Intelligence artificielle

L’apport du deep learning pour segmenter les trabéculations en IRM cardiaque

Des radiologues et des informaticiens ont développé un outil de segmentation automatique des trabéculations cardiaques. L’outil présenterait de meilleures performances que l’humain en termes de reproductibilité.

icon réservé aux abonnésArticle réservé aux abonnés
Le 13/01/21 à 16:00, mise à jour hier à 15:11 Lecture 3 min.

Image d'IRM, segmentation manuelle dite « ground-truth », puis segmentation des trabéculations produite automatiquement par l'algorithme (10 secondes). © Axel Bartoli et coll.

Une étude multicentrique rétrospective française s’est intéressée aux performances de l'apprentissage profond (deep learning) pour mesurer et segmenter les trabéculations en IRM cardiaque. L’équipe de recherche a publié ses travaux au mois de novembre dans Radiology : Artificial Intelligence [1].

Un besoin d’outil de précision

Les chercheurs sont partis du constat que la mesure des trabéculations cardiaques devait s’appuyer sur des critères précis afin de mieux faire la part des choses : « À l’heure actuelle, quand on interprète une IRM cardiaque, on dit de façon un peu subjective que le patient présente des trabéculations, sans véritablement déterminer s’il y a un excès ou si cela reste dans les limites de la normale », expose Axel Bartoli, radiologue à la Timone (Assistance publique - Hôpitaux de Marseille) et auteur principal de l’étude. Ils ont donc développé un algorithme de deep learning pour opérer des segmentations et des mesures automatiques, et dépasser l'évaluation visuelle :

Il vous reste 76% 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

Bibliographie

  1. Bartoli A., Fournel J., Bentatou Z. et coll., « Deep-Learning based automated segmentation of the left ventricular trabeculations and myocardium on cardiac MR images: a feasibility study », Radiology: Artificial Intelligence, novembre 2020. DOI : 10.1148/ryai.2020200021.

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

30 Avr

16:00

Par rapport à la mammographie, le dépistage par tomosynthèse permettrait de détecter 56 cancers invasifs de plus et 18 cancers d'intervalle de moins pour 100 000 femmes invitées au dépistage (étude).

14:00

Des améliorations apportées au dossier patient électronique ont permis de réduire de 46 % la durée avant les examens de scanner au service des urgences (étude).

7:40

Le radiopharmaceutique Lu-PSMA-617 (Pluvicto), utilisé pour le traitement du cancer de la prostate métastatique, est ajouté à la liste des spécialités pharmaceutiques prises en charge en sus des prestations d'hospitalisation suite à l'arrêté du 22 avril 2025.  
29 Avr

16:10

Le dispositif PRECISE (Patient-Focused Radiology Reports with Enhanced Clarity and Informative Summaries for Effective Communication) permettrait de générer des comptes rendus de radiologie adaptés pour favoriser la communication et la compréhension des patients (étude).

Docteur Imago

GRATUIT
VOIR