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 hier à 15:18 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

17 Juil

16:00

Des chercheurs nord-américains ont adapté un modèle d'apprentissage profond pour la segmentation de la composition corporelle (muscle, os, graisse) à partir des images scanner volumétriques allant des vertèbres L2 à L4. La méthode s'est montrée plus précise que la technique standard, basée sur une seule coupe axiale en L3, se félicitent-ils dans EJR.

13:30

La TEP-TDM au meta-[18F] fluorobenzylguanidine ([18F]-mFBG) pourrait constituer une alternative plus efficace à la TEMP-TDM au [123I]-metaiodobenzylguanidine (MIBG) pour la stadification et l'évaluation de la réponse tumorale des neuroblastomes, conclut une étude présentée dans Pediatric Radiology.

7:42

GE Healthcare et la Mayo Clinic à Rochester (Minnesota) annoncent leur coopération autour d'un essai sur le traitement du cancer de la prostate par radioligands. L'étude MI-BET évaluera si l'utilisation de marqueurs biologiques et d'imagerie permet de mieux personnaliser les traitements, par exemple en espaçant les séances.
16 Juil

16:59

Une étude rétrospective compare les biopsies mammaires guidées par tomosynthèse et par échographie pour les lésions mammaires non calcifiées, en évaluant leurs caractéristiques et leurs performances diagnostiques. Les résultats montrent que l'échographie présente une meilleure valeur prédictive positive et que la tomosynthèse reste une alternative pertinente lorsque la lésion n'a pas de corrélat échographique définitif.

13:46

En angioscanner de la tête et du cou, associer une technologie de reconstruction d'image par apprentissage profond à une acquisition de basse énergie (80 kVp) permet de diminuer les doses de radiation (-36 %) et de produit de contraste (-26%) en améliorant la qualité d'image par rapport au protocole standard (100 kVp et reconstruction itérative), conclut un article dans EJR.
Docteur Imago

GRATUIT
VOIR