Brainscape's Knowledge GenomeTM

Browse over 1 million classes created by top students, professors, publishers, and experts.


See full index

STS > STS CM 3 > Flashcards

STS CM 3 Flashcards

1
Q

Quelles sont les généralités de la radiomique ?

A
  • Augmentation de la numérisation de l’info médicale en données numériques (par données biologiques, compte rendu….)
  • Augmentation des données médicales
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Quelle est la conséquence de l’augmentation des données médicales par la radiomique ? Comment on fait pour la contrer ?

A
  • Le besoin de logiciels pour traiter cette quantité d’info
    On développe des IA qui permet une nouvelle approche dans des domaines variées (données, imagerie)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Quelles sont les techniques utilisées en radiomique ?

A
  • IA en deep learning ou machine learning
  • Big data
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Par quoi se caractérise les omiques ?

A
  • la structure, la fonction et la dynamique d’un ou plusieurs organismes
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

La radiomique est une approche quantitative ou qualitative ?

A

Quantitative d’extraction d’information de l’imagerie médicale par des méthodes mathématiques, pas nécessairement intuitives

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Quel est le but de la radiomique ?

A

Augmentation du nombre de logiciels et applications pour faciliter les tâches redondantes des cliniciens et aide pour la prise de décision

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Qu’est-ce que veut dire le terme big data ?

A

Il désigne de larges volumes, rapides, complexes de données nécessitant des technologies avancées qui permettent l’acquisition,
l’archivage, la distribution, l’utilisation et l’analyse de l’information

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Quels sont les différents types de omiques ?

A
  • La génomique (ADN)
  • La transcriptomique (ARN)
  • La protéomique (protéines)
  • La métabolomique (biochimie)
  • La radiomique (image médicale ?)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Les -omiques servent à quoi ?

A

Ils visent la caractérisation et la quantification des molécules biologiques
Ils sont utilisés pour décrire ou comprendre un phénotype

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Quels sont les différents types de modalités en radiomique ?

A
  • Modalité ultrasonore (échographie)
  • Modalité CT (scanner X)
  • Modalité RM (IRM
  • Modalité NM (médecine nucléaire)
  • Modalité PT (TEP)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

La radiomique est basée sur quoi ?

A
  • Le processus physiopathologique de la maladie est contenue dans l’image médicale
  • L’image peut contenir des informations imperceptible directement par l’œil
    humain
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Quels sont les moyens utilisés en radiomique ?

A
  • Extraction des info de la distribution spatiale des intensités contenues dans les pixels(2D)/voxels(3D)
  • Utilisation conjointe possible de l’intelligence artificielle (IA)
  • Le moyen de décrire la radiomique est la différences d’intensités, de forme, de texture seront quantifiées par la radiomique
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

L’analyse de la radiomique se fait sur quel type d’images ?

A

Sur des images en 2, 3 ou n dimensions

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Quel est le principe de l’imagerie médicale ?

A

Paramètre physique -> mesure -> affichage des infos dans l’espace sous forme d’image

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Est-ce que les infos issues des différentes modalités peuvent être croisées ?

A

Oui

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

C’est quoi une modalité ?

A

Processus physique ayant permis l’image médicale

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Quels sont les différents pratiques de l’imagerie médicale par rapport au principe ?

A
  • Echogénicité mesuré par US pour écho
  • Temps de relaxation mesuré par résonance magnétique pour IRM
  • Spectre visible mesuré par rayonnement électromagnétique pour endoscopie
  • Rayons X mesuré par rayonnement électromagnétique pour radiographie ou scanner X
  • Rayons gamma mesuré par rayonnement électromagnétique pour scintigraphie
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Est-ce que les rayons X et gamma sont de même nature ?

A

Oui

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Qu’est-ce que la luminance ?

A

C’est la valeurs d’intensité lumineuse par pixels

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Les valeurs d’intensités vont être codées sur quelle échelle ?

A

De gris par exemple

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Les petites valeurs d’intensités lumineuse codées sur une échelle de gris vont être de quelle couleur ?

A

Noir, gris foncé

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Les moyennes valeurs d’intensités lumineuse codées sur une échelle de gris vont être de quelle couleur ?

A

Gris

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Les grandes valeurs d’intensités lumineuse codées sur une échelle de gris vont être de quelle couleur ?

A

Blanc

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Qu’est-ce qui remplace la luminance dans la formation des images dans l’imagerie médicale ?

