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 â€...
Cet article est réservé aux abonnés
Déjà abonnée ? Identifiez-vous
Abonnez-vous
Docteur imago en illimité sur desktop, tablette, smartphone + Le magazine papier
S'abonner Des outils de deep learning pour chaque besoin en imagerie cardiovasculaire Achetez cet article pour 10 € Ajouter au panier
Bibliographie
- 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.
- 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.
- 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.
