Intelligence artificielle

L’apport du deep learning pour segmenter les trabéculations en IRM cardiaque

Des radiologues et des informaticiens ont développé un outil de segmentation automatique des trabéculations cardiaques. L’outil présenterait de meilleures performances que l’humain en termes de reproductibilité.

icon réservé aux abonnésArticle réservé aux abonnés
Le 13/01/21 à 16:00, mise à jour aujourd'hui à 15:12 Lecture 3 min.

Image d'IRM, segmentation manuelle dite « ground-truth », puis segmentation des trabéculations produite automatiquement par l'algorithme (10 secondes). © Axel Bartoli et coll.

Une étude multicentrique rétrospective française s’est intéressée aux performances de l'apprentissage profond (deep learning) pour mesurer et segmenter les trabéculations en IRM cardiaque. L’équipe de recherche a publié ses travaux au mois de novembre dans Radiology : Artificial Intelligence [1].

Un besoin d’outil de précision

Les chercheurs sont partis du constat que la mesure des trabéculations cardiaques devait s’appuyer sur des critères précis afin de mieux faire la part des choses : « À l’heure actuelle, quand on interprète une IRM cardiaque, on dit de façon un peu subjective que le patient présente des trabéculations, sans véritablement déterminer s’il y a un excès ou si cela reste dans les limites de la normale », expose Axel Bartoli, radiologue à la Timone (Assistance publique - Hôpitaux de Marseille) et auteur principal de l’étude. Ils ont donc développé un algorithme de deep learning pour opérer des segmentations et des mesures automatiques, et dépasser l'évaluation visuelle :

Il vous reste 76% 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. Bartoli A., Fournel J., Bentatou Z. et coll., « Deep-Learning based automated segmentation of the left ventricular trabeculations and myocardium on cardiac MR images: a feasibility study », Radiology: Artificial Intelligence, novembre 2020. DOI : 10.1148/ryai.2020200021.

Spécialité médicale

Cardiologie

Modalité d’imagerie

IRM

Mots-clés

intelligence artificielle IRM cardiaque

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

18 Sep

16:20

Le rapport entre graisse viscérale et graisse sous-cutanée (VSR), calculé automatiquement à partir de la TDM, pourrait constituer un marqueur d’imagerie simple qui améliore l’évaluation du risque au-delà des variables cliniques et facilite l’identification des patients atteints de sepsis à haut risque, selon une étude.  

15:00

14:00

Dans une étude, des chercheurs mettent en place une méthode non invasive et reproductible de personnalisation des prothèses mammaires à partir d’IRM et d’outils open source, permettant une mesure volumétrique précise. Elle relie les volumes mammaires aux tailles commerciales de prothèses tout en préservant la confidentialité et en évitant l’exposition physique postopératoire.

7:24

Des chercheurs de l’UNC ont développé SORDINO, une nouvelle technique d’IRM fonctionnelle qui réduit fortement le bruit et les interférences pendant les examens. Cette technique produit des images cérébrales  plus précises et pourrait faciliter les recherches en neurosciences ainsi que les avancées en IRM humaine, indique un communiqué.

7:00

17 Sep

17:30

Une étude a développé un modèle d’intelligence artificielle capable de détecter le pneumothorax sur les radiographies thoraciques en décubitus des nouveau-nés, avec une excellente performance diagnostique.
✕
Docteur Imago

GRATUIT
VOIR