Titre : Apprentissage profond

Apprentissage profond : Questions médicales fréquentes

Questions fréquentes et termes MeSH associés

Diagnostic 5

#1

Comment l'apprentissage profond aide-t-il au diagnostic médical ?

Il analyse des images médicales et des données cliniques pour identifier des maladies.
Diagnostic médical Intelligence artificielle
#2

Quels types d'images sont analysés par l'apprentissage profond ?

Les radiographies, IRM, et échographies sont couramment analysées.
Imagerie médicale Radiographie
#3

L'apprentissage profond peut-il détecter des cancers ?

Oui, il est utilisé pour détecter divers types de cancers à partir d'images.
Cancer Détection précoce
#4

Quels algorithmes sont utilisés pour le diagnostic ?

Les réseaux de neurones convolutifs (CNN) sont souvent utilisés pour l'analyse d'images.
Réseaux de neurones Algorithmes
#5

L'apprentissage profond est-il fiable pour le diagnostic ?

Il montre une précision élevée, mais nécessite une validation clinique rigoureuse.
Précision diagnostique Validation clinique

Symptômes 5

#1

Peut-on prédire des symptômes avec l'apprentissage profond ?

Oui, il peut analyser des données pour prédire l'apparition de symptômes.
Prédiction Symptômes
#2

Comment les symptômes sont-ils analysés ?

Les modèles analysent des données historiques et des rapports de patients.
Analyse de données Rapports de patients
#3

L'apprentissage profond peut-il identifier des symptômes rares ?

Oui, il peut aider à identifier des symptômes rares en analysant des cas atypiques.
Symptômes rares Cas atypiques
#4

Quels types de données sont utilisés pour les symptômes ?

Les données cliniques, les questionnaires et les dossiers médicaux sont utilisés.
Données cliniques Dossiers médicaux
#5

Les symptômes peuvent-ils être classés par apprentissage profond ?

Oui, il peut classer les symptômes en fonction de leur gravité et de leur type.
Classification Gravité des symptômes

Prévention 5

#1

Comment l'apprentissage profond aide-t-il à la prévention des maladies ?

Il analyse les facteurs de risque pour identifier les populations à risque.
Prévention Facteurs de risque
#2

Peut-on utiliser l'apprentissage profond pour des campagnes de santé publique ?

Oui, il peut cibler les campagnes en fonction des données démographiques et épidémiologiques.
Santé publique Campagnes de santé
#3

Quels types de données sont utilisés pour la prévention ?

Les données épidémiologiques, les historiques médicaux et les comportements de santé.
Données épidémiologiques Comportements de santé
#4

L'apprentissage profond peut-il aider à la vaccination ?

Oui, il peut identifier les populations qui bénéficieraient le plus de la vaccination.
Vaccination Population à risque
#5

Comment l'apprentissage profond peut-il réduire les risques de maladies ?

Il permet de personnaliser les recommandations de santé en fonction des données individuelles.
Personnalisation Recommandations de santé

Traitements 5

#1

L'apprentissage profond aide-t-il à choisir un traitement ?

Oui, il analyse les données pour recommander des traitements personnalisés.
Traitement personnalisé Analyse de données
#2

Quels traitements peuvent être optimisés par l'apprentissage profond ?

Les traitements pour le cancer, les maladies chroniques et les infections.
Cancer Maladies chroniques
#3

Peut-on évaluer l'efficacité des traitements avec l'apprentissage profond ?

Oui, il peut analyser les résultats des traitements pour évaluer leur efficacité.
Efficacité des traitements Résultats cliniques
#4

Comment l'apprentissage profond influence-t-il la recherche de nouveaux traitements ?

Il permet d'identifier de nouvelles cibles thérapeutiques et de repenser les approches.
Recherche thérapeutique Nouvelles cibles
#5

L'apprentissage profond peut-il prédire les effets secondaires ?

Oui, il peut analyser les données pour prédire les effets secondaires potentiels.
Effets secondaires Prédiction

Complications 5

#1

L'apprentissage profond peut-il prédire des complications médicales ?

Oui, il peut analyser des données pour anticiper des complications potentielles.
Complications médicales Prédiction
#2

Quels types de complications peuvent être identifiés ?

