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

apprentissage profond intelligence artificielle dépistage du cancer du sein mammographie

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

10 Fév

14:11

Les modèles de comptes rendus structurés IRM spécifiques à l'endométriose amélioreraient considérablement l'exhaustivité de la documentation par rapport aux modèles généraux et au texte libre (étude).

7:12

Des chercheurs ont développé et validé un modèle pronostique combinant des caractéristiques IRM préthérapeutiques et des données cliniques chez des patients atteints de carcinome hépatocellulaire traités par une chimioembolisation transartérielle, chimiothérapie par perfusion artérielle hépatique et immunothérapie ciblée. Le modèle de synergie imagerie fonctionnelle-fonction hépatique démontre une précision pronostique supérieure à celle des paramètres conventionnels de charge tumorale chez les patients atteints de carcinome hépatocellulaire recevant une thérapie quadruple. De plus, le système de notation à 10 points dérivé permet une stratification des risques cliniquement exploitables. (Étude)  

7:00

09 Fév

16:06

Chez les participantes de l'essai canadien Tomosynthesis Mammographic Imaging Screening Trial âgées de 40 à 44 ans et de plus de 75 ans, le dépistage du cancer du sein par tomosynthèse a donné des performances plus favorables que le dépistage par mammographie. Étude.

14:02

Planmed annonce le marquage CE et la commercialisation de XFI®, son scanner cone-beam (CBCT) pour l'imagerie corps entier en charge. La certification concerne l'imagerie des extrémités, de la tête et du cou, précise un communiqué.

7:30

Un essai randomisé contrôlé sur 60 patientes atteintes d'adénomyose démontre que l'embolisation des artères utérines résulte en une résolution plus complète de la douleur pelvienne chronique et des saignements que le traitement par diénogest. Étude.
✕
Docteur Imago

GRATUIT
VOIR