IRM musculosquelettique

Une équipe allemande dévoile ses stratégies pour limiter la consommation énergétique

icon réservé aux abonnésArticle réservé aux abonnés
Le 13/11/24 à 15:00, mise à jour hier à 15:42

La reconstruction en apprentissage profond (à droite), par rapport à l'examen musculosquelettique de base (à gauche) permet de gagner du temps et donc de réduire la consommation énergétique. © Afat et al, European Radiology 2024 | CC BY 4.0

Face à l'augmentation des coûts de l'énergie en Europe, et en lien avec l'importance de la consommation des IRM dans la dépense énergétique des services de radiologie (dépense qui représenterait elle-même environ 4 % de la consommation énergétique d'un hôpital moyen), des radiologues de l'hôpital universitaire de Tübingen (Allemagne) ont cherché à optimiser au mieux leur utilisation de l'IRM dans les examens musculosquelettiques. Leurs résultats sont parus le 7 septembre 2024 dans European Radiology [1].

Trois stratégies d'optimisation évaluées

Ils ont évalué, sur deux IRM de 1,5 Teslas de modèles différents et en musculosquelettique, le potentiel de réduction de la consommation énergétique par des protocoles optimisés, par des acquisitions accélérées grâce à la reconstruction d'images par apprentissage profond, et enfin par une optimisation du refroidissement des IRM.

72 % de consommation en moins avec l’apprentissage profond

Leurs résultats montrent d'importantes économies réalis

Il vous reste 51% 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

François Mallordy

Bibliographie

  1. Afat S., Wohlers J., Herrmann J. et al, « Reducing energy consumption in musculoskeletal MRI using shorter scan protocols, optimized magnet cooling patterns, and deep learning sequences », European Radiology, 7 septembre 2024. DOI : 10.1007/s00330-024-11056-0.

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

13:31

Un réseau de neurones convolutifs (CNN) a été entraîné à détecter automatiquement les zones floues en mammographie dans des régions pertinentes pour le diagnostic. Ce modèle, s'il était implémenté en pratique clinique, pourrait fournir un retour utile aux MERM afin de réaliser rapidement de meilleures prises de vue qui soient de haute qualité, selon une étude rétrospective.

7:31

Un état de l'art en français sur la biopsie pulmonaire percutanée sous scanner présentant ses indications, ses contre-indications et les bonnes pratiques dans ce domaine a été publié le 14 novembre en accès libre dans le Journal d'imagerie diagnostique et interventionnelle.
20 Nov

16:01

Les séquences ciné en IRM cardiaque reconstruites par apprentissage profond et acquises sur trois cycles cardiaques permettent de réduire le temps d’acquisition de plus de 50 % par rapport à la séquence référence sans apprentissage profond, et le tout sans différence dans la qualité d'image, selon une étude prospective menée sur 55 volontaires sains en IRM 1,5 T.
Docteur Imago

GRATUIT
VOIR