Apprentissage profond

Une IA open source pour diviser par 3 à 10 le temps d’examen en IRM cérébrale

Des chercheurs et des spécialistes allemands ont développé en open source un réseau de neurones convolutifs optimisant la reconstruction d'images en IRM par sous-échantillonnage de l'espace k. Utilisé dans le cadre d'une étude rétrospective multicentrique parue en mars dans The Lancet Oncology et portant sur des glioblastomes, le logiciel a réduit le temps d'examen sans dégradation de l'interprétation et de la qualité des images.

icon réservé aux abonnésArticle réservé aux abonnés
Le 18/04/24 à 15:00 Lecture 3 min.

Le logiciel développé par les chercheurs allemands assiste la reconstruction d'images d'IRM sous-échantillonnées. À gauche, une image d'IRM (séquence T1) standard. À droite, sur la ligne du dessus, les images sous-échantillonnées de la même IRM reconstruites sans IA avec des taux d'accélération de reconstruction R grandissants : sur la ligne du dessous, après la reconstruction par IA. © Adapted from Rastogi et al, The Lancet Oncology | CC BY 4.0 DEED

Malgré son intérêt clinique, l'IRM peine encore à se démocratiser dans les usages. Si la France est bien équipée en machines, environ 70 % de la population mondiale n'y a pas accès. À son coût d'installation et de maintien s'ajoute l'obstacle du temps d'acquisition, qui restreint le nombre d'examens par machine et limite son usage chez certains patients claustrophobes. Sur cette question de l'acquisition, l'intelligence artificielle (IA) pourrait fournir des solutions, si l'on en croit un article paru en mars dans The Lancet Oncology [1].

Reconstruire une image sous-échantillonnée

Ses auteurs, des neuroradiologues allemands, ont développé un outil d'IA open source utilisant l'apprentissage profond pour accélérer la reconstruction des images d'IRM. Son principe ? Réaliser un sous-échantillonnage de l'espace k, puis le transmettre à un réseau de neurones convolutifs maison afin que ce dernier reconstruise à partir de ces données partielles une image d'IRM de qualité similaire à celle d

Il vous reste 76% de l’article à lire

Docteur Imago réserve cet article à ses abonnés

S'abonner à l'édition
  • Tous les contenus « abonnés » en illimité
  • Le journal numérique en avant-première
  • Newsletters exclusives, club abonnés

Abonnez-vous !

Docteur Imago en illimité sur desktop, tablette, smartphone, une offre 100% numérique

Offre mensuelle 100 % numérique

23 €

par mois

S’abonner à Docteur Imago

Auteurs

François Mallordy

Journaliste rédacteur spécialisé

Voir la fiche de l’auteur

Bibliographie

  1. Rastogi A., Brugnara G., Foltyn-Dumitru M. et al, « Deep-learning-based reconstruction of undersampled MRI to reduce scan times: a multicentre, retrospective, cohort study », The Lancet Oncology, mars 2024. DOI : 10.1016/S1470-2045(23)00641-1.

Spécialité médicale

Oncologie Psychiatrie Neurologie

Modalité d’imagerie

IRM

Mots-clés

intelligence artificielle optimisation séquences en IRM glioblastome

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

09 Avr

16:21

Une étude multicentrique publiée dans European Radiology montre qu’un modèle de deep learning combinant nnU-Net et ConvNeXt-tiny permet d’évaluer avec précision l’invasion musculaire dans le cancer de la vessie à partir d’IRM, avec des performances élevées et stables.

15:00

13:17

Une étude pilote a évalué un outil d’IA (BoneView) capable de détecter les fractures liées à la maltraitance chez des enfants de moins de 5 ans, montrant une légère amélioration de sa précision après un premier réentraînement. Ces résultats préliminaires suggèrent qu’un entraînement supplémentaire pourrait permettre d’atteindre des performances cliniquement utiles et renforcer l’aide au diagnostic dans ce contexte.

7:11

Une étude prospective comparant la radiographie conventionnelle à une reconstruction avancée 3D montre que cette dernière détecte toutes les fractures des membres avec une sensibilité de 100 %, contre 46,7 % pour la méthode classique, tout en conservant une excellente spécificité et qualité d’image. Son utilisation aux urgences pourrait améliorer la précision diagnostique, réduire les examens complémentaires et accélérer la prise en charge des patients.

7:00

08 Avr

16:29

Les images monoénergétiques virtuelles, combinées à des algorithmes de réduction des artefacts métalliques créées à partir de scanners à comptage photonique (PCCT), permettent une excellente visualisation des anévrismes intracrâniens préalablement traités et des vaisseaux adjacents, indique une étude. L’extension de ces résultats à des applications cliniques préliminaires chez l’humain s’avère également possible.
✕
Docteur Imago

GRATUIT
VOIR