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 15:12 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

17 Août

7:12

Le débruitage par apprentissage profond des images IRM du genou à 0,55 T améliorerait considérablement les performances diagnostiques, avec des résultats comparables à ceux obtenus avec l'IRM 3 T (étude).

7:00

14 Août

14:48

L'adoption des outils d'IA destinés au dépistage du cancer du sein est notable, mais seule une minorité d'utilisateurs de l'IA rapporterait bénéfice clinique significatif (étude).

7:45

Le scanner injecté apporterait une valeur ajoutée diagnostique lors de la reclassification des patientes présentant des tumeurs ovariennes épithéliales classées en O-RADS 4 ou 5, ce qui faciliterait la caractérisation des lésions annexielles et permettrait une planification chirurgicale plus personnalisée (étude).

7:00

13 Août

14:36

Le Collège américain de radiologie (ACR) met à jour ses critères de pertinence pour l'imagerie des pneumopathies interstitielles diffuses (PID). Le document définit des guidelines pour l'imagerie initiale en cas de suspicion de PID, pour l'imagerie en cas de détérioration aiguë chez les patients atteints d'une PID confirmée, et pour le suivi de la maladie.
✕
Docteur Imago

GRATUIT
VOIR