FRINK Linked Data Fragments server

Matches in SemOpenAlex for { <https://semopenalex.org/work/W2912441434> ?p ?o ?g. }

• W2912441434 endingPage "129" @default.
• W2912441434 startingPage "119" @default.
• W2912441434 abstract "Les techniques d’intelligence artificielle et en particulier les réseaux de neurones profonds (Deep Learning) sont en pleine émergence dans le domaine biomédical. Les réseaux de neurones s’inspirent du modèle biologique, ils sont interconnectés entre eux et suivent des modèles mathématiques. Lors de l’utilisation des réseaux de neurones artificiels, deux phases sont nécessaires : une phase d’apprentissage et une phase d’exploitation. Les deux principales applications sont la classification et la régression. Des outils informatiques comme les processeurs graphiques accélérateurs de calcul ou des bibliothèques de développement spécifiques ont donné un nouveau souffle à ces techniques. Leur champ d’application est vaste et permet la gestion de données de masse (Big data) en génomique et biologie moléculaire ainsi que l’analyse automatisée de lames histologiques grâce aux techniques de numérisation réalisées à l’aide de scanners de lames de type Whole Slide Image. Le Whole Slide Image scanner peut acquérir et stocker des lames de microscopie sous forme d’image numériques. Cette numérisation associée aux algorithmes de deep learning permet une reconnaissance automatique des lésions grâce à l’identification de régions d’intérêt, validées au préalable par le pathologiste. Ces techniques d’aide assistée par ordinateur sont testées en particulier en pathologie mammaire et dermatologique. Elles permettront, associées aux données cliniques, radiologiques et de biologie moléculaire, une vision plus globale et performante, et réaliseront une aide au diagnostic en pathologie. Artificial Intelligence, in particular deep neural networks are the most used machine learning technics in the biomedical field. Artificial neural networks are inspired by the biological neurons; they are interconnected and follow mathematical models. Two phases are required: a learning and a using phase. The two main applications are classification and regression Computer tools such as GPU computational accelerators or some development tools such as MATLAB libraries are used. Their application field is vast and allows the management of big data in genomics and molecular biology as well as the automated analysis of histological slides. The Whole Slide Image scanner can acquire and store slides in the form of digital images. This scanning associated with deep learning algorithms allows automatic recognition of lesions through the automatic recognition of regions of interest previously validated by the pathologist. These computer aided diagnosis techniques are tested in particular in mammary pathology and dermatopathology. They will allow an efficient and a more comprehensive vision, and will provide diagnosis assistance in pathology by correlating several biomedical data such as clinical, radiological and molecular biology data." @default.
• W2912441434 created "2019-02-21" @default.
• W2912441434 creator A5043215670 @default.
• W2912441434 creator A5052896797 @default.
• W2912441434 creator A5070649098 @default.
• W2912441434 creator A5072885718 @default.
• W2912441434 date "2019-04-01" @default.
• W2912441434 modified "2023-10-10" @default.
• W2912441434 title "Intelligence artificielle : quel avenir en anatomie pathologique ?" @default.
• W2912441434 cites W2002882918 @default.
• W2912441434 cites W2282915343 @default.
• W2912441434 cites W2470965540 @default.
• W2912441434 cites W2496743627 @default.
• W2912441434 cites W2502949459 @default.
• W2912441434 cites W2504150216 @default.
• W2912441434 cites W2515717359 @default.
• W2912441434 cites W2516333753 @default.
• W2912441434 cites W2549155062 @default.
• W2912441434 cites W2561981131 @default.
• W2912441434 cites W2604318649 @default.
• W2912441434 cites W2607841056 @default.
• W2912441434 cites W2751723768 @default.
• W2912441434 cites W2753311165 @default.
• W2912441434 cites W2768956845 @default.
• W2912441434 cites W2769569970 @default.
• W2912441434 cites W2771248105 @default.
• W2912441434 cites W2789367970 @default.
• W2912441434 cites W2894398812 @default.
• W2912441434 cites W2897434820 @default.
• W2912441434 cites W2964004560 @default.
• W2912441434 cites W3172077681 @default.
• W2912441434 doi "https://doi.org/10.1016/j.annpat.2019.01.004" @default.
• W2912441434 hasPubMedId "https://pubmed.ncbi.nlm.nih.gov/30773224" @default.
• W2912441434 hasPublicationYear "2019" @default.
• W2912441434 type Work @default.
• W2912441434 sameAs 2912441434 @default.
• W2912441434 citedByCount "19" @default.
• W2912441434 countsByYear W29124414342019 @default.
• W2912441434 countsByYear W29124414342020 @default.
• W2912441434 countsByYear W29124414342021 @default.
• W2912441434 countsByYear W29124414342022 @default.
• W2912441434 countsByYear W29124414342023 @default.
• W2912441434 crossrefType "journal-article" @default.
• W2912441434 hasAuthorship W2912441434A5043215670 @default.
• W2912441434 hasAuthorship W2912441434A5052896797 @default.
• W2912441434 hasAuthorship W2912441434A5070649098 @default.
• W2912441434 hasAuthorship W2912441434A5072885718 @default.
• W2912441434 hasBestOaLocation W29124414341 @default.
• W2912441434 hasConcept C121332964 @default.
• W2912441434 hasConcept C142362112 @default.
• W2912441434 hasConcept C154945302 @default.
• W2912441434 hasConcept C15708023 @default.
• W2912441434 hasConcept C41008148 @default.
• W2912441434 hasConceptScore W2912441434C121332964 @default.
• W2912441434 hasConceptScore W2912441434C142362112 @default.
• W2912441434 hasConceptScore W2912441434C154945302 @default.
• W2912441434 hasConceptScore W2912441434C15708023 @default.
• W2912441434 hasConceptScore W2912441434C41008148 @default.
• W2912441434 hasIssue "2" @default.
• W2912441434 hasLocation W29124414341 @default.
• W2912441434 hasLocation W29124414342 @default.
• W2912441434 hasLocation W29124414343 @default.
• W2912441434 hasLocation W29124414344 @default.
• W2912441434 hasLocation W29124414345 @default.
• W2912441434 hasLocation W29124414346 @default.
• W2912441434 hasOpenAccess W2912441434 @default.
• W2912441434 hasPrimaryLocation W29124414341 @default.
• W2912441434 hasRelatedWork W2271181815 @default.
• W2912441434 hasRelatedWork W2902782467 @default.
• W2912441434 hasRelatedWork W2935759653 @default.
• W2912441434 hasRelatedWork W3105167352 @default.
• W2912441434 hasRelatedWork W3148032049 @default.
• W2912441434 hasRelatedWork W54078636 @default.
• W2912441434 hasRelatedWork W1501425562 @default.
• W2912441434 hasRelatedWork W2298861036 @default.
• W2912441434 hasRelatedWork W2954470139 @default.
• W2912441434 hasRelatedWork W3084825885 @default.
• W2912441434 hasVolume "39" @default.
• W2912441434 isParatext "false" @default.
• W2912441434 isRetracted "false" @default.
• W2912441434 magId "2912441434" @default.
• W2912441434 workType "article" @default.