Les complications liées aux traitements, aux maladies chroniques et aux infections.
Complications Maladies chroniques
#3

Comment les données sont-elles utilisées pour prédire des complications ?

Les modèles analysent les antécédents médicaux et les résultats des traitements.
Antécédents médicaux Résultats des traitements
#4

L'apprentissage profond peut-il aider à gérer les complications ?

Oui, il peut fournir des recommandations pour la gestion des complications.
Gestion des complications Recommandations
#5

Peut-on utiliser l'apprentissage profond pour surveiller les complications ?

Oui, il peut surveiller les patients en temps réel pour détecter des complications.
Surveillance Détection précoce

Facteurs de risque 5

#1

Quels facteurs de risque l'apprentissage profond peut-il identifier ?

Il peut identifier des facteurs génétiques, environnementaux et comportementaux.
Facteurs de risque Génétique
#2

Comment les données sont-elles collectées pour analyser les facteurs de risque ?

Les données proviennent de dossiers médicaux, d'enquêtes et d'études épidémiologiques.
Dossiers médicaux Études épidémiologiques
#3

L'apprentissage profond peut-il aider à réduire les facteurs de risque ?

Oui, il peut fournir des recommandations personnalisées pour réduire les risques.
Réduction des risques Recommandations personnalisées
#4

Peut-on utiliser l'apprentissage profond pour des études de cohorte ?

Oui, il est utilisé pour analyser des cohortes et identifier des tendances de risque.
Études de cohorte Tendances
#5

Quels types de modèles sont utilisés pour analyser les facteurs de risque ?

