Corpus complet

Articles

3 articles, page 1 sur 1, triés par date de publication.

Filtres actifs
Hôpital×Intelligence artificielle×90 jours×
Classification multiaxialeCombinez un trouble, une fonction, une population, un contexte ou une intervention.
Troubles et conditions neurodéveloppementales1
TND non spécifié1
Profils et populations d’intérêt1
Groupe témoin1
Fonctions et dimensions cliniques5
Audition1Coordination1Langage expressif1Motricité globale1Parole et phonologie1
Population et étape de vie4
Adolescence1Adulte1Enfance1Plusieurs étapes de vie1
Contextes de vie et facteurs environnementaux2
Hôpital3Institution ou hébergement collectif1
Évaluation, intervention et accompagnement4
Intelligence artificielle3Instrument d’évaluation3Évaluation diagnostique2Repérage et dépistage1
Type et statut de la publication6
Étude de performance diagnostique2Validation d’instrument2Résumé uniquement2Accès ouvert1Étude transversale1Publié avec évaluation par les pairs1
Limites méthodologiques repérées3
Généralisation limitée2Limites non déterminées2Petit échantillon2
Fiabilité source
Source tier 13
Résumé
Avec résumé3
Date
7 jours30 jours90 jours
Tri
RécentAncien
Effacer
Parole et phonologieSource tier 1

Diagnostic de l'hypernasalité assisté par intelligence artificielle à partir d'échantillons de parole évalués par le CAPS-A-AM dans la dysfonction vélopharyngée pédiatriqueArtificial Intelligence-Based Hypernasality Diagnosis Using CAPS-A-AM Rated Speech Samples in Pediatric Velopharyngeal Dysfunction.

Parole et phonologieLangage expressifAuditionEnfanceAdolescence
Non déterminableRobustesse méthodologiquePubMed — neurosciences cognitives developpementalesSourceDOIRéférence disponible

Cette étude prospective monocentrique a développé un algorithme préliminaire de détection de l'hypernasalité par apprentissage automatique à partir de spectrogrammes mel de voyelles hautes (/i/ et /u/) extraits de voyelles soutenues, de mots isolés et de phrases, chez 40 enfants âgés de 2 à 17 ans présentant une dysfonction vélopharyngée, des conditions asso...

Validation d’instrumentSource tier 1

Évaluation clinique automatisée de la démarche basée sur l'apprentissage profond à partir de données cinématiques chez les personnes victimes d'AVC : étude de développement et de validation.Deep Learning-Based Automated Clinical Gait Assessment From Kinematic Data in People With Stroke: Development and Validation Study.

Groupe témoinMotricité globaleCoordinationAdulteHôpital
Non déterminableRobustesse méthodologiquePubMed — neurosciences cognitives developpementalesSourceDOIRéférence disponible

Cette étude valide un cadre d'apprentissage profond (STAT-GCN) pour automatiser l'évaluation clinique de la démarche chez 51 personnes avec AVC hémiparétique et 18 témoins sains, à partir de données cinématiques issues de centrales inertielles. Les scores de l'échelle de démarche du Wisconsin (WGS) établis par deux kinésithérapeutes expérimentés servent de r...

Évaluation diagnostiqueSource tier 1

FedFound : un modèle de base fédéré pour l'analyse du connectome morphologique cérébral tout au long de la vieFedFound: a federated foundation model for lifespan brain morphological connectome analysis.

TND non spécifiéPlusieurs étapes de vieHôpitalInstitution ou hébergement collectifÉvaluation diagnostique
Non déterminableRobustesse méthodologiquePubMed / PMC — neurodeveloppement open accessSourceDOIRéférence disponible

FedFound est le premier modèle fondation fédéré pour l'analyse du connectome morphologique cérébral, s'inspirant du parcours structuré de formation des radiologues. Intégrant des données hétérogènes de 22 911 sujets (0-100 ans) provenant de plusieurs sites et troubles, il combine pré-apprentissage auto-supervisé et raffinement supervisé fédéré. Sur neuf tâch...