APPLICATIONS DE L’INTELLIGENCE ARTIFICIELLE DANS LE DOMAINE DE LA SANTÉ [thèse] / Amine BENRAHHAL, Auteur . - 2021.
Langues : Français (fre)
Mots-clés : Intelligence artificielle Apprentissage automatique Apprentissage profond Médecine Santé Résumé : L’objectif de notre travail est de faire une mise au point sur l’apport de l’IA dans le domaine
de la santé.
L'utilisation médicale de l’IA est rendue possible grâce au développement de l’apprentissage
profond et du Big Data. Cela commence à avoir un impact important sur plusieurs niveaux.
Elle peut aider les médecins de différentes spécialités, à établir des diagnostics de plus en plus
précis, de prendre des décisions optimales, de choisir des traitements appropriés et de faire
des prédictions en se basant sur l’EHR et d’autres données du patient.
L’IA est également utilisée dans la chirurgie, dans son côté théorique par l’amélioration de la
qualité de formation, et dans le côté pratique par l’assistance du chirurgien voir par la
réalisation de façon autonome des gestes chirurgicaux simples tels que les sutures.
D’autres domaines médicaux bénéficient à leur tour de cette technologie, dans les soins
infirmiers et la réadaptation, l’IA, combinée à la robotique permet d’améliorer les capacités
motrices des patients souffrant de séquelles neurologiques, et d’aider les personnes âgées à
récupérer leur autonomie. Elle permet également de libérer les infirmières et les médecins des
tâches simples et de réduire leur charge de travail, ainsi ils vont consacrer plus de temps aux
patients qui ont vraiment besoin de leur expertise.
Les limites actuelles, notamment le petit nombre d’études prospectives, les métriques utilisées
qui ne reflètent pas l’applicabilité clinique, les obstacles techniques liés à la science de l’IA
ainsi que les principaux cadres éthiques tels que la responsabilité, l’équité et la confidentialité
et la sécurité des données seront aussi examinés dans cette thèse.Numéro (Thèse ou Mémoire) : M0902021 Président : EL HAFIDI.N Directeur : IBRAHIMI.A Juge : OUADGHIRI.M Juge : KISRA.M Réservation
Réserver ce document
Exemplaires
Code barre Cote Support Localisation Section Disponibilité M0902021 WA Thèse imprimé Unité des Thèses et Mémoires ThèsesMéd2021 Disponible M0902021-1 WA Thèse imprimé Unité des Thèses et Mémoires ThèsesMéd2021 Disponible Documents numériques
M0902021URL
Titre : APPORT DE L’INTELLIGENCE ARTIFICIELLE EN ANATOMIE PATHOLOGIE : OUTILS, APPLICATION, DEFIS ET OPPORTUNITES Type de document : thèse Auteurs : Soukaina ELAOUNI, Auteur Année de publication : 2023 Langues : Français (fre) Mots-clés : Intelligence artificielle Apprentissage profond Anatomie pathologie. Résumé : L’évaluation des images histologiques peut être parfois subjective et assez peu
reproductible selon les cas. Par conséquent, l’analyse computationnelle de l’image
histologique via des approches dites intelligence artificielle (IA) a récemment reçu une
attention considérable pour améliorer cette précision diagnostique. Les réseaux de neurones
profonds (Deep Learning) sont en pleine émergence et à la base technique de IA qui
s’inspirent du modèle biologique. Leur champ d’application est vaste et permet la gestion de
données de masse (big data) en génomique et en biologie moléculaire ainsi que l’analyse
automatisée de lames histologiques grâce aux techniques de numérisation réalisées à l’aide de
scanners de lames qui peut acquérir et stocker des lames de microscope sous forme d’image
numériques appelé également en anglais Whole Slide Image scanner (WSI). Cette
numérisation est associée aux algorithmes de deep learning permet une reconnaissance
automatique des lésions grâce à l’identification des régions d’intérêt, validées au préalable par
le pathologiste. Malgré des résultats prometteurs, il subsiste plusieurs défis ou enjeux majeurs
à relever afin de réussir le transfert réel de cette nouvelle approche en routine clinique. Cette
revue a pour objectif de faire le point sur les applications récentes de l’IA en pathologie
cancéreuse, mais aussi d’apporter des clarifications sur les avantages et les limites de cette
approche, ainsi que les perspectives à mettre en œuvre pour un transfert potentiel dans la
pratique quotidienne des pathologistes.Numéro (Thèse ou Mémoire) : MS2142023 Directeur : Mohamed OUKABLI APPORT DE L’INTELLIGENCE ARTIFICIELLE EN ANATOMIE PATHOLOGIE : OUTILS, APPLICATION, DEFIS ET OPPORTUNITES [thèse] / Soukaina ELAOUNI, Auteur . - 2023.
