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

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.

15:00

13:14

Les événements de sécurité des patients en radiologie représentent une faible proportion des incidents (3,2 %), mais révèlent des vulnérabilités importantes, notamment chez les enfants et les personnes âgées, avec un risque élevé lié aux médicaments et aux produits de contraste, selon une étude publiée dans Current Problems in Diagnostic Radiology

7:13

Les patientes atteintes d’un cancer du sein qui développent un dysfonctionnement cardiaque lors d’une chimiothérapie néoadjuvante subissent également une perte de tissu cérébral significativement plus importante que celles dont la fonction cardiaque reste stable, selon une étude publiée dans Academic Radiology.

7:00

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.
✕
Docteur Imago

GRATUIT
VOIR