L’exercice est désormais un incontournable des rassemblements scientifiques : plusieurs sessions du Congrès européen de radiologie 2023 ont fait l’état de lieux des applications de l’intelligence artificielle (IA) dans différentes surspécialités. Vendredi 3 mars, c’était l’imagerie du sein. Parmi les trois intervenantes, Tamar Sella, cheffe de l’unité d’imagerie du sein du CHU Hadassah, à Jérusalem (Israël), a fait le point sur l’IA en échographie mammaire.
Une fiabilité dépendante de...
Cet article est réservé aux abonnés
Déjà abonnée ? Identifiez-vous
Abonnez-vous
Docteur imago en illimité sur desktop, tablette, smartphone + Le magazine papier
S'abonner L’IA prometteuse en échographie du sein malgré ses limites Achetez cet article pour 10 € Ajouter au panier
Bibliographie
- Brunetti N., Calabrese M., Martinoli C. et coll., « Artificial intelligence in ultrasound: from diagnosis to prognosis-a rapid review », Diagnostics, 2023, vol. 123, n°1 : 58. DOI : 10.3390/diagnostics13010058
- Byra M., Galperin M., Ojeda-Fournier H. et coll., « Breast mass classification in sonography with transfer learning using a deep convolutional neural network and color conversion », Medical Physics, février 2019, vol. 46, n° 2, p. 746-755. DOI : 10.1002/mp.13361.
- Huang Y., Han L., Dou H. et coll., « Two-stage CNNs for computerized BI-RADS categorization in breast ultasound images », BioMedical Engineering Online, 2019, vol. 18, n° 8. DOI : 10.1186/s12938-019-0626-5
- Hejduk P., Marcon M., Unkelbach J. t coll., « Fully automatic classification of automated breast ultrasound (ABUS) imaging according to BI-RADS using a deep convolutional neural network », European Radiology, juillet 2022, vol. 32, p. 4868-4878. DOI : https://10.1007/s00330-022-08558-0
- Wu L., Ye W., Liu Y. et coll., « An integrated deep learning model for the prediction of pathological complete response to neoadjuvant chemotherapy with serial ultrasonography in breast cancer patients: a multicentre retrospective study », Breast Cancer Research, novembre 2022, vol. 24, n° 1 : 81. DOI : 10.1186/s13058-022-01580-6.
- Jiang M., Zhang D., Tang S.-C. et coll., « Deep learning with convolutional neural network in the assessment of breast cancer molecuoar subtipes based on US images: a multicenter prospective study », European Radiology, juin 2021, vol. 31, n° 6, p. 3673-3682. DOI : https://doi.org/10.1007/s00330-020-07544-8.
- Ye H., Hang J., Zhang M. et coll., « Automatic identification of triple negative breast cancer in ultrasonography using a deep convolutional neural network », Scientific Reports, vol. 11, n° 20474. DOI : 10.1038/s41598-021-00018-x
