Intelligence artificielle

Un réseau de neurones détecte et segmente les lésions cérébrales traumatiques

Des chercheurs britanniques et argentins ont entraîné et testé un algorithme capable de détecter les différents types de lésions cérébrales traumatiques, de les segmenter et de quantifier leur volume par voxel. Les performances seraient proches de celles des médecins experts.

icon réservé aux abonnésArticle réservé aux abonnés
Le 03/06/20 à 7:00, mise à jour aujourd'hui à 14:17 Lecture 3 min.

« Le réseau de neurones convolutifs a fourni une prédiction bien calibrée du volume des lésions puisque les différences entre le volume réel et le volume prédit étaient faibles par rapport au volume global des lésions », notent les chercheurs. CC0 Monteiro et coll.

Leur modèle pourrait fournir une base « plus objective que l’évaluation visuelle » pour orienter la prise en charge thérapeutique et mettre en place des stratégies de traitement personnalisées et optimisées. Des chercheurs britanniques et argentins ont développé un algorithme d’apprentissage profond qui peut segmenter et quantifier les lésions cérébrales d’origine traumatique sur des examens de scanner, mais aussi les détecter et en discriminer les différents types. Ils décrivent leurs travaux dans la revue The Lancet Digital Health [1].

Deux bases pour l’entraînement

Miguel Monteiro et ses confrères ont commencé par entraîner un réseau de neurones convolutifs baptisé DeepMedic à l’aide d’une base de 98 examens sur lesquels des experts avaient segmenté manuellement les lésions. Ils l’ont ensuite utilisé pour opérer des segmentations automatiques sur les examens d’une autre base de 839 examens, qu’ils ont corrigées manuellement. De cette dernière base de données, ils ont extrait un sous-e

Il vous reste 78% 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

Jérome Hoff

Rédacteur en chef adjoint BOM Presse Clichy

Voir la fiche de l’auteur

Bibliographie

  1. Monteiro M., Newcombe V. F. J., Mathieu F. et coll., « Multiclass semenatic segmentation and quantification of traumatic brain injury lesions no head CT using deep learning: an algorithm development and multicentre validation study », The Lancet Digital Health, 14 mai 2020. DOI : 10.1016/S2589-7500(20)30085-6.

Mots-clés

intelligence artificielle

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

13 Jan

16:14

L'utilisation de l'IA entraînerait une réduction de 33 % des heures travaillées chez les radiologues dans les cinq prochaines années, avec une fourchette allant de 14 % à 49 %. « Compte tenu de la relative stabilité des effectifs en radiologie et de la croissance continue du volume d'imagerie, il est peu probable que les radiologues perdent leur emploi dans un avenir prévisible », concluent les auteurs d'une étude.

15:00

14:06

La vérification des antécédents d'imagerie nécessite beaucoup de temps et de ressources. Le temps médian consacré à la vérification était de 31 secondes. Selon les auteurs, il est essentiel de quantifier le temps consacré à cette tâche afin de planifier les effectifs et d'optimiser l'efficacité des services (étude).  

7:14

Une étude rétrospective comparant l’ablation par micro-ondes et la résection chirurgicale chez 172 patients atteints d’hyperparathyroïdie primaire montre des taux de guérison et de rémission à long terme similaires sur cinq ans, sans différence significative de complications.

7:00

12 Jan

16:00

Des modèles de langage ajustés avec précision à l'aide d'informations cliniques et radiologiques ont prédit avec exactitude les comptes rendus les plus prioritaires, dans le cadre d'une étude présentée dans European Radiology.
✕
Docteur Imago

GRATUIT
VOIR