Lecture des mammographies

Un réentraînement local par transfer learning améliore les performances d’un algorithme développé aux États-Unis

icon réservé aux abonnésArticle réservé aux abonnés
Le 15/07/24 à 7:00

Cette étude rétrospective réalisée par des chercheurs australiens avait pour objectif d’évaluer les difficultés à rendre ces modèles d’apprentissage profond généralisables et réplicables (photo d'illustration). D. R.

En utilisant l’apprentissage par transfert (transfer learning), des chercheurs australiens sont parvenus à améliorer les performances sur les données locales d’un modèle d’apprentissage profond entraîné à l’université de New-York sur des données étasuniennes pour le dépistage du cancer du sein. Ils présentent les résultats de leurs travaux dans le revue Radiology: Artificial Intelligence [1]

Trois approches

Pour leur étude rétrospective, ils ont utilisé les examens de mammographie de patientes présentant des lésions prouvées par biopsie ou pathologie chirurgicale, et ceux de cas témoins appariés selon l’âge, réalisés dans le cadre d’un programme public de dépistage par mammographie numérique dans la région d’Australie-Méridionale. Ils ont appliqué l’algorithme new-yorkais à ces données en utilisant trois approches : sans réentrainement, avec réentraînement à partir de zéro et avec réentraînement selon la méthode d’apprentissage par transfert.

Des performances plus proches de l’origi

Il vous reste 59% 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. Condon J. J. J., Trinh V., Hall K. A. et al, « Impact of Transfer Learning Using Local Data on Performance of a Deep Learning Model for Screening Mammography », Radiology: Artificial Intelligence, mai 2024, vol. 6, n° 4. DOI : 10.1148/ryai.230383.

Spécialité médicale

Imagerie de la femme

Mots-clés

intelligence artificielle dépistage du cancer du sein mammographie apprentissage profond

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

16 Déc

7:26

Une étude présentée dans AJR a comparé les performances de l'IRM 0,55 T, 1,5 T et 3 T dans la surveillance du néoplasme mucineux papillaire intraductal. « La concordance entre radiologues concernant les caractéristiques suspectes des kystes était excellente pour tous les champs et tous les examens à 0,55 T ont été considérés comme diagnostiques. »

7:00

15 Déc

16:23

15:00

13:20

Dans un article paru le 11 décembre dans le JAMA, une neurologue de l'université de Calgary au Canada appelle ses confrères oncologues à prendre en compte les AVC comme de fréquentes et potentiellement handicapantes complications des cancers et à travailler pour améliorer leur prise en charge.

7:30

Le prix Galien, qui récompense l'innovation en santé, a été remis notamment cette année à Michel Azizi, professeur de cardiologie à l'hôpital européen Georges-Pompidou, pour ses travaux sur la dénervation rénale pour le traitement de l'hypertension artérielle, et à la startup echOpen, qui développe un échographe portatif en partenariat avec l'AP-HP.
✕
Docteur Imago

GRATUIT
VOIR