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

Auteurs

François Mallordy

Journaliste rédacteur spécialisé

Voir la fiche de l’auteur

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

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