A

Le coefficient d’atténuation en scanner X

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Si on retrouve des valeurs en dessous de 0 ou au-dessus de 255 que fait-on ?

A

On les normalise.
Soit on met la dernière valeur à 0 et la plus haute à 255
Soit on met qu’une partie et donc toutes les valeurs en-dessous de celle-ci seront noir et au-dessus de la plus haute seront blanc

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Comment code-t-on les images en noir et blanc en binaire ?

A

Par 0 pour blanc et 1 pour noir

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Comment code-t-on les images avec des niveaux de gris ?

A

Ils prennent des valeurs entre 0 et 255

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Comment code-t-on les images en couleurs ?

A

Avec des triplets de 0 à 255 (rouge,vert,bleu)
255 = saturé
255 255 255 = blanc
0 0 0 = noir

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Est-il possible de coder des images en décimale ?

A

Oui

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Est-il possible de coder des images par des directions ?

A

Oui avec des vecteurs mais ça ne sera pas en couleurs ça sera des triplets : x,y,z

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Quels sont les différentes connexités en 2D ?

A
  • Juste le point discret (le point que l’on veut) (pas une connexité)
  • 4-connexité
  • 8- connexité
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Quelles sont les différentes connexités en 3D ?

A
  • 6-connexités
  • 18-connexités
  • 26-connexités
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Quelle est la base pour réaliser une radiomique ?

A

L’info doit être pertinente avant d’être extraite

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Quelles sont les étapes de la radiomique ?

A
  • Segmentation
  • Traitement de l’image
  • Extraction des infos
  • Réduction des dimensions
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

A quoi sert la segmentation

A

Elle permet de déterminer ou de délimiter la ou les zones d’intérêt de l’image ?

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

C’est quoi VOI ?

A

Un volume d’intérêt en segmentation pour les images en 3D

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Quelle est le principe de la segmentation ?

A

Ca consiste à générer un volume (de dimensions similaires au volume de l’image), dont chaque voxel contient l’information (par ex 0=autre,
1=tissu tumoral, 2=œdème, 3=nécrose,etc).

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

C’est quoi ROI ?

A

Une région d’intérêt en segmentation pour les images 2D

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Comment s’appelle les intervalles de luminance ?

A

Les bins

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Qu’est-ce qui se passe si on retrouve une info exclusive en segmentation ?

A

On peut générer plusieurs cartes de segmentation

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Est-ce qu’il existe de nombreux logiciels qui permettent la segmentation ?

A

Oui

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Quelles sont les différents types de segmentation ?

A

Manuelle
Semi-automatique
Automatique

16
Q

A quoi servent les bins ?

A

A savoir le nombre de pixels qui ont les valeurs de chaque bins

16
Q

La segmentation tumorale est-elle validée ?

A

Non pas encore

16
Q

Quelles sont les caractéristiques de la segmentation manuelle ?

A
  • Elle est très chronophage (demande de bcp de temps)
  • Le biais inter et intra-observateur est important
  • plusieurs extractions de texture sont sensibles
  • pour manuelle et semi-auto besoin de prouver bonne reproductibilité des mesures
16
Q

Est-ce qu’on retrouve du deep learning en segmentation ?

A

Oui, la plupart en open-source

16
Q

Quelles sont les caractéristiques de la segmentation automatique ?

A
  • Reproductibilité +++
  • Certains moins robustes sur des choses qu’ils n’ont pas appris
17
Q

Qu’est-ce qui se passe quand la ligne de quantification est au max ou au min ?

A

Max : la majeure partie de l’image est blanche
Min : la majeure partie de l’image est noire

17
Q

Qu’est-ce que permet la quantification ?

A

Elle permet de faire des fenêtres différentes

17
Q

Qu’est-ce que la range ?

A

Couverture de couleur de gris (en gros l’histogramme ?)

17
Q

Qu’est-ce qui se passe quand on change le nombre de bin d’une image ?

A

Quand on augmente le nombre, on obtient plus de nuances de gris
Quand on diminue on se retrouve avec une image en noir et blanc à force

17
Q

L’histogramme donne des informations sur l’agencement de l’information dans l’image ?

A

Non elle n’en donne aucune.
Car l’histogramme sera le même si on retourne l’image ou qu’on met les pixels dans le désordre

18
Q

Est-ce que l’histogramme est un critère de qualité ?

