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 14:15 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

23 Déc

7:18

L'utilisation de l'analyse quantitative sur les examens de mammographie et d'échographie améliore la spécificité du diagnostic de cancer du sein et pourrait permettre de réduire le nombre de biopsies inutiles, selon une étude présentée dans Radiography.

7:00

22 Déc

16:04

Varian, filiale de Siemens Healthineers et l'entreprise pharmaceutique Telix Pharmaceutical Limited, annoncent une collaboration stratégique dans le domaine des traitements par radiopharmaceutiques et radiothérapie.

13:06

La Société française de radiologie annonce le décès du professeur Thierry de Baere, chef du service de radiologie interventionnelle du centre de lutte contre le cancer Gustave-Roussy (94). Nous adressons nos condoléances à sa famille et ses proches.

7:13

Une étude publiée dans European Journal of Nuclear Medicine and Molecular Imaging montre que l’évaluation de la réponse thérapeutique du carcinome hépatocellulaire (CHC) par 68Ga-PSMA PET offre une concordance interprétative presque parfaite entre lecteurs, surpassant nettement les critères CT/MRI, notamment après immunothérapie. Ces résultats ouvrent la voie à la validation de PSMA PET comme outil fiable pour guider la prise en charge et orienter les essais thérapeutiques futurs.

7:00

✕
Docteur Imago

GRATUIT
VOIR