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 14:11 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 Fév

15:29

Le groupe de médecine nucléaire CEI dont le siège est à Rennes rejoint le réseau Vidi et devient le premier groupe de médecine nucléaire à rejoindre le réseau.

15:00

13:11

En Inde, un garçon de six ans est décédé lors d’un examen d'IRM sous sédation dans un centre de diagnostic privé dans l'Etat d'Uttar Pradesh. La cause exacte du décès de l’enfant n’a pas encore été déterminée. Sa famille affirme qu’une dose incorrecte ou une forte d’injection lui avait été administré, informe India Today.

7:12

L'échographie de contraste (ECUS) a démontré une concordance inter-observateur quasi parfaite et une sensibilité supérieure comparée à l’échographie Doppler couleur pour détecter l’amélioration des lésions rénales indéterminées, conclut une étude parue dans la revue WFUMB Ultrasound Open.

7:00

19 Fév

16:11

Un nouveau capteur à base de lumière peut détecter des quantités incroyablement faibles de biomarqueurs cancéreux dans le sang, avant qu’il ne soit visible sur les scans, augmentant la possibilité d’une détection plus précoce et plus simple, indique un communiqué publié sur ScienceDaily.
✕
Docteur Imago

GRATUIT
VOIR