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 aujourd'hui à 14:10 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

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.

Spécialité médicale

Cardiologie

Modalité d’imagerie

IRM

Mots-clés

intelligence artificielle IRM cardiaque

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

21 Fév

13:40

Selon une étude publiée dans Radiology, un algorithme d’apprentissage profond disponible dans le commerce peut permettre des examens IRM de l’épaule de bonne qualité en sept minutes.

7:37

Le parlement a adopté définitivement le budget 2025 de la Sécurité sociale ce 17 février. Il prévoit une hausse des dépenses d’Assurance maladie de 3,4 %, pour atteindre un montant de 265 milliards d’euros.

7:00

20 Fév

16:01

L’imagerie des paramètres d’atténuation par ultrasons peut être utilisée pour le dépistage clinique afin d’évaluer la prévalence de la MASLD chez les patients en surpoids ou obèses et de suivre de manière dynamique la progression de la maladie, conclut une étude publiée dans Clinical radiology.

15:00

13:31

Le modèle de langage appelé Axpert démontre un potentiel de marquage automatique de l’entérocolite nécrosante sur les comptes-rendus de radiographie abdominale infantile. Cette méthode de marquage peut ainsi servir de cadre pour d’autres modalités d’imagerie et maladies chez les enfants, et les maladies rares chez l’adulte, suggère une étude publiée dans JAMIA Open.
✕
Docteur Imago

GRATUIT
VOIR