A

Oui

19
Q

Est-ce qu’on doit trouver un compromis entre efficacité et quantité dans la quantification ?

A

Oui

19
Q

Est-ce qu’en cas de sur ou de sous-exposition l’histogramme change ? Si oui comment ?

A

Oui il change
- En cas de sur-expo (image en plein soleil), l’histogramme se déplace vers la droite (trou dans l’emplacement des pixels foncés)
- En cas de sous-expo (image dans une pièce sombre), l’histogramme se déplace vers la gauche (trou dans l’emplacement des pixels clairs)

20
Q

L’axe des ordonnées des histogrammes est sur quelle type d’échelle ?

A

Sur une échelle logarithmique

21
Q

Que fait-on dans la segmentation sur la valeur maximale ?

A

On teste plusieurs seuils (%) pour voir lequel est le mieux pour délimiter la zone d’intérêt

21
Q

Que donne l’histogramme d’une image en couleur ?

A

On voit 3 histogrammes superposés avec l’échelle du canal bleu qui est différente du rouge/vert

21
Q

A quoi correspondent les pourcentages sur la segmentation sur la valeur maximale ?

A

C’est le % de la valeur max locale

22
Q

Quelles sont les différentes fausses couleurs sur une échelle de gris ?

A
  • Viridis
  • Jet
  • Binary
  • Gray
22
Q

Que permet le choix de bin ?

A

De modifier la largueur de l’histogramme

23
Q

C’est quoi un histogramme semi-logarithmique ?

A

On a zoomé l’histogramme
On retrouve donc entre 0 et 50, les bruits de fond
Et > à 100 les choses représentées

24
Q

On retrouve combien de seuils absolus dans le DMSA ? Lesquels ?

A

6
- 20
- 30
- 40
- 50
- 60
- 80

25
Q

Différence entre les seuils absolus et relatifs ?

A

Absolus = nombre entier
Relatifs = nombre décimal (c’est mieux souvent)

25
Q

Que permet la méthode d’Otsu ?

A

De trouver un seuil optimal sur une image

25
Q

Que permet le rééchantillonnage ?

A

C’est pour faire un voxel isotrope (cubique) avec des interpolations

26
Q

Quelles sont les méthodes d’interpolations en 1D ?

A
  • Interpolation au plus proche voisin
  • Interpolation linéaire
  • Interpolation cubique
    Dans les 2 dernières, valeurs (non-mesurée) calculées
26
Q

Quand on quantifie et échantillonne une image en 1D, on retrouve quoi ?

A

Un minimum quantifiable
Une période d’échantillonage

27
Q

Quelles sont les méthodes d’interpolations en 2D ?

A
  • Interpolation au plus proche voisin
  • Interpolation bilinéaire
  • Interpolation bicubique
28
Q

Peut-on rajouter des fausses couleurs à des interpolations ?

A

Oui cela permet de mieux voir

28
Q

Que permet des interpolations ?

A

De mettre des valeurs intermédiaires

29
Q

L’échantillonage se fait comment en 1D ?

A

En temps ou en espace

30
Q

L’interpolation modifie l’histogramme ?

A

Oui

30
Q

Que se passe-t-il si on divise l’échantillonnage ?

A

On perd de l’info et l’image devient plus flou
Il faut donc expérimenter pour éviter de perdre de l’info utile mais en enlevant les inutiles

30
Q

La quantification en 2D permet quoi ?

A

Elle permet de donner le nombre de niveaux de gris affichés
Quand 2 valeurs = binarisation de l’image (noir et blanc)

30
Q

La quantification fait quoi principalement ?

A

Elle discrétise le signal

30
Q

Que se passe t’il si on augmente l’écart-type d’un bruit en 1D ? Et la moyenne ?

A

Quand on augmente l’écart-type, le signal a de plus en plus de perturbations
Quand on augmente la moyenne, on surélève de plus en plus le signal

30
Q

On retrouve quels types de bruits en 2D ?

A

Du bruit gaussien (d’autres existent (rose, blanc….)

30
Q

Le signal est ? Le bruit est ?

A

Le signal est l’info
Le bruit est une perturbation (altère qualité de l’info)

30
Q

La discrétisation est caractérisée par quoi ?

A
  • Par l’étendue
  • Par le nombre d’intervalles
  • Par la taille de chaque intervalle
30
Q

Que se passe-t-il quand on augmente la moyenne ou l’écart-type d’un bruit en 2D ?

