IRM de diffusionL’IRM de diffusion est une technique basée sur l' (IRM). Elle permet de calculer en chaque point de l'image la distribution des directions de diffusion des molécules d'eau. Cette diffusion étant contrainte par les tissus environnants, cette modalité d'imagerie permet d'obtenir indirectement la position, l’orientation et l’anisotropie des structures fibreuses, notamment les faisceaux de matière blanche du cerveau. Le signal de résonance magnétique provient le plus souvent en IRM des noyaux d’hydrogène (protons).
Functional neuroimagingFunctional neuroimaging is the use of neuroimaging technology to measure an aspect of brain function, often with a view to understanding the relationship between activity in certain brain areas and specific mental functions. It is primarily used as a research tool in cognitive neuroscience, cognitive psychology, neuropsychology, and social neuroscience.
Matrice d'adjacenceEn mathématiques, en théorie des graphes, en informatique, une matrice d'adjacence pour un graphe fini à n sommets est une matrice de dimension n × n dont l'élément non diagonal a est le nombre d'arêtes liant le sommet i au sommet j. L'élément diagonal a est le nombre de boucles au sommet i (pour des graphes simples, ce nombre est donc toujours égal à 0 ou 1). Cet outil mathématique est très utilisé comme structure de données en informatique (tout comme la représentation par liste d'adjacence), mais intervient aussi naturellement dans les chaînes de Markov.
Blue BrainLe projet Blue Brain (littéralement « cerveau bleu ») a pour objectif de créer un cerveau synthétique par processus de rétroingénierie. Fondé en mai 2005 à l'École polytechnique fédérale de Lausanne (EPFL) en Suisse, ce projet étudie l'architecture et les principes fonctionnels du cerveau. Il a été étendu, en 2013, au Human Brain Project (HBP), également dirigé par Henry Markram, mais financé principalement par l'UE. Le projet Blue Brain semble être au fondement d'un projet plus vaste, qui consiste à étudier le cerveau par des simulations de grande échelle (« Simulation Neuroscience »).
Fitnessthumb|Démonstration d'exercices de fitness. Le fitness (abréviation de l'expression anglaise physical fitness, « forme physique »), aussi appelé la gymnastique de forme ou l'entraînement physique, désigne un ensemble d'activités physiques permettant au pratiquant d'améliorer sa condition physique et son hygiène de vie, dans un souci de bien-être. Le fitness trouve ses origines dans l'aérobic (gymnastique modelant le corps par des mouvements effectués en musique), qui lui-même naît de la danse jazz.
Plasticité neuronalevignette|Effets schématiques de la neuroplasticité après entraînement Plasticité neuronale, neuroplasticité ou encore plasticité cérébrale sont des termes génériques qui décrivent les mécanismes par lesquels le cerveau est capable de se modifier lors des processus de neurogenèse dès la phase embryonnaire ou lors d'apprentissages. Elle s’exprime par la capacité du cerveau de créer, défaire ou réorganiser les réseaux de neurones et les connexions de ces neurones. Le cerveau est ainsi qualifié de « plastique » ou de « malléable ».
Réseau du mode par défautvignette|Modèle anatomique et fonctionnel du réseau du mode par défaut (2019). Chaque gommette, par sa taille et sa couleur, indique l’importance de cette région dans le réseau en mode par défaut. VMPFC cortex préfrontal ventromédian, AMPFC cortex préfrontal antérieur médian, DPFC cortex préfrontal dorsal, PCC, cortex cingulaire postérieur, PPC cortex pariétal postérieur, C noyau caudé, Rsp cortex rétrospénial, T thalamus, BF cerveau antérieur basal, VLPFC cortex préfrontal ventro-latéral, Amy amygdale, MidB mésencéphale, PH région parahippocampique, MTG gyrus temporal, TP, pôle temporal, CbH hémisphère cérébelleux (cervelet), CbT tonsil cérébelleux.
Réseau de neurones récurrentsUn réseau de neurones récurrents (RNN pour recurrent neural network en anglais) est un réseau de neurones artificiels présentant des connexions récurrentes. Un réseau de neurones récurrents est constitué d'unités (neurones) interconnectées interagissant non-linéairement et pour lequel il existe au moins un cycle dans la structure. Les unités sont reliées par des arcs (synapses) qui possèdent un poids. La sortie d'un neurone est une combinaison non linéaire de ses entrées.
Système nerveuxthumb|Le système nerveux humain. Le système nerveux (ou système neuronal) est un système biologique animal responsable de la coordination des actions avec l'environnement extérieur et de la communication rapide entre les différentes parties du corps. Les êtres vivants dotés d'un système nerveux sont nommés eumétazoaires. Il exerce un contrôle sur l'ensemble du corps qui se traduit par des actes volontaires ou involontaires, et des sensations qui sont conscientes ou inconscientes.
Graphe sommet-connexeEn théorie des graphes, un graphe connexe . Un graphe autre qu'un graphe complet est de degré de sommet-connexité k s'il est k-sommet-connexe sans être k+1-sommet-connexe, donc si k est la taille du plus petit sous-ensemble de sommets dont la suppression déconnecte le graphe. Les graphes complets ne sont pas inclus dans cette version de la définition car ils ne peuvent pas être déconnectés en supprimant des sommets. Le graphe complet à n sommets est de degré de connexité n-1.
Aerobic exerciseAerobic exercise (also known as endurance activities, cardio or cardio-respiratory exercise) is physical exercise of low to high intensity that depends primarily on the aerobic energy-generating process. "Aerobic" is defined as "relating to, involving, or requiring oxygen", and refers to the use of oxygen to meet energy demands during exercise via aerobic metabolism adequately. Aerobic exercise is performed by repeating sequences of light-to-moderate intensity activities for extended periods of time.
Small-world networkA small-world network is a mathematical graph in which most nodes are not neighbors of one another, but the neighbors of any given node are likely to be neighbors of each other. Due to this, most neighboring nodes can be reached from every other node by a small number of hops or steps. Specifically, a small-world network is defined to be a network where the typical distance L between two randomly chosen nodes (the number of steps required) grows proportionally to the logarithm of the number of nodes N in the network, that is: while the global clustering coefficient is not small.
