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

11 Sep

17:00

Une étude prospective chez 22 patients atteints de tumeurs neuro-endocrines métastatiques montre que le ¹⁷⁷Lu-LNC1010 présente un profil de tolérance favorable, sans toxicité rénale ou hépatique sévère. Le traitement a obtenu un taux de réponse objective de 44,4 %, et un contrôle de la maladie de 94,4 %.

15:00

Après une embolisation des artères prostatiques (PAE), le taux cumulé de ré-intervention atteint 25,8 % à 5 ans, la résection transurétrale de la prostate étant la procédure de rattrapage la plus fréquente, selon une étude. Ces résultats confirment une durabilité à moyen terme satisfaisante de la PAE.

13:30

Une étude démontre que le score O-RADS IRM présente une excellente performance diagnostique pour différencier les masses annexielles bénignes et malignes. L’intégration de la courbe d’intensité semi-quantitative (SIC) améliore surtout la spécificité et la valeur prédictive positive, tout en réduisant les interventions chirurgicales inutiles.

7:00

10 Sep

17:23

L’embolisation des artères utérines (EAU) offre une amélioration durable des symptômes chez environ 75 % des patientes. À 10 ans, près d’une patiente sur cinq nécessite une nouvelle intervention, avec un risque plus élevé chez les femmes plus jeunes. (Etude).

15:00

✕
Docteur Imago

GRATUIT
VOIR