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

20 Oct

16:02

Une méta-analyse de 13 articles constate l'absence de preuves ou des preuves contradictoires de l'intérêt d'utiliser des agents antispasmodiques pour améliorer la qualité d'image de l'IRM pelvienne.

13:07

Un Mammobile va sillonner la région Provence-Alpes-Côte d’Azur début 2026, afin de renforcer le dépistage du cancer du sein, informe le média ledauphine.com.

7:14

Des chercheurs de l'école de médecine Keck de l’université de Californie du Sud ont créé la première méthode pour mesurer de manière non invasive les pouls microscopiques des vaisseaux sanguins dans le cerveau humain. À l’aide de l’IRM 7T avancée, ils ont constaté que ces minuscules pulsations se renforçaient avec l’âge et le risque vasculaire, perturbant les systèmes d’élimination des déchets du cerveau. (Étude)

7:00

17 Oct

15:09

L’IRM mammaire multiparamétrique aide à évaluer les calcifications mammographiques BI-RADS de catégorie 4a/4b sans biopsie. Les caractéristiques DWI ou IRM quantitative peuvent ne pas améliorer davantage les performances diagnostiques, suggère une étude publiée dans European journal of radiology.

15:00

✕
Docteur Imago

GRATUIT
VOIR