Un réseau de neurones détecte et segmente les lésions cérébrales traumatiques

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