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 14:15 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

20 Mar

16:18

Le congrès du Groupe francophone de radiothérapie en urologie (GFRU), aura lieu du 26 au 27 mars au centre de congrès de Lyon (69).

15:00

13:00

Une méta-analyse publiée dans European Radiology montre que les systèmes d’intelligence artificielle basés sur le deep learning détectent le cancer de la prostate cliniquement significatif avec une performance comparable à celle des radiologues, avec une légère supériorité en spécificité. L’IA pourrait donc améliorer potentiellement la précision et réduisant les biopsies inutiles grâce à un affinement plus approfondi du modèle.

7:11

Une enquête menée par la société européenne d'imagerie mammaire (EUSOBI) démontre que, malgré des aspects procéduraux très variés dans la biopsie mammaire à aiguille centrale guidée par échographie, des niveaux de stérilité perçus plus élevés ne sont pas associés à une diminution des infections. L'étude met en lumière l'importance de réduire en toute sécurité l’utilisation des ressources et l’impact environnemental.

7:00

19 Mar

16:00

La réponse de perfusion à l’adénosine semble être spécifique à chaque organe, conclut une étude parue dans JNM. L’adénosine augmente la perfusion au niveau du cœur, du foie, du côlon et du duodénum, tandis que la perfusion est réduite par l’adénosine dans le cerveau, la rate, les reins, le muscle squelettique et l’os, écrivent les chercheurs.
✕
Docteur Imago

GRATUIT
VOIR