Des modèles prédictifs et des réseaux de neurones sont souvent utilisés.
Modèles prédictifs Réseaux de neurones
{ "@context": "https://schema.org", "@graph": [ { "@type": "MedicalWebPage", "name": "Apprentissage profond : Questions médicales les plus fréquentes", "headline": "Apprentissage profond : Comprendre les symptômes, diagnostics et traitements", "description": "Guide complet et accessible sur les Apprentissage profond : explications, diagnostics, traitements et prévention. Information médicale validée destinée aux patients.", "datePublished": "2024-06-29", "dateModified": "2026-03-21", "inLanguage": "fr", "medicalAudience": [ { "@type": "MedicalAudience", "name": "Grand public", "audienceType": "Patient", "healthCondition": { "@type": "MedicalCondition", "name": "Apprentissage profond" }, "suggestedMinAge": 18, "suggestedGender": "unisex" }, { "@type": "MedicalAudience", "name": "Médecins", "audienceType": "Physician", "geographicArea": { "@type": "AdministrativeArea", "name": "France" } }, { "@type": "MedicalAudience", "name": "Chercheurs", "audienceType": "Researcher", "geographicArea": { "@type": "AdministrativeArea", "name": "International" } } ], "reviewedBy": { "@type": "Person", "name": "Dr Olivier Menir", "jobTitle": "Expert en Médecine", "description": "Expert en Médecine, Optimisation des Parcours de Soins et Révision Médicale", "url": "/static/pages/docteur-olivier-menir.html", "alumniOf": { "@type": "EducationalOrganization", "name": "Université Paris Descartes" } }, "isPartOf": { "@type": "MedicalWebPage", "name": "Réseaux neuronaux (ordinateur)", "url": "https://questionsmedicales.fr/mesh/D016571", "about": { "@type": "MedicalCondition", "name": "Réseaux neuronaux (ordinateur)", "code": { "@type": "MedicalCode", "code": "D016571", "codingSystem": "MeSH" }, "identifier": { "@type": "PropertyValue", "propertyID": "MeSH Tree", "value": "L01.224.050.375.605" } } }, "about": { "@type": "MedicalCondition", "name": "Apprentissage profond", "alternateName": "Deep Learning", "code": { "@type": "MedicalCode", "code": "D000077321", "codingSystem": "MeSH" } }, "author": [ { "@type": "Person", "name": "Muyinatu A Lediju Bell", "url": "https://questionsmedicales.fr/author/Muyinatu%20A%20Lediju%20Bell", "affiliation": { "@type": "Organization", "name": "Johns Hopkins University, Department of Electrical and Computer Engineering, Baltimore, Maryland, United States." } }, { "@type": "Person", "name": "Lei Tian", "url": "https://questionsmedicales.fr/author/Lei%20Tian", "affiliation": { "@type": "Organization", "name": "Department of Electrical and Computer Engineering, Boston University, 8 St. Mary's Street, RM 830, Boston, Massachusetts, 02215." } }, { "@type": "Person", "name": "Jason T Smith", "url": "https://questionsmedicales.fr/author/Jason%20T%20Smith", "affiliation": { "@type": "Organization", "name": "Center for Modeling, Simulation, and Imaging in Medicine, Rensselaer Polytechnic Institute, Troy, New York, 12180." } }, { "@type": "Person", "name": "Marien Ochoa", "url": "https://questionsmedicales.fr/author/Marien%20Ochoa", "affiliation": { "@type": "Organization", "name": "Center for Modeling, Simulation, and Imaging in Medicine, Rensselaer Polytechnic Institute, Troy, New York, 12180." } }, { "@type": "Person", "name": "Xavier Intes", "url": "https://questionsmedicales.fr/author/Xavier%20Intes", "affiliation": { "@type": "Organization", "name": "Center for Modeling, Simulation, and Imaging in Medicine, Rensselaer Polytechnic Institute, Troy, New York, 12180." } } ], "citation": [ { "@type": "ScholarlyArticle", "name": "Topological deep learning based deep mutational scanning.", "datePublished": "2023-07-17", "url": "https://questionsmedicales.fr/article/37506452", "identifier": { "@type": "PropertyValue", "propertyID": "DOI", "value": "10.1016/j.compbiomed.2023.107258" } }, { "@type": "ScholarlyArticle", "name": "Deep learning in neuroimaging of epilepsy.", "datePublished": "2023-07-06", "url": "https://questionsmedicales.fr/article/37473486", "identifier": { "@type": "PropertyValue", "propertyID": "DOI", "value": "10.1016/j.clineuro.2023.107879" } }, { "@type": "ScholarlyArticle", "name": "Molecular geometric deep learning.", "datePublished": "2023-10-23", "url": "https://questionsmedicales.fr/article/37875121", "identifier": { "@type": "PropertyValue", "propertyID": "DOI", "value": "10.1016/j.crmeth.2023.100621" } }, { "@type": "ScholarlyArticle", "name": "Use of machine learning and deep learning to predict particulate", "datePublished": "2023-09-15", "url": "https://questionsmedicales.fr/article/37716314", "identifier": { "@type": "PropertyValue", "propertyID": "DOI", "value": "10.1016/j.jenvrad.2023.107294" } }, { "@type": "ScholarlyArticle", "name": "A deep learning model for anti-inflammatory peptides identification based on deep variational autoencoder and contrastive learning.", "datePublished": "2024-08-08", "url": "https://questionsmedicales.fr/article/39117712", "identifier": { "@type": "PropertyValue", "propertyID": "DOI", "value": "10.1038/s41598-024-69419-y" } } ], "breadcrumb": { "@type": "BreadcrumbList", "itemListElement": [ { "@type": "ListItem", "position": 1, "name": "questionsmedicales.fr", "item": "https://questionsmedicales.fr" }, { "@type": "ListItem", "position": 2, "name": "Sciences de l'information", "item": "https://questionsmedicales.fr/mesh/D007254" }, { "@type": "ListItem", "position": 3, "name": "Méthodologies informatiques", "item": "https://questionsmedicales.fr/mesh/D003205" }, { "@type": "ListItem", "position": 4, "name": "Algorithmes", "item": "https://questionsmedicales.fr/mesh/D000465" }, { "@type": "ListItem", "position": 5, "name": "Intelligence artificielle", "item": "https://questionsmedicales.fr/mesh/D001185" }, { "@type": "ListItem", "position": 6, "name": "Réseaux neuronaux (ordinateur)", "item": "https://questionsmedicales.fr/mesh/D016571" }, { "@type": "ListItem", "position": 7, "name": "Apprentissage profond", "item": "https://questionsmedicales.fr/mesh/D000077321" } ] } }, { "@type": "MedicalWebPage", "name": "Article complet : Apprentissage profond - Questions et réponses", "headline": "Questions et réponses médicales fréquentes sur Apprentissage profond", "description": "Une compilation de questions et réponses structurées, validées par des experts médicaux.", "datePublished": "2026-05-09", "inLanguage": "fr", "hasPart": [ { "@type": "MedicalWebPage", "name": "Diagnostic", "headline": "Diagnostic sur Apprentissage profond", "description": "Comment l'apprentissage profond aide-t-il au diagnostic médical ?