DELPHIDay - Perrine Paul-Gilloteaux - L'Intelligence Artificielle à l'échelle des cellules
| Action | Key |
|---|---|
| Play / Pause | K or space |
| Mute / Unmute | M |
| Toggle fullscreen mode | F |
| Select next subtitles | C |
| Select next audio track | A |
| Show slide in full page or toggle automatic source change | V |
| Seek 5s backward | left arrow |
| Seek 5s forward | right arrow |
| Seek 10s backward | shift + left arrow or J |
| Seek 10s forward | shift + right arrow or L |
| Seek 60s backward | control + left arrow |
| Seek 60s forward | control + right arrow |
| Decrease volume | shift + down arrow |
| Increase volume | shift + up arrow |
| Decrease playback rate | shift + comma |
| Increase playback rate | shift + dot or shift + semicolon |
| Seek to end | end |
| Seek to beginning | beginning |
Si vous êtes abonné aux notifications, un e-mail vous sera envoyé pour toutes les annotations ajoutées.
Votre compte utilisateur n'a pas d'adresse e-mail.
Informations sur ce média
Perrine Paul-Guilloteaux, Ingénieure de Recherche, CNRS - Nantes Université, UAR Biocore - micropicell
Spécialisée dans la vision par ordinateur pour les techniques d'imagerie qui permettent de visualiser le vivant à différentes échelles et de voir différents mécanismes biologiques, imagerie multimodale et corrélative
L'Intelligence Artificielle à l'échelle des cellules
Les progrès récents en imagerie cellulaire (par exemple deux prix Nobels ont été décernés à des chercheurs pour leurs techniques de microscopie depuis 2015) ouvrent l’accès à de nouvelles données. L’observation au niveau cellulaire et subcellulaire de tissus ou de modèles cellulaire ou plus complexes comme les organoïdes permet ainsi de mieux comprendre les mécanismes sous-jacents de certaines maladies, mais également de réfléchir à de nouveaux outils de diagnostic, par exemple dans le cadre du diagnostic du myélome multiple ou de la viabilité des embryons pour la fécondation in vitro. Le nouveau défi aujourd’hui est la création d’intelligences artificielles adaptées à l’analyse automatique de ces données volumineuses et multidimensionnelles, ainsi que la combinaison des différentes échelles d’observation entre elles pour une vue holistique des phénomènes étudiés. En particulier l’imagerie corrélative permet de fusionner les informations afin de renforcer la caractérisation des populations cellulaires, mais également de valider ou d’entraîner des classifications par IA. L’IA ouvre également une voie pour acquérir ces données de manière plus ciblée, en automatisant les acquisitions pour détecter et se concentrer sur les régions et les évènements d’intérêts. Ces avancées technologiques offrent des opportunités passionnantes pour l'avancement de la recherche biomédicale et l'amélioration des diagnostics médicaux.