Langues : Français (fre)
Mots-clés : Intelligence artificielle Apprentissage profond Anatomie pathologie. Résumé : L’évaluation des images histologiques peut être parfois subjective et assez peu
reproductible selon les cas. Par conséquent, l’analyse computationnelle de l’image
histologique via des approches dites intelligence artificielle (IA) a récemment reçu une
attention considérable pour améliorer cette précision diagnostique. Les réseaux de neurones
profonds (Deep Learning) sont en pleine émergence et à la base technique de IA qui
s’inspirent du modèle biologique. Leur champ d’application est vaste et permet la gestion de
données de masse (big data) en génomique et en biologie moléculaire ainsi que l’analyse
automatisée de lames histologiques grâce aux techniques de numérisation réalisées à l’aide de
scanners de lames qui peut acquérir et stocker des lames de microscope sous forme d’image
numériques appelé également en anglais Whole Slide Image scanner (WSI). Cette
numérisation est associée aux algorithmes de deep learning permet une reconnaissance
automatique des lésions grâce à l’identification des régions d’intérêt, validées au préalable par
le pathologiste. Malgré des résultats prometteurs, il subsiste plusieurs défis ou enjeux majeurs
à relever afin de réussir le transfert réel de cette nouvelle approche en routine clinique. Cette
revue a pour objectif de faire le point sur les applications récentes de l’IA en pathologie
cancéreuse, mais aussi d’apporter des clarifications sur les avantages et les limites de cette
approche, ainsi que les perspectives à mettre en œuvre pour un transfert potentiel dans la
pratique quotidienne des pathologistes.Numéro (Thèse ou Mémoire) : MS2142023 Directeur : Mohamed OUKABLI Réservation
Réserver ce document
Exemplaires
Code barre Cote Support Localisation Section Disponibilité MS2142023 WA Thèse imprimé Unité des Thèses et Mémoires Mémoires de Spécialités Disponible
Titre : RECHERCHE BIO-INFORMATIQUE D’INHIBITEURS DE LA PROTEASE PRINCIPALE 3CLPRO DU SARS-COV-2 Type de document : thèse Auteurs : Youssef ABERCHA, Auteur Année de publication : 2022 Langues : Français (fre) Mots-clés : Apprentissage profond Bio-informatique Inhibiteurs Protéase principale – Résumé : La pandémie de COVID-19 est parmi les événements les plus marquants de notre histoire
récente, cette dernière a suscité une vague de recherche des thérapies et des vaccins anti-SARSCov-2. Dans le présent travail, une recherche bio-informatique d’inhibiteurs de la protéase
principale 3CLPro du SARS-Cov-2 est réalisée. Dans un premier temps, la technique de
l’apprentissage profond est utilisée afin de trouver des molécules actives. Cela consiste à
construire un réseau de neurones de convolution profond (Deep Convolutional Network) qui
est entraîné à distinguer les molécules actives de celles qui ne le sont pas sur les éléments de la
base de données AID1706 après leur augmentation par la méthode DUD-E. Pendant la
deuxième étape, 1.3 millions molécules de appartenant à la base de données ZINC15 sont
introduites dans le modèle, sur cet ensemble les prédictions sont effectuées et 389 molécules
sont trouvées et considérées comme active contre la protéine cible. Après cette étape de
screening, les molécules retenues subissent un processus d’amarrage moléculaire en tandem qui