\nQuels types d'images sont analysés par l'apprentissage profond ?\nL'apprentissage profond peut-il détecter des cancers ?\nQuels algorithmes sont utilisés pour le diagnostic ?\nL'apprentissage profond est-il fiable pour le diagnostic ?", "url": "https://questionsmedicales.fr/mesh/D000077321#section-diagnostic" }, { "@type": "MedicalWebPage", "name": "Symptômes", "headline": "Symptômes sur Apprentissage profond", "description": "Peut-on prédire des symptômes avec l'apprentissage profond ?\nComment les symptômes sont-ils analysés ?\nL'apprentissage profond peut-il identifier des symptômes rares ?\nQuels types de données sont utilisés pour les symptômes ?\nLes symptômes peuvent-ils être classés par apprentissage profond ?", "url": "https://questionsmedicales.fr/mesh/D000077321#section-symptômes" }, { "@type": "MedicalWebPage", "name": "Prévention", "headline": "Prévention sur Apprentissage profond", "description": "Comment l'apprentissage profond aide-t-il à la prévention des maladies ?\nPeut-on utiliser l'apprentissage profond pour des campagnes de santé publique ?\nQuels types de données sont utilisés pour la prévention ?\nL'apprentissage profond peut-il aider à la vaccination ?\nComment l'apprentissage profond peut-il réduire les risques de maladies ?", "url": "https://questionsmedicales.fr/mesh/D000077321#section-prévention" }, { "@type": "MedicalWebPage", "name": "Traitements", "headline": "Traitements sur Apprentissage profond", "description": "L'apprentissage profond aide-t-il à choisir un traitement ?\nQuels traitements peuvent être optimisés par l'apprentissage profond ?\nPeut-on évaluer l'efficacité des traitements avec l'apprentissage profond ?\nComment l'apprentissage profond influence-t-il la recherche de nouveaux traitements ?\nL'apprentissage profond peut-il prédire les effets secondaires ?", "url": "https://questionsmedicales.fr/mesh/D000077321#section-traitements" }, { "@type": "MedicalWebPage", "name": "Complications", "headline": "Complications sur Apprentissage profond", "description": "L'apprentissage profond peut-il prédire des complications médicales ?\nQuels types de complications peuvent être identifiés ?\nComment les données sont-elles utilisées pour prédire des complications ?\nL'apprentissage profond peut-il aider à gérer les complications ?\nPeut-on utiliser l'apprentissage profond pour surveiller les complications ?", "url": "https://questionsmedicales.fr/mesh/D000077321#section-complications" }, { "@type": "MedicalWebPage", "name": "Facteurs de risque", "headline": "Facteurs de risque sur Apprentissage profond", "description": "Quels facteurs de risque l'apprentissage profond peut-il identifier ?\nComment les données sont-elles collectées pour analyser les facteurs de risque ?\nL'apprentissage profond peut-il aider à réduire les facteurs de risque ?\nPeut-on utiliser l'apprentissage profond pour des études de cohorte ?\nQuels types de modèles sont utilisés pour analyser les facteurs de risque ?", "url": "https://questionsmedicales.fr/mesh/D000077321#section-facteurs de risque" } ] }, { "@type": "FAQPage", "mainEntity": [ { "@type": "Question", "name": "Comment l'apprentissage profond aide-t-il au diagnostic médical ?", "position": 1, "acceptedAnswer": { "@type": "Answer", "text": "Il analyse des images médicales et des données cliniques pour identifier des maladies." } }, { "@type": "Question", "name": "Quels types d'images sont analysés par l'apprentissage profond ?", "position": 2, "acceptedAnswer": { "@type": "Answer", "text": "Les radiographies, IRM, et échographies sont couramment analysées." } }, { "@type": "Question", "name": "L'apprentissage profond peut-il détecter des cancers ?", "position": 3, "acceptedAnswer": { "@type": "Answer", "text": "Oui, il est utilisé pour détecter divers types de cancers à partir d'images." } }, { "@type": "Question", "name": "Quels algorithmes sont utilisés pour le diagnostic ?", "position": 4, "acceptedAnswer": { "@type": "Answer", "text": "Les réseaux de neurones convolutifs (CNN) sont souvent utilisés pour l'analyse d'images." } }, { "@type": "Question", "name": "L'apprentissage profond est-il fiable pour le diagnostic ?", "position": 5, "acceptedAnswer": { "@type": "Answer", "text": "Il montre une précision élevée, mais nécessite une validation clinique rigoureuse." } }, { "@type": "Question", "name": "Peut-on prédire des symptômes avec l'apprentissage profond ?", "position": 6, "acceptedAnswer": { "@type": "Answer", "text": "Oui, il peut analyser des données pour prédire l'apparition de symptômes." } }, { "@type": "Question", "name": "Comment les symptômes sont-ils analysés ?", "position": 7, "acceptedAnswer": { "@type": "Answer", "text": "Les modèles analysent des données historiques et des rapports de patients." } }, { "@type": "Question", "name": "L'apprentissage profond peut-il identifier des symptômes rares ?", "position": 8, "acceptedAnswer": { "@type": "Answer", "text": "Oui, il