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

Auteurs

François Mallordy

Journaliste rédacteur spécialisé

Voir la fiche de l’auteur

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.

Mots-clés

radiomique algorithmes apprentissage profond

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

26 Juin

15:00

12:59

Dans une étude évaluant des examens de scanner et TEP-TDM, trois logiciels d’IA commerciaux ont montré des performances comparables pour la détection des nodules pulmonaires cliniquement pertinents, malgré des différences importantes dans le nombre total de détections et de faux positifs.

7:44

Les réactions croisées d'hypersensibilité entre les produits de contraste iodés non ioniques dépendent principalement de la structure de leurs chaînes latérales, avec un risque particulièrement élevé au sein du groupe comprenant l’iohexol, l’iomeprol, l’ioversol et l’iodixanol, selon une étude présentée dans EJR. « Choisir une alternative issue d’un autre groupe structurel semble être une stratégie efficace pour atténuer la récidive dans des scénarios à haut risque », estiment les auteurs.

7:00

25 Juin

16:10

Chez des hommes à haut risque de cancer de la prostate mais dont l'IRM est non suspecte ou équivoque, le PET-CT au [68Ga]Ga-PSMA-11 a permis de détecter les cancers cliniquement significatifs avec une efficacité comparable à celle de la biopsie systématique, indique une étude publiée dans The Lancet Oncology.

11:00

Les modèles d’intelligence artificielle de type YOLO, notamment YOLOv8, peuvent aider à détecter les fractures tibiales discrètes chez les enfants de moins de trois ans, avec des performances améliorées grâce au module CBAM, selon une étude.
✕
Docteur Imago

GRATUIT
VOIR