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 14:12 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 Nov

15:06

Une étude montre que l’angioscanner coronaire à détecteur photonique, réalisée avec des doses réduites de rayonnement et de produit de contraste, offre une excellente qualité d’image et une précision diagnostique élevée, en particulier avec les reconstructions en VMI à 55 keV. Cette technique permet de détecter avec fiabilité les sténoses obstructives et les resténoses intrastent chez des patients souffrant d’une maladie coronarienne associée à l’inflammation.

13:11

Une étude évaluant deux protocoles sur un scanner à comptage photonique : kV bas (70) et kV élevé (120) a démontré les promesses du premier protocole pour réduire la dose de radiation chez les nourrissons, avec une qualité d’image similaire à celle du protocole 120 kV, bien que des reconstructions spectrales avancées ne soient pas disponibles.

11:00

8:00

7:09

Les radiologues, hospitaliers et libéraux fédérés au sein du CNP G4, alertent sur le risque que les baisses tarifaires envisagées fassent disparaître de nombreuses structures de proximité, compromettant l’accès équitable à des soins radiologiques de qualité partout en France. Ils appellent à suspendre ces mesures, craignant notamment que cela n'engendre frein majeur à l’innovation, et se déclarent prêts à un dialogue constructif pour préserver la radiologie au service de tous.

7:00

✕
Docteur Imago

GRATUIT
VOIR