peut aider à identifier des symptômes rares en analysant des cas atypiques." } }, { "@type": "Question", "name": "Quels types de données sont utilisés pour les symptômes ?", "position": 9, "acceptedAnswer": { "@type": "Answer", "text": "Les données cliniques, les questionnaires et les dossiers médicaux sont utilisés." } }, { "@type": "Question", "name": "Les symptômes peuvent-ils être classés par apprentissage profond ?", "position": 10, "acceptedAnswer": { "@type": "Answer", "text": "Oui, il peut classer les symptômes en fonction de leur gravité et de leur type." } }, { "@type": "Question", "name": "Comment l'apprentissage profond aide-t-il à la prévention des maladies ?", "position": 11, "acceptedAnswer": { "@type": "Answer", "text": "Il analyse les facteurs de risque pour identifier les populations à risque." } }, { "@type": "Question", "name": "Peut-on utiliser l'apprentissage profond pour des campagnes de santé publique ?", "position": 12, "acceptedAnswer": { "@type": "Answer", "text": "Oui, il peut cibler les campagnes en fonction des données démographiques et épidémiologiques." } }, { "@type": "Question", "name": "Quels types de données sont utilisés pour la prévention ?", "position": 13, "acceptedAnswer": { "@type": "Answer", "text": "Les données épidémiologiques, les historiques médicaux et les comportements de santé." } }, { "@type": "Question", "name": "L'apprentissage profond peut-il aider à la vaccination ?", "position": 14, "acceptedAnswer": { "@type": "Answer", "text": "Oui, il peut identifier les populations qui bénéficieraient le plus de la vaccination." } }, { "@type": "Question", "name": "Comment l'apprentissage profond peut-il réduire les risques de maladies ?", "position": 15, "acceptedAnswer": { "@type": "Answer", "text": "Il permet de personnaliser les recommandations de santé en fonction des données individuelles." } }, { "@type": "Question", "name": "L'apprentissage profond aide-t-il à choisir un traitement ?", "position": 16, "acceptedAnswer": { "@type": "Answer", "text": "Oui, il analyse les données pour recommander des traitements personnalisés." } }, { "@type": "Question", "name": "Quels traitements peuvent être optimisés par l'apprentissage profond ?", "position": 17, "acceptedAnswer": { "@type": "Answer", "text": "Les traitements pour le cancer, les maladies chroniques et les infections." } }, { "@type": "Question", "name": "Peut-on évaluer l'efficacité des traitements avec l'apprentissage profond ?", "position": 18, "acceptedAnswer": { "@type": "Answer", "text": "Oui, il peut analyser les résultats des traitements pour évaluer leur efficacité." } }, { "@type": "Question", "name": "Comment l'apprentissage profond influence-t-il la recherche de nouveaux traitements ?", "position": 19, "acceptedAnswer": { "@type": "Answer", "text": "Il permet d'identifier de nouvelles cibles thérapeutiques et de repenser les approches." } }, { "@type": "Question", "name": "L'apprentissage profond peut-il prédire les effets secondaires ?", "position": 20, "acceptedAnswer": { "@type": "Answer", "text": "Oui, il peut analyser les données pour prédire les effets secondaires potentiels." } }, { "@type": "Question", "name": "L'apprentissage profond peut-il prédire des complications médicales ?", "position": 21, "acceptedAnswer": { "@type": "Answer", "text": "Oui, il peut analyser des données pour anticiper des complications potentielles." } }, { "@type": "Question", "name": "Quels types de complications peuvent être identifiés ?", "position": 22, "acceptedAnswer": { "@type": "Answer", "text": "Les complications liées aux traitements, aux maladies chroniques et aux infections." } }, { "@type": "Question", "name": "Comment les données sont-elles utilisées pour prédire des complications ?", "position": 23, "acceptedAnswer": { "@type": "Answer", "text": "Les modèles analysent les antécédents médicaux et les résultats des traitements." } }, { "@type": "Question", "name": "L'apprentissage profond peut-il aider à gérer les complications ?", "position": 24, "acceptedAnswer": { "@type": "Answer", "text": "Oui, il peut fournir des recommandations pour la gestion des complications." } }, { "@type": "Question", "name": "Peut-on utiliser l'apprentissage profond pour surveiller les complications ?", "position": 25, "acceptedAnswer": { "@type": "Answer", "text": "Oui, il peut surveiller les patients en temps réel pour détecter des complications." } }, { "@type": "Question", "name": "Quels facteurs de risque l'apprentissage profond peut-il identifier ?", "position": 26, "acceptedAnswer": { "@type": "Answer", "text": "Il peut identifier des facteurs génétiques, environnementaux et comportementaux." } }, { "@type": "Question", "name": "Comment les données sont-elles collectées pour analyser les facteurs de risque ?", "position": 27, "acceptedAnswer": { "@type": "Answer", "text": "Les données proviennent de dossiers médicaux, d'enquêtes et d'études épidémiologiques." } }, { "@type": "Question", "name": "L'apprentissage profond peut-il aider à réduire les facteurs de risque ?", "position": 28, "acceptedAnswer": { "@type": "Answer", "text": "Oui, il peut fournir des recommandations personnalisées pour réduire les risques." } }, { "@type": "Question", "name": "Peut-on utiliser l'apprentissage profond pour des études de cohorte ?", "position": 29, "acceptedAnswer": { "@type": "Answer", "text": "Oui, il est utilisé pour analyser des cohortes et identifier des tendances de risque." } }, { "@type": "Question", "name": "Quels types de modèles sont utilisés pour analyser les facteurs de risque ?", "position": 30, "acceptedAnswer": { "@type": "Answer", "text": "Des modèles prédictifs et des réseaux de neurones sont souvent utilisés." } } ] } ] }
Dr Olivier Menir

