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

13 Jan

16:14

L'utilisation de l'IA entraînerait une réduction de 33 % des heures travaillées chez les radiologues dans les cinq prochaines années, avec une fourchette allant de 14 % à 49 %. « Compte tenu de la relative stabilité des effectifs en radiologie et de la croissance continue du volume d'imagerie, il est peu probable que les radiologues perdent leur emploi dans un avenir prévisible », concluent les auteurs d'une étude.

15:00

14:06

La vérification des antécédents d'imagerie nécessite beaucoup de temps et de ressources. Le temps médian consacré à la vérification était de 31 secondes. Selon les auteurs, il est essentiel de quantifier le temps consacré à cette tâche afin de planifier les effectifs et d'optimiser l'efficacité des services (étude).  

7:14

Une étude rétrospective comparant l’ablation par micro-ondes et la résection chirurgicale chez 172 patients atteints d’hyperparathyroïdie primaire montre des taux de guérison et de rémission à long terme similaires sur cinq ans, sans différence significative de complications.

7:00

12 Jan

16:00

Des modèles de langage ajustés avec précision à l'aide d'informations cliniques et radiologiques ont prédit avec exactitude les comptes rendus les plus prioritaires, dans le cadre d'une étude présentée dans European Radiology.
✕
Docteur Imago

GRATUIT
VOIR