Intelligence artificielle

Des outils de deep learning pour chaque besoin en imagerie cardiovasculaire

Un webinaire organisé par le CERF s'est intéressé aux applications de l'IA en imagerie cardiovasculaire. À chaque étape du processus, de l'acquisition au compte rendu, les outils d'IA ont un rôle à jouer mais les solutions développées doivent encore être perfectionnées.

icon réservé aux abonnésArticle réservé aux abonnés
Le 16/02/21 à 16:00, mise à jour aujourd'hui à 14:13 Lecture 5 min.

Le webinaire du CERF sur les applications de l’IA en imagerie cardiovasculaire s’est intéressé à l’apport du deep learning aux différentes étapes du workflow (photo d'illustration). © C. F.

Le 8 février, le webinaire du Collège des enseignants en radiologie de France (CERF) sur les applications de l’intelligence artificielle (IA) en imagerie cardiovasculaire s’est intéressé à l’apport du deep learning (apprentissage profond) aux différentes étapes du workflow. « L’imagerie cardiaque a des spécificités qui entraînent des difficultés pour les radiologues et pour lesquelles l’IA peut donc avoir un intérêt », a introduit Axel Bartoli, radiologue à l’hôpital de la Timone – Assistance publique – Hôpitaux de Marseille (AP-HM). Les difficultés se manifestent dès l’acquisition, du fait des mouvements du cœur. En IRM, le positionnement des coupes est essentiel « pour voir des paramètres fonctionnels de bonne qualité ». Au coroscanner, la problématique vient de la dose de rayonnements.

L’étape obligatoire du post-traitement

L’autre spécificité de l’imagerie cardiaque est l’importance du post-traitement : « En IRM cardiaque, on va toujours faire de la segmentation pour obtenir des para

Il vous reste 86% 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

Carla Ferrand

Journaliste cheffe de rubrique

Voir la fiche de l’auteur

Bibliographie

  1. Hong J. H., Park E.-A., Lee W. et coll., « Incremental image noise reduction in coronary CT angiography using a deep learning-based technique with iterative reconstruction », Korean Journal of Radiology, octobre 2020, vol. 21, n° 10, p. 1165-1177. DOI : 10.3348/kjr.2020.0020.
  2. Bernard O., Lalande A., Zotti C. et coll., « Deep learning techniques for automatic MRI cardiac multi-structures segmentation and diagnosis: is the problem solved ? », IEEE Transactions on Medical Imaging, novembre 2018, vol. 37, n° 11, p. 2514-2525. DOI : 10.1109/TMI.2018.2837502.o.
  3. Bartoli A., Fournel J., Bentatou Z. et coll., « Deep learning-based automated segmentation of left ventricular trabeculations and myocardium on cardiac MR Images: a feasibility study », Radiology: Artificial Intelligence, janvier 2021, vol. 3, n° 1. DOI : 10.1148/ryai.2020200021.

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

18 Nov

17:00

L’injection de plasma riche en plaquettes guidée par scanner pourrait être une alternative viable et sûre aux corticostéroïdes pour gérer la douleur chronique de l’articulation sacro-iliaque, impliquée dans 30% des cas de douleur lombaire. (Etude).

11:30

Pour l'imagerie mammaire, les patientes préfèrent les comptes rendus simplifiés générés par l'intelligence artificielle plutôt que par les radiologues, selon une étude italienne menée auprès de plus de 300 participantes.

7:30

17 Nov

16:00

Le traitement endovasculaire de l'occlusion isolée de l'artère carotide interne cervicale due à une dissection a permis de recanaliser efficacement les artères mais ne serait pas associé à une amélioration des résultats fonctionnels à trois mois (étude).
✕
Docteur Imago

GRATUIT
VOIR