Contenu validé par Dr Olivier Menir

Expert en Médecine, Optimisation des Parcours de Soins et Révision Médicale


Validation scientifique effectuée le 21/03/2026

Contenu vérifié selon les dernières recommandations médicales

Auteurs principaux

Muyinatu A Lediju Bell

3 publications dans cette catégorie

Affiliations :
  • Johns Hopkins University, Department of Electrical and Computer Engineering, Baltimore, Maryland, United States.
  • Johns Hopkins University, Department of Biomedical Engineering, Baltimore, Maryland, United States.
  • Johns Hopkins University, Department of Computer Science, Baltimore, Maryland, United States.
Publications dans "Apprentissage profond" :

Lei Tian

2 publications dans cette catégorie

Affiliations :
  • Department of Electrical and Computer Engineering, Boston University, 8 St. Mary's Street, RM 830, Boston, Massachusetts, 02215.
Publications dans "Apprentissage profond" :

Jason T Smith

2 publications dans cette catégorie

Affiliations :
  • Center for Modeling, Simulation, and Imaging in Medicine, Rensselaer Polytechnic Institute, Troy, New York, 12180.
Publications dans "Apprentissage profond" :

Marien Ochoa

2 publications dans cette catégorie

Affiliations :
  • Center for Modeling, Simulation, and Imaging in Medicine, Rensselaer Polytechnic Institute, Troy, New York, 12180.
Publications dans "Apprentissage profond" :

Xavier Intes

2 publications dans cette catégorie

Affiliations :
  • Center for Modeling, Simulation, and Imaging in Medicine, Rensselaer Polytechnic Institute, Troy, New York, 12180.
Publications dans "Apprentissage profond" :

