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 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.
TomodensitométrieLa tomodensitométrie (TDM), dite aussi scanographie, tomographie axiale calculée par ordinateur (TACO), CT-scan (CT : computed tomography), CAT-scan (CAT : computer-assisted tomography), ou simplement scanner ou scanneur pour l'appareil, est une technique d' qui consiste à mesurer l'absorption des rayons X par les tissus puis, par traitement informatique, à numériser et enfin reconstruire des images 2D ou 3D des structures anatomiques.
Segmentation d'imageLa segmentation d'image est une opération de s consistant à détecter et rassembler les pixels suivant des critères, notamment d'intensité ou spatiaux, l'image apparaissant ainsi formée de régions uniformes. La segmentation peut par exemple montrer les objets en les distinguant du fond avec netteté. Dans les cas où les critères divisent les pixels en deux ensembles, le traitement est une binarisation. Des algorithmes sont écrits comme substitut aux connaissances de haut niveau que l'homme mobilise dans son identification des objets et structures.
Physique de l'imagerie par résonance magnétiquedroite|vignette|300x300px| Scanner IRM clinique 3 tesla moderne. La physique de l'imagerie par résonance magnétique (IRM) concerne les considérations physiques fondamentales des techniques d' et les aspects technologiques des appareils d'IRM. L'IRM est une technique d' principalement utilisée en radiologie et en médecine nucléaire afin d'étudier l'anatomie et la physiologie du corps et de détecter des pathologies telles que les tumeurs, l'inflammation, les affections neurologiques telles que les accidents vasculaires cérébraux (AVC), les troubles des muscles, des articulations et les anomalies du cœur et vaisseaux sanguins, entre autres.
Système de transmission flexible en courant alternatifUn système de transmission flexible en courant alternatif, plus connu sous l'acronyme anglais de FACTS (pour Flexible Alternating Current Transmission System) est un équipement d'électronique de puissance d'appoint utilisé pour contrôler la répartition des charges dans le réseau en améliorant ainsi la capacité de transit et en réduisant les pertes, pour contrôler la tension en un point ou assurer la stabilité dynamique des réseaux de transmission d'électricité et des groupes de productions qui y sont connec
Transport d'énergie électriquevignette|Lignes électriques de en courant triphasé reliant le barrage de Grand Coulee au réseau électrique. Le transport d'énergie électrique est le mouvement massif d'énergie électrique d'un site de production, tel qu'une centrale électrique, à un poste électrique. Les lignes interconnectées qui facilitent ce mouvement forment le réseau de transport. Celui-ci est distinct du câblage local entre les sous-stations à haute tension et les clients, qui forme la distribution d'énergie électrique.
Deep image priorDeep image prior is a type of convolutional neural network used to enhance a given image with no prior training data other than the image itself. A neural network is randomly initialized and used as prior to solve inverse problems such as noise reduction, super-resolution, and inpainting. Image statistics are captured by the structure of a convolutional image generator rather than by any previously learned capabilities.
Super-résolutionEn traitement du signal et en , la super-résolution désigne le processus qui consiste à améliorer la résolution spatiale, c'est-à-dire le niveau de détail, d'une image ou d'un système d'acquisition. Cela regroupe des méthodes matérielles qui visent à contourner les problèmes optiques et autres difficultés physiques rencontrées lors de l'acquisition d'image, ainsi que des techniques algorithmiques qui, à partir d'une ou de plusieurs images déjà capturées, créent une image de meilleure résolution.
Redimensionnement d'imageLe redimensionnement, ou la mise à l'échelle, est une transformation applicable à une qui consiste à en modifier la taille, que ce soit pour l'agrandir ou pour la rétrécir, comme le ferait un zoom. Le redimensionnement existe aussi bien pour les , où il n'implique aucune perte de qualité, que pour les , où il est moins trivial et entraîne des effets indésirables et une perte de qualité. La méthode la plus simple pour réduire la résolution d'une image est de la sous-échantillonner.
