Training deep convolutional architectures for vision

Les tâches de vision artificielle telles que la reconnaissance d’objets demeurent irrésolues à ce jour. Les algorithmes d’apprentissage tels que les Réseaux de Neurones Artificiels (RNA), représentent une approche prometteuse permettant d’apprendre des caractéristiques utiles pour ces tâches. Ce processus d’optimisation est néanmoins difficile. Les réseaux profonds à base de Machine de Boltzmann Restreintes (RBM) ont récemment été proposés afin de guider l’extraction de représentations intermédiaires, grâce à un algorithme d’apprentissage non-supervisé. Ce mémoire présente, par l’entremise de trois articles, des contributions à ce domaine de recherche. Le premier article traite de la RBM convolutionelle. L’usage de champs réceptifs locaux ainsi que le regroupement d’unités cachées en couches partageant les même paramètres, réduit considérablement le nombre de paramètres à apprendre et engendre des détecteurs de caractéristiques locaux et équivariant aux translations. Ceci mène à des modèles ayant une meilleure vraisemblance, comparativement aux RBMs entraînées sur des segments d’images. Le deuxième article est motivé par des découvertes récentes en neurosciences. Il analyse l’impact d’unités quadratiques sur des tâches de classification visuelles, ainsi que celui d’une nouvelle fonction d’activation. Nous observons que les RNAs à base d’unités quadratiques utilisant la fonction softsign, donnent de meilleures performances de généralisation. Le dernière article quand à lui, offre une vision critique des algorithmes populaires d’entraînement de RBMs. Nous montrons que l’algorithme de Divergence Contrastive (CD) et la CD Persistente ne sont pas robustes : tous deux nécessitent une surface d’énergie relativement plate afin que leur chaîne négative puisse mixer. La PCD à "poids rapides" contourne ce problème en perturbant légèrement le modèle, cependant, ceci génère des échantillons bruités. L’usage de chaînes tempérées dans la phase négative est une façon robuste d’adresser ces problèmes et mène à de meilleurs modèles génératifs.

The lived experience of diagnosis delivery in motor neurone disease: A sociological-phenomenological study

Relatively few previous studies of individuals receiving a diagnosis of Motor Neurone Disease within the UK health care system have employed qualitative approaches to examine the diagnostic journey from a patient perspective. A qualitative sociological study was undertaken, involving interviews with 42 participants diagnosed with MND, to provide insight into their experiences of undergoing testing and receiving a diagnosis. Adopting a sociological-phenomenological perspective, this article examines key themes that emerged from participant accounts surrounding the lived experience of the diagnostic journey. The key themes that emerged were: The diagnostic quest; living with uncertainty; hearing bad news; communication difficulties; and a reified body of medical interest. In general, doctor-patient communication both at pre and post diagnosis was experienced as highly stressful, distressing and profoundly upsetting. Participants reported such distress as being due to the mode of delivery and communication strategies used by health professionals. We therefore suggest that professional training needs to emphasize the importance to health professionals of fostering greater levels of tact, sensitivity and empathy towards patients diagnosed with devastating, life-limiting illnesses such as MND.

Overexpression of neurone glial-related cell adhesion molecule is an independent predictor of poor prognosis in advanced colorectal cancer

A downstream target of the Wnt pathway, neurone glial-related cell adhesion molecule (Nr-CAM) has recently been implicated in human cancer development. However, its role in colorectal cancer (CRC) pathobiology and clinical relevance remains unknown. In this study, we examined the clinical significance of Nr-CAM protein expression in a retrospective series of 428 CRCs using immunohistochemistry and tissue microarrays. Cox proportional hazards regression was used to calculate hazard ratios (HR) of mortality according to various clinicopathological features and molecular markers. All CRC samples were immunoreactive for Nr-CAM protein expression, compared to 10 / 245 (4%) matched normal tissue (P <0.0001). Of 428 CRC samples, 97 (23%) showed Nr-CAM overexpression, which was significantly associated with nodal (P = 0.012) and distant (P = 0.039) metastasis, but not with extent of local invasion or tumor size. Additionally, Nr-CAM overexpression was associated with vascular invasion (P = 0.0029), p53 expression (P = 0.036), and peritoneal metastasis at diagnosis (P = 0.013). In a multivariate model adjusted for other clinicopathological predictors of survival, Nr-CAM overexpression correlated with a significant increase in disease-specific (HR 1.66; 95% confidence interval 1.11-2.47; P = 0.014) and overall mortality (HR 1.57; 95% confidence interval 1.07-2.30; P = 0.023) in advanced but not early stage disease. Notably, 5-fluorouracil-based chemotherapy conferred significant survival benefit to patients with tumors negative for Nr-CAM overexpression but not to those with Nr-CAM overexpressed tumors. In conclusion, Nr-CAM protein expression is upregulated in CRC tissues. Nr-CAM overexpression is an independent marker of poor prognosis among advanced CRC patients, and is a possible predictive marker for non-beneficence to 5-fluorouracil- based chemotherapy.