Jiwen Lu

2 publications dans cette catégorie

Publications dans "Apprentissage profond" :

Wenzhao Zheng

2 publications dans cette catégorie

Publications dans "Apprentissage profond" :

Jie Zhou

2 publications dans cette catégorie

Publications dans "Apprentissage profond" :

Moritz Blumenthal

1 publication dans cette catégorie

Affiliations :
  • Institute for Diagnostic and Interventional Radiology, University Medical Center Göttingen, Göttingen, Germany.
Publications dans "Apprentissage profond" :

Guanxiong Luo

1 publication dans cette catégorie

Affiliations :
  • Institute for Diagnostic and Interventional Radiology, University Medical Center Göttingen, Göttingen, Germany.
Publications dans "Apprentissage profond" :

Martin Schilling

1 publication dans cette catégorie

Affiliations :
  • Institute for Diagnostic and Interventional Radiology, University Medical Center Göttingen, Göttingen, Germany.
Publications dans "Apprentissage profond" :

H Christian M Holme

1 publication dans cette catégorie

Affiliations :
  • Institute of Biomedical Imaging, Graz University of Technology, Graz, Austria.
Publications dans "Apprentissage profond" :

Martin Uecker

1 publication dans cette catégorie

Affiliations :
  • Institute for Diagnostic and Interventional Radiology, University Medical Center Göttingen, Göttingen, Germany.
  • Institute of Biomedical Imaging, Graz University of Technology, Graz, Austria.
  • Cluster of Excellence "Multiscale Bioimaging: from Molecular Machines to Networks of Excitable Cells" (MBExC), University of Göttingen, Göttingen, Germany.
  • German Centre for Cardiovascular Research (DZHK), Partner Site Göttingen, Göttingen, Germany.
  • BioTechMed-Graz, Graz, Austria.
Publications dans "Apprentissage profond" :

Danny Con

1 publication dans cette catégorie

Affiliations :
  • Department of Gastroenterology and Hepatology, Eastern Health, Box Hill 3128, Victoria, Australia. dannycon302@gmail.com.
Publications dans "Apprentissage profond" :

Daniel R van Langenberg

1 publication dans cette catégorie

Affiliations :
  • Department of Gastroenterology and Hepatology, Eastern Health, Box Hill 3128, Victoria, Australia.
Publications dans "Apprentissage profond" :

Abhinav Vasudevan

1 publication dans cette catégorie

Affiliations :
  • Department of Gastroenterology and Hepatology, Eastern Health, Box Hill 3128, Victoria, Australia.
Publications dans "Apprentissage profond" :

Yilong Yang

1 publication dans cette catégorie

Affiliations :
  • State Key Laboratory of Quality Research in Chinese Medicine, Institute of Chinese Medical Sciences (ICMS), University of Macau, Macau, China.
  • Department of Computer and Information Science, Faculty of Science and Technology, University of Macau, Macau, China.
Publications dans "Apprentissage profond" :

Zhuyifan Ye

1 publication dans cette catégorie

Affiliations :
  • State Key Laboratory of Quality Research in Chinese Medicine, Institute of Chinese Medical Sciences (ICMS), University of Macau, Macau, China.
Publications dans "Apprentissage profond" :

Yan Su

1 publication dans cette catégorie

Affiliations :
  • State Key Laboratory of Quality Research in Chinese Medicine, Institute of Chinese Medical Sciences (ICMS), University of Macau, Macau, China.
Publications dans "Apprentissage profond" :

Qianqian Zhao

1 publication dans cette catégorie

Affiliations :
  • State Key Laboratory of Quality Research in Chinese Medicine, Institute of Chinese Medical Sciences (ICMS), University of Macau, Macau, China.
Publications dans "Apprentissage profond" :

Sources (10000 au total)

An interpretable deep learning model for detecting

Determining the status of breast cancer susceptibility genes (... A total of 319 histopathological slides from 254 breast cancer patients were included, comprising two dependent cohorts. Following image pre-processing, 633,484 tumor tiles from the training dataset w... BiAMIL achieved AUC values of 0.819 (95% CI [0.673-0.965]) in the internal test set, and 0.817 (95% CI [0.712-0.923]) in the external test set. To explore the relationship between... An interpretable deep neural network model based on the attention mechanism was developed to predict the...