Imagerie cérébrale

L’apprentissage profond booste la qualité d’image en salle interventionnelle

Dans une étude menée par des chercheurs suédois et canadiens, l'utilisation d'un débruitage renforcé par apprentissage profond a permis d'améliorer la qualité objective et subjective des images CBCT cérébrales par rapport à la reconstruction standard.

icon réservé aux abonnésArticle réservé aux abonnés
Le 16/09/26 à 15:00 Lecture 2 min.

Dans une étude rétrospective, des chercheurs de l'hôpital universitaire Karolinska à Stockholm (Suède) et de l'hôpital St Michael à Toronto (Canada) ont évalué les capacité de l'apprentissage profond pour améliorer la qualité d'image CBCT cérébrales. © Ståhl F. et coll. Brain cone-beam CT image quality improvement using a deep-learning-based denoising method: a multicenter retrospective study. Neuroradiology 2026 (CC BY 4.0)

Dans une étude rétrospective, publiée en août 2026 dans la revue Neuroradiology [1], des chercheurs de l’hôpital universitaire Karolinska à Stockholm (Suède) et de l’hôpital St Michael à Toronto (Canada) ont évalué les capacités de l’apprentissage profond pour améliorer la qualité d’images CBCT cérébrales. Pour ce faire, ils ont analysé rétrospectivement 20 acquisitions cone beam cérébrales sans produit de contraste, réalisées dans les deux établissements hospitaliers sur l’appareil Allura Xper FD20/15® de Philips. « Les reconstructions baseline étaient des reconstructions SmartCT SoftTissue cone beam, et les doses de rayonnement étaient comparables », indiquent les auteurs. Les examens ont été réalisés juste avant ou dans les 24 heures suivant une intervention neurovasculaire.

Trois niveaux d’intensité

Les chercheurs ont appliqué un algorithme de débruitage basé sur l’apprentissage profond à trois niveaux d’intensité (minimal, moyen, élevé) et l’ont comparé à des images standards sans d

Il vous reste 67% 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. Ståhl F, Cancelliere NM, Kolloch J, et al (2026) Brain cone-beam CT image quality improvement using a deep-learning-based denoising method: a multicenter retrospective study. Neuroradiology. https://doi.org/10.1007/s00234-026-04148-9

Spécialité médicale

Neurologie

Modalité d’imagerie

Scanner Radiologie interventionnelle

Mots-clés

neuro-imagerie

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

16 Oct

17:00

Une étude montre que la mammographie et l’échographie sont deux outils complémentaires pour différencier les lésions mammaires bénignes et malignes chez l’homme symptomatique.

16:30

L’embolisation des artères géniculées (GAE) réduit de 50,4 % les injections de corticoïdes et de 44,4 % les injections intra-articulaires chez les patients atteints d’arthrose du genou (étude).

15:00

8:04

Une étude internationale menée dans 30 unités de soins intensifs néonatals montre que l’apprentissage continu permet d’adapter une IA radiologique adulte aux nouveau-nés, sans partage centralisé des données. 

7:00

15 Oct

15:59

Une revue présentée dans EJR analyse le potentiel de la radiomique basée sur l’IRM et l’intelligence artificielle pour prédire la progression du cancer de la prostate sous surveillance active. Elle souligne une forte hétérogénéité des critères utilisés et des limites méthodologiques importantes (étude).
✕
Docteur Imago

GRATUIT
VOIR