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 hier à 15:14 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

25 Sep

16:00

Une revue publiée dans Neuroradiology offre un aperçu global des bénéfices cliniques et des limites opérationnelles de la téléradiologie. Selon les chercheurs, celle-ci améliore l’accès à l’expertise, la rapidité des diagnostics et la continuité des soins. Cependant, son développement reste limité par les problèmes de connectivité, d’interopérabilité, de sécurité des données et de réglementation.

15:00

13:00

Dans une revue de la littérature, des chercheurs australiens mettent en évidence des obstacles à l’inclusion des personnes LGBTQ+ en imagerie médicale, notamment les systèmes binaires, le mégenrage et le manque de formation, et souligne la nécessité de développer et d’évaluer des pratiques, des outils et des communications plus inclusifs.

7:45

Un algorithme testé par une équipe de chercheurs danois a démontré une bonne précision pour la détection de fractures d'extrémités en situation d'urgence. Cependant, la valeur prédictive positive inférieure par rapport aux comptes rendus de radiologie et l'apparition de faux positifs soutiennent son utilisation comme aide à la décision plutôt que pour le diagnostic autonome. (Étude)

7:00

24 Sep

17:30

Dans une étude présentée dans JACR, les répétitions d'examens IRM cérébrales liées aux mouvements des patients ont généralement permis d'améliorer la qualité de l'image et la fiabilité du diagnostic, tandis que les répétitions des cholangiopancréatographies n'ont apporté qu'un bénéfice limité. « Ces résultats plaident en faveur d'un suivi au niveau des séquences afin d'orienter les stratégies ciblées de réduction des mouvements », concluent les chercheurs.
✕
Docteur Imago

GRATUIT
VOIR