consiste à retenir les molécules les plus affines envers la protéase principale du SARS-Cov-2,
cette phase a réduit l’ensemble initial de 389 molécules à seulement 9. Ensuite, les 9 composés
retenus subissent une analyse pharmacocinétique et toxicologique en se basant sur la méthode
pkCSM, cette dernière analyse a culminé dans la molécule ZINC000189488212 comme étant
approprié à l’utilisation humaine par voie orale. Finalement, une évaluation de la stabilité du
complexe ligand-cible est accomplie par la simulation de la dynamique moléculaire par
GROMACS et de la mécanique moléculaire par MM-GBSA. Cette étude a démontré la stabilité
du complexe en solution pendant le temps de la simulation.Numéro (Thèse ou Mémoire) : P1082022 Président : IBRAHIMI Azeddine Directeur : EL JAOUDI Rachid Juge : OUADGHIRI Mouna Juge : RAHALI Youne Juge : EL HAFIDI Naima RECHERCHE BIO-INFORMATIQUE D’INHIBITEURS DE LA PROTEASE PRINCIPALE 3CLPRO DU SARS-COV-2 [thèse] / Youssef ABERCHA, Auteur . - 2022.
Langues : Français (fre)
Mots-clés : Apprentissage profond Bio-informatique Inhibiteurs Protéase principale – Résumé : La pandémie de COVID-19 est parmi les événements les plus marquants de notre histoire
récente, cette dernière a suscité une vague de recherche des thérapies et des vaccins anti-SARSCov-2. Dans le présent travail, une recherche bio-informatique d’inhibiteurs de la protéase
principale 3CLPro du SARS-Cov-2 est réalisée. Dans un premier temps, la technique de
l’apprentissage profond est utilisée afin de trouver des molécules actives. Cela consiste à
construire un réseau de neurones de convolution profond (Deep Convolutional Network) qui
est entraîné à distinguer les molécules actives de celles qui ne le sont pas sur les éléments de la
base de données AID1706 après leur augmentation par la méthode DUD-E. Pendant la
deuxième étape, 1.3 millions molécules de appartenant à la base de données ZINC15 sont
introduites dans le modèle, sur cet ensemble les prédictions sont effectuées et 389 molécules
sont trouvées et considérées comme active contre la protéine cible. Après cette étape de
screening, les molécules retenues subissent un processus d’amarrage moléculaire en tandem qui
consiste à retenir les molécules les plus affines envers la protéase principale du SARS-Cov-2,
cette phase a réduit l’ensemble initial de 389 molécules à seulement 9. Ensuite, les 9 composés
retenus subissent une analyse pharmacocinétique et toxicologique en se basant sur la méthode
pkCSM, cette dernière analyse a culminé dans la molécule ZINC000189488212 comme étant
approprié à l’utilisation humaine par voie orale. Finalement, une évaluation de la stabilité du
complexe ligand-cible est accomplie par la simulation de la dynamique moléculaire par
GROMACS et de la mécanique moléculaire par MM-GBSA. Cette étude a démontré la stabilité
du complexe en solution pendant le temps de la simulation.Numéro (Thèse ou Mémoire) : P1082022 Président : IBRAHIMI Azeddine Directeur : EL JAOUDI Rachid Juge : OUADGHIRI Mouna Juge : RAHALI Youne Juge : EL HAFIDI Naima Réservation
Réserver ce document
Exemplaires
Code barre Cote Support Localisation Section Disponibilité P1082022 WA Thèse imprimé Unité des Thèses et Mémoires ThèsesPharm2022 Disponible
