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.

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

20 Nov

7:31

Le centre d'imagerie médicale Jeanne-d'Arc de Chartres (28), membre du groupe Résonance Imagerie, vient de s'équiper d'une IRM et d'un scanner, rapporte L'Écho Républicain. Le premier examen d'IRM a eu lieu le 9 novembre, tandis que le scanner entrera en service d'ici la fin d'année.
19 Nov

17:01

La thrombectomie sur un AVC ischémique large (score ASPECTS de 0 à 5) peut mener à une amélioration fonctionnelle même chez les plus de 80 ans, selon une étude rétrospective parue le 7 novembre 2026. Toutefois, l'âge est associé à un moins bon pronostic.

13:31

Les grands modèles de langage peuvent produire des supports pédagogiques de radiologie exploitables. Cependant, les preuves de leur efficacité sont limitées et de faible qualité, selon une revue systématique parue le 4 novembre 2026.

7:31

Le robot de télé-échographie Melody, développé par l'entreprise AdEchoTech, a été sélectionné pour représenter le Loir-et-Cher à l'Élysée lors de la Grande Exposition du fabriqué en France les 21 et 22 novembre 2026, selon un communiqué d'AdEchoTech.
✕
Docteur Imago

GRATUIT
VOIR