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 DÉCOUVERTE

11€

pendant 1 mois
puis 23 €/mois

S’abonner à Docteur Imago

Auteurs

Solenn Duplessy

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

06 Sep

16:00

Une méta-analyse publiée dans Academic Radiology suggère que l’IRMmp est efficace pour détecter le cancer de la prostate suspecté (PCa) chez les patients n'ayant jamais eu de biopsie de la prostate. « Il peut aider à réduire les biopsies inutiles et à réduire le risque de manquer des cas cliniquement significatifs, guidant ainsi des décisions éclairées en matière de biopsie », écrivent les chercheurs.

15:00

13:30

Une étude présentant une approche robuste pour classer les images d’échographie mammaire en catégories bénignes, malignes et normales, en utilisant l’architecture avancée EfficientNet-B7 a jugé sa méthodologie efficace face aux défis du déséquilibre de classe et améliore la robustesse du modèle.

7:30

L’utilisation d’un système d’IA autonome a amélioré la détection précoce du cancer du sein en identifiant correctement sur des mammographies certains cancers manqués par deux lecteurs humains, sans aucune différence basée sur les caractéristiques histopathologiques, à l’exception des cancers avec envahissement ganglionnaire, conclut une étude parue dans Radiology.

7:00

05 Sep

16:01

L'isolation de la veine pulmonaire par cryoablation est plus efficace qu'une procédure interventionnelle placebo, rapporte une étude randomisée contrôlée parue dans le JAMA.
✕
Docteur Imago

GRATUIT
VOIR