CAMCCO-L
Communauté de pratique d’intelligence artificielle en santé: de la recherche à l’application
Structuration des données de santé pour l’IA: Modèle de données historicisées pour les systèmes de santé apprenants.
En savoir plusStanford Institute for Human-Centered Artificial Intelligence (HAI)
AI + Health online conference
En savoir plusLa qualité des données de santé ? Pour qui ? Pour quoi ? Comment s'y prendre ?
En savoir plusLe projet de Mariame Gnéré Coulibaly porte sur le développement d’un outil de prédiction des bactéries hôtes des phages par apprentissage automatique (AA). Le premier objectif consiste à développer un outil d’AA pour identifier les paires bactérie-phage à partir des séquences d’espaceurs CRISPR (courtes répétitions palindromiques groupées et régulièrement espacées) retrouvées dans les génomes bactériens, qui sont des fragments de génomes de phages ayant infecté la bactérie.
Le projet de Fadwa Mehdaoui porte sur l’analyse des interactions entre les bactéries et leurs virus, les phages, dans le microbiote à partir de données de métagénomique couplées à des méthodes de bioinformatique et d’apprentissage automatique.
Leonardo Di Schiavi Trotta
Candidat au doctorat
Faculté des sciences et de génie
Université Laval
La tomodensitométrie (TDM) à double énergie a le potentiel de mieux caractériser les matériaux. Cette modalité permet d’obtenir des données plus justes sur la nature des tissus présents dans l'anatomie humaine. La présence d'éléments de haute densité (par exemple la région de l'épaule, la fosse postérieure, les inserts métalliques, etc.) dans le sujet scanné entraîne une détérioration de la qualité de l'image CT (par exemple des artéfacts de durcissement du faisceau). La nature polychromatique du faisceau de rayons X utilisé dans les scanners CT est à l'origine de certains de ces artéfacts.
Dans ce travail, nous proposons un modèle de projection polychromatique riche en physique qui utilise les informations du spectre, la réponse du détecteur, la géométrie du filtre et une courbe de calibration. Ce modèle est intégré dans un algorithme de reconstruction itératif et réduit intrinsèquement les artéfacts de durcissement du faisceau. Avec les acquisitions à double énergie, il est possible de reconstruire des images quantitatives, avec des informations sur le numéro atomique effectif et la densité électronique. En outre, diverses techniques de reconstruction sont explorées, de sorte que des images de haute qualité peuvent être obtenues avec moins d'artéfacts, améliorant ainsi la caractérisation et l'identification des éléments dans l'image.
Découvrir
Projet en vedette
Le cancer de la prostate est le deuxième cancer le plus fréquent et la cinquième cause de décès par cancer chez les hommes. Pour améliorer les résultats de santé des patients, le traitement doit être personnalisé en se basant sur un pronostic précis. Il existe déjà des nomogrammes permettant d’identifier les patients à faible risque de récidive sur la base d’informations cliniques préopératoires, mais ces outils n’utilisent pas les images médicales des patients.