Intelligence artificielle

Le modèle « YOLO » efficace pour détecter les lésions anormales sur les mammographies

Une étude a évalué un modèle basé sur le réseau d’apprentissage profond You-Only-Look-Once (YOLO) pour détecter et classifier simultanément les lésions suspectes sur les mammographies lors de leur dépistage actuel. Il a atteint 92 % de précision dans le classement des mammographies normales.

icon réservé aux abonnésArticle réservé aux abonnés
Le 27/07/22 à 7:00, mise à jour hier à 15:09 Lecture 3 min.

Exemple de mammographies réalisées à 2,5 années d'intervalle chez la même patiente. À gauche, l'examen antérieur apparaît normal. À droite, l'examen « actuel » révèle la présence d'une masse. © Baccouche A. et coll.

Environ 10 % à 30 % des cas de cancer sont manqués lors de la mammographie de dépistage, selon Asma Baccouche, membre du département de sciences informatiques et d’ingénierie de l’université de Louisville, Kentucky (États-Unis), et ses confrères de l’université du Mississipi (États-Unis) et de Bilbao (Espagne). Ces ratages génèrent « un taux de faux négatifs allant jusqu’à 50 % selon le type de lésions et la densité mammaire », rappellent-ils en introduction d’un article de la revue Computer Methods and Programs in Biomédicine [1].

You only look once

Dans cette publication parue en juin 2022, ils présentent les recherches qu’ils ont menées sur un modèle de fusion de bout en bout (end-to-end) basé sur le réseau d’apprentissage profond You-Only-Look-Once (YOLO) et capable de simultanément détecter et classer les lésions mammaires suspectes sur les mammographies numériques. Ils ont travaillé sur une base de données privée de 413 examens réalisés auprès de 230 patientes, dont chacune avait p

Il vous reste 75% 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

Solenn Duplessy

Voir la fiche de l’auteur

Bibliographie

  1. Baccouche A., Garcia-Zapirain E., et coll., « Early detection and classification of abnormality in prior mammograms using image-to-image translation and YOLO techniques », Computer Methods and Programs in Biomedicine, juin 2022, vol. 221, 106884. DOI : 10.1016/j.cmpb.2022.106884.

Spécialité médicale

Imagerie de la femme

Modalité d’imagerie

Mammographie

Mots-clés

cancer du sein dépistage du cancer du sein

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

23 Oct

7:45

Une étude a comparé un système d’intelligence artificielle aux critères PI-RADS pour la détection du cancer de la prostate cliniquement significatif en IRM, démontrant une sensibilité non inférieure à l’échelle du patient, mais inférieure à l’échelle lésionnelle. L’IA pourrait compléter PI-RADS pour optimiser le triage des biopsies, notamment des lésions indéterminées PI-RADS 3, concluent les chercheurs.

7:00

22 Oct

15:30

Une équipe de chercheurs a développé un système d’intelligence artificielle multimodale combinant imagerie médicale et données cliniques pour prédire la survie à 24 mois de patients atteints d’un cancer de la prostate métastatique résistant à la castration, traités par radiothérapie vectorisée ciblant le PSMA. Ce modèle affiche des performances prometteuses pour la stratification pronostique et l’aide à la décision clinique.

15:00

11:30

L'IRM mammaire à contraste dynamique virtuel (vDCE) générée par deep learning sans injection de gadolinium possède une précision diagnostique comparable à celle de l’IRM conventionnelle, mais une sensibilité légèrement inférieure, selon une étude publiée dans European Radiology 

7:30

Les radiologues et les grands modèles de langage présentent des profils d’erreur complémentaires dans la détection des radiographies thoraciques générées par l’IA, selon une étude publiée dans le Journal of Imaging Informatics in Medicine.
✕
Docteur Imago

GRATUIT
VOIR