Réseaux neuronaux convolutifs

Une précision diagnostique accrue pour distinguer l’obstruction gastro-intestinale dans une population pédiatrique

Une étude démontre que des modèles d’apprentissage profond sont efficaces en tant que systèmes d’aide à la décision pour la prise en charge des obstructions gastro-intestinales pédiatriques en radiographie abdominale.

icon réservé aux abonnésArticle réservé aux abonnés
Le 23/04/25 à 15:00, mise à jour le 13/05/25 à 15:39 Lecture 1 min.

Dans cette étude, une équipe de chercheurs a utilisé des réseaux neuronaux convolutifs (CNN) pour aider à diagnostiquer les obstructions gastro-intestinales (GI) chez les enfants, une pathologie pouvant entraîner de graves complications si elle n’est pas identifiée à temps (photo d'illustration). © Carla Ferrand

De chercheurs turcs ont évalué la performance de plusieurs réseaux neuronaux convolutifs (CNN) pour aider à diagnostiquer les obstructions gastro-intestinales (GI) sur des radiographies abdominales pédiatriques. Cette pathologie peut entraîner une nécrose intestinale, une perforation et même le décès si elle n’est pas prise en charge à temps, rappellent-ils dans la revue Diagnostic and Interventional Radiology [1].

Cinq modèles de CNN testés

Cinq modèles de CNN ayant fait leurs preuves en analyse d’images ont été testés : ResNet50, InceptionResNetV2, Xception, EfficientNetV2L et ConvNeXtXLarge. Un ensemble de données supplémentaire a ensuite été créé en appliquant un processus de recadrage automatique des images, afin de déterminer l’impact de la standardisation de la zone d’imagerie sur les performances du modèle.

Des taux de précision élevés

Au total, 540 images normales, 298 images de dilatation corrigée chirurgicalement et 314 de dilatation inflammatoire ont été utilisées. Les résultat

Il vous reste 60% 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. Ayaz E, Güçlü H, Oktay AB (2025) Diagnostic accuracy of convolutional neural network algorithms to distinguish gastrointestinal obstruction on conventional radiographs in a pediatric population. dir. https://doi.org/10.4274/dir.2025.242950.

Discussion

Aucun commentaire

Laisser un commentaire

Le fil Docteur Imago

28 Oct

16:00

Les radiologues universitaires ayant une carrière active en recherche déclarent disposer plus fréquemment des ressources nécessaires pour la recherche (temps, ressources financières, motivation) que les radiologues moins actifs dans ce domaine (étude).

13:47

La quatorzième édition de la Journée mondiale de la radiologie aura lieu le 8 novembre 2025. L'objectif de cette initiative est de mieux faire connaître la valeur ajoutée de la radiologie et d'améliorer la compréhension du grand public sur le rôle essentiel des professionnels de l'imagerie dans le parcours de soins.

7:30

Des chercheurs chinois ont développé un modèle basé sur l'apprentissage profond pour générer des caractéristiques propres à la tomosynthèse à partir d'images de mammographie numérique. Il a permis d'améliorer la précision diagnostique et la caractérisation des lésions, assurent-ils dans European Journal of Radiology.
27 Oct

16:00

Dans un communiqué daté du 22 octobre 2025, le Conseil national de l'Ordre des médecins critique le projet de loi de financement de la sécurité sociale pour 2026. « L’intérêt du patient est relégué derrière la logique financière », juge-t-il, appelant à une « consultation élargie ».
Docteur Imago

GRATUIT
VOIR