Intelligence artificielle

Un programme « 1 000 fois plus rapide » pour comparer des images cérébrales

Des chercheurs du Massachusetts Institute of Technology (MIT) ont développé un algorithme capable de comparer des images cérébrales 3D « 1 000 fois plus rapidement » que les techniques traditionnelles.

icon réservé aux abonnésArticle réservé aux abonnés
Le 29/08/18 à 11:00, mise à jour aujourd'hui à 15:17 Lecture 1 min.

Des chercheurs du MIT ont mis au point un algorithme basé sur la technologie du machine learning capable d'analyser des images cérébrales en quelques minutes au lieu de plusieurs heures. ©MIT

Un champion de l’analyse d’images. Le nouvel algorithme développé par l’Institut de technologie du Massachusetts (MIT), à Boston, est conçu pour battre des records de vitesse. Baptisé VoxelMorph, il permettrait de comparer des images cérébrales 3D superposées en seulement une ou deux minutes.

Un processus chronophage

La superposition d’images cérébrales permet d'analyser en détail les différences anatomiques entre deux examens. « Par exemple, si un patient a une tumeur au cerveau, les médecins peuvent superposer une IRM réalisée plusieurs mois auparavant à une IRM plus récente pour analyser les petits changements dans l'évolution de la tumeur », indique le MIT dans un communiqué. En alignant chaque pixel d’une image à une autre, le processus peut prendre plusieurs heures. Pour remédier à ce problème, les chercheurs du MIT ont utilisé la technologie du machine learning. Résultat : une analyse qu’ils annoncent « 1 000 fois plus rapide ».

7 000 IRM pour façonner l'algorithme

Pour « entraîner 

Il vous reste 54% 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

Carla Ferrand

Journaliste cheffe de rubrique

Voir la fiche de l’auteur

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

13 Avr

16:39

Un modèle basé sur l'apprentissage profond capable de prédire l'étendue du noyau ischémique dans les cas de reperfusion réussie et la région combinée de noyau et de pénombre ischémique après l'échec d'une reperfusion a surpassé les méthodes cliniques actuelles basées sur le scanner de perfusion. Étude.

14:38

Chez des patients avec des anévrismes ophtalmiques à collet large non rompus de moins de 10 mm, l'embolisation par flow diverter n'a pas donné de meilleurs résultats que le coiling avec ou sans placement de stent, concluent les auteurs d'un essai randomisé.

7:27

Une étude pilote démontre la performance « favorable » de la TEP au [18F]DASA-23, qui se lie à la pyruvate kinase M2, pour le diagnostic des gliomes de haut grade. « Son absorption après le début de la thérapie pourrait être un marqueur utile pour évaluer l'efficacité du traitement et le pronostic des patients », écrivent les auteurs.
10 Avr

15:32

Un modèle d’IA à apprentissage profond montre un potentiel en tant qu’outil de dépistage opportuniste de la santé osseuse chez les enfants, selon une étude publiée dans Radiology.
Docteur Imago

GRATUIT
VOIR