Intelligence artificielle

L’apprentissage profond scrute les lésions cérébrales au scanner

Grâce au deep learning, une équipe indienne a mis au point des algorithmes capables de détecter « avec précision » les signes d’un traumatisme crânien sur des images de scanner non injecté. Ils pourraient aider à détecter les patients nécessitant une attention urgente.

icon réservé aux abonnésArticle réservé aux abonnés
Le 25/10/18 à 15:00, mise à jour aujourd'hui à 15:17 Lecture 2 min.

Les auteurs de l'étude ont collecté les données de 313 318 scanners cérébraux (photo d'illustration).. Par Lipothymia — Anonymised CT scan from my own practice, CC BY-SA 3.0, Lien

Des scientifiques indiens ont développé et testé des algorithmes capables de détecter des signes de traumatisme crânien sur des images de scanner non injecté. Les signes en question sont les cinq types d’hémorragies intracrâniennes (intraparenchymateuse, intraventriculaire, sous-durale, extradurale et sous-arachnoïdienne), les fractures de la voûte crânienne, l’effet de masse et le déplacement de la ligne médiane.

Des radiologues et des experts en IA

Les chercheurs, emmenés par Sasank Chilamkurthy, ont mené une étude prospective dont ils publient les résultats dans la revue The Lancet [1]. L’équipe se compose d’experts en intelligence artificielle de la société indienne Qure.ai, de scientifiques du Centre de recherche avancée en imagerie de New Dehli, de Mustafa Biviji, radiologue au CT & MRI Center de Nagpur et de Norbert Campeau, radiologue à la Mayo Clinic de Rochester.

Une base de données de plus de 300 000 scanners

Pour réaliser leur étude, ils ont collecté les données de 313 318 scan

Il vous reste 72% 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. Chilamkurthy S., Ghosh R., Tanamala S., « Deep learning algorithms for detection of critical findings in head CT scans : a retrospective study », The Lancet, 11 octobre 2018, publication en ligne. DOI : 10.1016/S0140-6736(18)31645-3

Spécialité médicale

Urgence

Modalité d’imagerie

Scanner

Mots-clés

traumatismes apprentissage profond

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

17 Avr

16:34

Un centre d’imagerie médicale « de pointe » ouvrira en 2027 à Valence-d’Agen (Tarn-et-Garonne), informe ladepeche.fr

14:33

Une revue systématique publiée dans Radiography conclut au fort potentiel de l’utilisation du jumeau numérique en IRM, notamment en cardiologie et en oncologie, malgré des limites dans les domaines de la formation, de la sécurité et de l’intégration opérationnelle.

7:12

Une étude publiée dans Radiography analyse l’utilisation du modèle d’apprentissage profond Att-U-Net pour segmenter les tissus pulmonaires et les tumeurs à partir d’images PET-CT, afin d’améliorer le diagnostic du cancer du poumon. Les résultats montrent de bonnes performances (DSC 0,81 et IoU 0,69), suggérant que ce modèle pourrait renforcer la précision clinique et faciliter la planification des traitements.

7:00

16 Avr

15:41

Mount Sinai est le premier au monde à utiliser le système TheraSphere™ Y-90 « Any Day Dosing », un traitement mini-invasif qui délivre directement des radiations aux tumeurs du foie via le sang. Cette innovation permet de traiter les patients plus rapidement et plus souvent dans la semaine, améliorant ainsi l’accès aux soins et réduisant les délais, annonce un communiqué. 

13:16

Une revue systématique et méta-analyse démontre que la mammographie avec contraste (CEM) présente une très forte valeur prédictive négative pour les asymétries non rehaussées, avec un risque de cancer extrêmement faible. En revanche, la présence de rehaussement est fortement associée à la malignité et permet d’améliorer la stratification du risque.
✕
Docteur Imago

GRATUIT
VOIR