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 14:14 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

09 Déc

16:00

L'entreprise Agfa annonce la suppression de 145 postes en Belgique, due à l'accélération du déclin du film radiologique sur le marché mondial (communiqué).

14:00

Une étude passe en revue l'utilité des algorithmes basés sur l'IA et l'apprentissage automatique pour faciliter efficacement le triage et rationaliser le flux de travail en radiologie pédiatrique.

7:23

L'arrêté du 5 décembre 2025 fixe à 295 le nombre maximum d'autorisations d'exercice des personnes titulaires d'un diplôme permettant l'exercice, dans le pays d'obtention de ce diplôme, de la profession de médecin, pour la période du 15 décembre 2025 au 15 décembre 2026. Pour la radiologie, le nombre d'autorisations est fixé à 3. Ces personnes doivent avoir satisfait à des épreuves de vérification des connaissances, précise l'arrêté.

7:00

08 Déc

16:12

Le scanner double-énergie en scanner n’apporte pas de supériorité technique constante par rapport au scanner standard pour la résolution en contraste des métastases hépatiques hypovasculaires, selon une méta-analyse.

11:00

Bayer a présenté au RSNA les premiers résultats pédiatriques de son étude QUANTI, montrant que son agent de contraste IRM gadoquatrane offre un profil pharmacocinétique et une sécurité comparables à ceux de l’adulte, tout en réduisant de 60 % la dose (communiqué).
✕
Docteur Imago

GRATUIT
VOIR