A

Quand on augmente l’écart-type, le brouillage de l’image augmente
Quand on augmente la moyenne, l’intensité de l’image augmente

31
Q

Généralement dans la discrétisation ?

A
  • L’étendue est conservé des données d’origine
  • Fixer le nombre d’intervalle, d’autant que la modalité utilise des valeurs d’intensité relatives (p. ex IRM)
  • Fixer la taille des intervalles (p. ex pour les images TEP)
31
Q

Quelle est le principe de l’extraction des images ?

A

Cette étape consiste à calculer les paramètres issus des niveaux de gris segmentés au niveau des ROI/VOI

31
Q

Quelles sont les paramètres de l’extraction ?

A

Basé sur l’intensité des niveaux de gris (histogramme, forme)
Basé sur la distribution spatiale des intensités

31
Q

Qu’est-ce qui se passe si les intervalles sont trop larges ou trop fins ?

A

Si trop larges (donc peu nombreux) : des textures peuvent être perdues
Si trop fins (donc trop nombreux) : les textures peuvent être mélanger au bruit

31
Q

Quelles sont les statistiques du 1er ordre ? D’où viennent-ils ?

A

Ils sont issus de l’histogramme des valeurs
On a le minimum, maximum, moyenne
On a le pic local
L’écart-type
La forme

31
Q

Est-il possible d’appliquer des filtres durant l’extraction ?

A

Oui

32
Q

D’où viennent les matrices de texture ?

A

Des matrices en niveau de gris

32
Q

Plus l’écart-type est moindre, moins ?

A

Moins il y a de bruit

32
Q

Qu’est-ce que la forme ?

A

Il s’agit d’un descriptif qui permet de mesurer la forme de la structure segmentée.

33
Q

L’irrégularité des contours peut traduire quoi ?

A

Une extension anarchique d’un processus tumoral au sein des tissus normaux
MAIS PAS TOUJOURS

33
Q

Existe-t-il de nombreux paramètres de formes ?

A

Oui

34
Q

Combien existe-t-il de paramètres de statistiques du 1er ordre ?

A

19

35
Q

Que permet les descripteurs de matrice ?

A

Ils sont très nombreux et permettent d’extraire les textures de la matrice dépendant des niveaux de gris,
Ou bien de la matrice de co-occurence qui
permet de caractériser la périodicité et la directivité des textures.

36
Q

Pourquoi fait-on de la réduction de données ?

A

Trop de paramètres risquent d’amener au phénomène de surapprentissage.
Il peut donc être nécessaire de réduire la dimension des données : exclure les
données redondantes, non reproductibles, sans intérêt.

37
Q

Comment sélectionne-t-on les variables pertinentes ?

A

La plupart des algorithmes reposent sur des algorithmes de machine learning.
La vérification de corrélation entre les nombreuses variables : utilisation de clusters de corrélations.

37
Q

Les paramètres restant, non corrélés, significatifs, des textures, sont utilisés pour ?

A

L’entraînement d’une partie des données

38
Q

La radiomique a montré un potentiel pour ?

A

Le diagnostic, le pronostic et la prédiction de la réponse thérapeutique.

38
Q

Quelles sont les limitations de la radiomique ?

A
  • Les études doivent porter sur une question clinique
  • Le manque de standardisation
  • Les études actuelles sont rétrospectives pour la plupart
  • Une texture donnée pour une pathologie n’est pas forcément utilisable pour une autre pathologie
38
Q

Quelles sont les facteurs influençant les modalités TDM et TEP-TDM ?

A
  • La taille des voxels
  • La reconstruction de la TDM
  • Le filtre lisseur utilisé en TEP
39
Q

La radiomique en IRM est possible ?

A

Pas trop car le voxel est anisotrope

40
Q

Les données en radiomique peuvent servir à quoi ?

A

Alimenter des réseaux neuronaux d’intelligence artificielle

41
Q

La radiomique peut être qualifiée de biomarqueur au même plan qu’un
dosage sanguin ?

A

Oui

42
Q

Le manque de standardisation cause quoi ?

A

La radiomique ne peut pas être utilisée en routine à l’heure actuelle

STS (14 decks)

Brainscape helps you reach your goals faster, through stronger study habits.
© 2024 Bold Learning Solutions. Terms and Conditions