Recherche en neuro-imagerie

Le CNRS affûte ses outils d’IA pour l’imagerie de la SEP

Le Laboratoire bordelais de recherche en informatique (LaBRI) développe des solutions d’apprentissage profond pour l’imagerie de la sclérose en plaques. Après la détection automatique des lésions, les chercheurs travaillent sur la prédiction du score de sévérité de la maladie.

icon réservé aux abonnésArticle réservé aux abonnés
Le 28/06/22 à 15:00, mise à jour aujourd'hui à 14:09 Lecture 3 min.

Les solutions de deep learning développées par le laboratoire LaBRI pour la SEP sont accessibles sur la plateforme en ligne volBrain. © LaBRI/VolBrain

À Bordeaux, une équipe du CNRS menée par Pierrick Coupé s’intéresse aux problématiques de la sclérose en plaques (SEP) et perfectionne ses outils d’apprentissage profond (deep learning) pour la neuro-imagerie. Reda Abdellah Kamraoui, doctorant au Laboratoire bordelais de recherche en informatique (LaBRI), travaille sur l’automatisation de la segmentation des lésions de SEP et l’extraction de biomarqueurs : « L’automatisation de ces tâches permet de faciliter le travail des neuroradiologues et de leur faire gagner du temps, souligne-t-il. Le suivi des patients atteints de SEP est important pour vérifier que le traitement fonctionne. Avoir des biomarqueurs tels que les volumes lésionnels ou le nombre de nouvelles lésions permet de suivre l’évolution de la maladie. »

Développer des modèles plus performants

Les solutions existantes se basent sur des techniques d’apprentissage qui manquent parfois de précision et ne sont pas généralisables sur des données qui n’ont pas été vues lors de l’entr

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

Spécialité médicale

Neurologie

Mots-clés

intelligence artificielle recherche sclérose en plaques

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Dans le dossier

icon réservé aux abonnés Les avancées et les promesses de l’imagerie des maladies neurodégénératives

Voir le dossier

Le fil Docteur Imago

21 Nov

15:34

Des chercheurs ont examiné l’association entre la charge allostatique (AL), un indicateur de dysrégulation physiologique liée au stress, et la présence de pathologie maligne lors de biopsies mammaires guidées par imagerie. Les résultats suggèrent qu’une AL plus élevée est liée à un risque accru de pathologie maligne, ce qui pourrait guider des stratégies de dépistage personnalisées, indique une étude publiée dans JACR.

15:00

13:17

L’IRM rapide avec la reconstruction par apprentissage profond (DLR) améliore la qualité d’image et la précision diagnostique pour l’appendicite complexe par rapport à l’IRM non DLR et à la tomographie par contraste, offrant une alternative précieuse pour les patients sensibles aux radiations. (Étude).

7:09

Une étude évaluant plusieurs grands modèles de langage a montré que le modèle OpenAI o3 obtenait la meilleure précision à l’examen national japonais des techniciens en radiologie, atteignant 90 % de réussite.

7:00

20 Nov

15:06

Une étude montre que l’angioscanner coronaire à détecteur photonique, réalisée avec des doses réduites de rayonnement et de produit de contraste, offre une excellente qualité d’image et une précision diagnostique élevée, en particulier avec les reconstructions en VMI à 55 keV. Cette technique permet de détecter avec fiabilité les sténoses obstructives et les resténoses intrastent chez des patients souffrant d’une maladie coronarienne associée à l’inflammation.
✕
Docteur Imago

GRATUIT
VOIR