Apprentissage par renforcement profondL'apprentissage par renforcement profond (en anglais : deep reinforcement learning ou deep RL) est un sous-domaine de l'apprentissage automatique (en anglais : machine learning) qui combine l'apprentissage par renforcement et l'apprentissage profond (en anglais : deep learning). L'apprentissage par renforcement considère le problème d'un agent informatique (par exemple, un robot, un agent conversationnel, un personnage dans un jeu vidéo, etc.) qui apprend à prendre des décisions par essais et erreurs.
Iterative reconstructionIterative reconstruction refers to iterative algorithms used to reconstruct 2D and 3D images in certain imaging techniques. For example, in computed tomography an image must be reconstructed from projections of an object. Here, iterative reconstruction techniques are usually a better, but computationally more expensive alternative to the common filtered back projection (FBP) method, which directly calculates the image in a single reconstruction step.
Tomographic reconstructionTomographic reconstruction is a type of multidimensional inverse problem where the challenge is to yield an estimate of a specific system from a finite number of projections. The mathematical basis for tomographic imaging was laid down by Johann Radon. A notable example of applications is the reconstruction of computed tomography (CT) where cross-sectional images of patients are obtained in non-invasive manner.
Microscopie électronique en transmissionvignette|upright=1.5|Principe de fonctionnement du microscope électronique en transmission. vignette|Un microscope électronique en transmission (1976). La microscopie électronique en transmission (MET, ou TEM pour l'anglais transmission electron microscopy) est une technique de microscopie où un faisceau d'électrons est « transmis » à travers un échantillon très mince. Les effets d'interaction entre les électrons et l'échantillon donnent naissance à une image, dont la résolution peut atteindre 0,08 nanomètre (voire ).
Microscopie à super-résolutionLa microscopie à super-résolution est un ensemble de techniques permettant d'imager en microscopie optique des objets à une résolution à l’échelle nanométrique. Elle se démarque par le fait que la résolution obtenue n'est plus limitée par le phénomène de diffraction. Du fait de la diffraction de la lumière, la résolution d’un microscope optique conventionnel est en principe limitée, indépendamment du capteur utilisé et des aberrations ou imperfections des lentilles.
Q-learningvignette|400x400px|Dans le Q-learning, l'agent exécute une action a en fonction de l'état s et d'une fonction Q. Il perçoit alors le nouvel état s' et une récompense r de l'environnement. Il met alors à jour la fonction Q. Le nouvel état s' devient alors l'état s, et l'apprentissage continue. En intelligence artificielle, plus précisément en apprentissage automatique, le Q-learning est un algorithme d'apprentissage par renforcement. Il ne nécessite aucun modèle initial de l'environnement.
Compensateur statique d'énergie réactiveUn compensateur statique d'énergie réactive (en anglais SVC, Static VAR Compensator, en français parfois CER ou CSPR), est un dispositif de l'électronique de puissance destiné à compenser la circulation de puissance réactive sur les réseaux électriques. Il fait partie du groupe des FACTS. thumb|Schéma unifilaire typique Il est composé : d'un banc de condensateurs, fixe ou commutable de façon discrète, qui fournit du réactif.
Imagerie par résonance magnétique fonctionnellethumb|Détection par l'IRMf de l'activation des régions du cerveau impliquées dans la perception visuelle. L’imagerie par résonance magnétique fonctionnelle (IRMf) est une application de l' permettant de visualiser, de manière indirecte, l'activité cérébrale. Il s'agit d'une technique d'imagerie utilisée pour l'étude du fonctionnement du cerveau. Elle consiste à enregistrer des variations hémodynamiques (variation des propriétés du flux sanguin) cérébrales locales minimes, lorsque ces zones sont stimulées.
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).
Cryomicroscopie électroniquevignette|Un microscope électronique en transmission (2003). La cryomicroscopie électronique (cryo-ME) correspond à une technique particulière de préparation d’échantillons biologiques utilisée en microscopie électronique en transmission. Développée au début des années 1980, cette technique permet de réduire les dommages d’irradiation causés par le faisceau d’électrons. Elle permet également de préserver la morphologie et la structure des échantillons.
