Segmentation corps entier

Des chercheurs suisses développent une IA de segmentation du corps disponible publiquement

Le modèle d'apprentissage profond suisse TotalSegmentator permet de segmenter de manière robuste 104 structures anatomiques sur des images de scanner normales et pathologiques. Plus généraliste que les précédents logiciels de segmentation disponibles publiquement selon ses créateurs, TotalSegmentator a fait l'objet d'une publication dans Radiology: Artificial Intelligence le 5 juillet 2023.

icon réservé aux abonnésArticle réservé aux abonnés
Le 26/09/23 à 7:00 Lecture 3 min.

Afin de développer un tel outil de segmentation à l'échelle du corps entier, les chercheurs ont entraîné un algorithme de segmentation d'apprentissage profond utilisant la méthode nnU-NET © Jakob Wasserthal et al

De plus en plus utilisés par les radiologues, les outils de segmentation sont surtout spécialisés dans la segmentation de certains organes (foie, rate, etc.) et généralement développés par des entreprises privées ou entraînées sur des jeux de données non disponibles publiquement, rendant leur fonctionnement opaque. Afin de mettre à disposition des radiologues un outil de segmentation générale et basé sur des données publiquement accessibles, des chercheurs de la clinique de radiologie et de médecine nucléaire de l'hôpital universitaire de Bâle (Suisse) ont développé l'outil TotalSegmentator, qui a fait l'objet d'une étude rétrospective [1] en juillet puis d'un commentaire éditorial en août dans Radiology: Artificial Intelligence. [2]

Un algorithme utilisant la méthode nnU-NET

Afin de développer un tel outil de segmentation à l'échelle du corps entier, les chercheurs ont entraîné un algorithme de segmentation d'apprentissage profond utilisant la méthode nnU-NET (acronyme de l'anglais

Il vous reste 81% 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

Bibliographie

  1. Wasserthal J, Breit H-C, Meyer M-T., « TotalSegmentator: Robust Segmentation of 104 Anatomic Structures in CT Images », Radiology: Artificial Intelligence, juillet 2023, DOI : 10.1148/ryai.230024
  2. Sebro R., Mongan J., « TotalSegmentator: A Gift to the Biomedical Imaging Community », Radiology: Artificial Intelligence, Août 2023, DOI : 10.1148/ryai.230235

Modalité d’imagerie

Scanner

Mots-clés

intelligence artificielle apprentissage profond

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

12 Jan

16:00

Des modèles de langage ajustés avec précision à l'aide d'informations cliniques et radiologiques ont prédit avec exactitude les comptes rendus les plus prioritaires, dans le cadre d'une étude présentée dans European Radiology.

14:38

13:17

Une première étude chez l'homme confirme la sécurité et le profil pharmacocinétique favorable de l'imagerie TEP avec le radiotraceur 64Cu-Macrin dans la prise en charge du cancer et de la sarcoïdose.

7:30

Les marqueurs radiomiques hypothalamiques dérivés de l'IRM pondérée T1 et extraits associés à des caractéristiques cliniques offrent une approche d'exploration prometteuse pour prédire l'apnée obstructive du sommeil. Étude.

7:00

09 Jan

16:11

Une étude publiée dans BMC Urology a évalué la capacité de plusieurs grands modèles de langage à classer des comptes rendus d’IRM de la prostate selon le système PI-RADS v2.1. Le modèle GPT-o1 montre la meilleure concordance avec les radiologues, mais tous les modèles présentent des limites pour les lésions PI-RADS 3.
✕
Docteur Imago

GRATUIT
VOIR