Radiomique

Une publication compare les algorithmes d’apprentissage profond les plus utiles en radiomique

Un article écrit par des radiologues et statisticiens français et paru le 28 août 2023 dans Scientific Reports a cherché à identifier les algorithmes d'apprentissage profond les plus efficaces en radiomique, en utilisant différentes bases de données d'imagerie.

icon réservé aux abonnésArticle réservé aux abonnés
Le 21/12/23 à 15:00 Lecture 2 min.

Les auteurs de l'étude ont testé 9 algorithmes de sélection de caractéristiques et 14 algorithmes de classification binaire, soit 126 combinaisons d’algorithmes d'apprentissage profond en radiomique testées et entraînées pour déterminer leur performance, via leur aire sous la courbe ROC (image d'illustration). D. R.

Définissable comme l’exploration de grandes quantités d’images radiologiques par des méthodes algorithmiques afin d’en extraire des caractéristiques statistiques cachées aux yeux des radiologues, la radiomique attire particulièrement les vendeurs d'IA et les radiologues, au vu des rapides progrès de l'intelligence artificielle. Toutefois, la recherche dans ce domaine n'est pas encore stabilisée et la radiomique n'a pas encore atteint la clinique, en partie par manque d'une méthodologie standardisée.

126 combinaisons d'algorithmes testées

Afin de pallier le manque de recommandations concernant les algorithmes d’apprentissage profond à utiliser en radiomique, des radiologues et statisticiens français ont testé 9 algorithmes de sélection de caractéristiques et 14 algorithmes de classification binaire, soit 126 combinaisons d’algorithmes d'apprentissage profond de radiomique. Chacun de ces algorithmes a ensuite été entraîné, puis testé trois fois pour déterminer ses performances via l'ai

Il vous reste 67% 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

Bibliographie

  1. Decoux A., Duron L., Habert P. et coll., « Comparative performances of machine learning algorithms in radiomics and impacting factors », Scientific Reports, 28 août 2023. DOI : 10.1038/s41598-023-39738-7.

Discussion

Aucun commentaire

Laisser un commentaire

Le fil Docteur Imago

29 Oct

15:32

Dans une étude publiée aux Etats-Unis, des chercheurs indiquent que les comptes-rendus d'examens radiographiques sont difficilement compréhensibles pour les patients. Ces derniers disent se sentir inquiets ou dépassés par le jargon médical. (Etude)

13:49

La construction d'un nouveau centre de radiologie à Valence (26) a débuté il y a quelques jours, informe France Bleu. Le site ouvrira fin 2026.

7:48

Dans un contexte de récidive biochimique du cancer de la prostate, la TEP au PSMA est associée à une meilleure détection de la maladie mais ne serait pas rentable en raison des coûts élevés du traitement et des améliorations modérées d'indicateur QALY (étude).
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).
Docteur Imago

GRATUIT
VOIR