Apprentissage machine

Nvidia développe des images pathologiques de synthèse en IRM

Le constructeur de cartes graphiques a montré, lors d’un symposium, un algorithme qui met en concurrence deux réseaux neuronaux pour générer des images réalistes.

icon réservé aux abonnésArticle réservé aux abonnés
Le 18/02/19 à 12:00, mise à jour aujourd'hui à 15:17 Lecture 1 min.

Les chercheurs ont pu introduire dans les images synthétiques des niveaux élevés de variation. Exemple d'images générées. D. R.

Pour développer un apprentissage automatique en imagerie médicale, plusieurs défis sont à relever : il faut faire avec la faible incidence des résultats pathologiques et gérer les restrictions liées à la protection des données du patient. Lors d’un symposium en Espagne, en septembre dernier, Nvidia, le constructeur de cartes graphiques, a proposé une méthode pour créer des clichés d’imagerie IRM de synthèse.

Deux réseaux neuronaux

Pour la développer, les ingénieurs de la firme ont extrait des clichés de deux bases de données : l’Alzheimer’s Diseases Neuroimaging initiative et la série d’images tumorales du Mulmodal Brain Tumor Image Segmentation Benchmark. Ils ont employé une méthode appelée « Generative Adversarial Network ». Il s’agit d’un algorithme mis en œuvre par un système de deux réseaux neuronaux en concurrence l'un avec l'autre afin de générer des images ayant de nombreuses caractéristiques réalistes.

Amélioration des performances

Les chercheurs ont pu introduire des niveaux élev

Il vous reste 33% 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

Avatar photo

Benjamin Bassereau

Directeur de la rédaction BOM Presse Clichy

Voir la fiche de l’auteur

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

17 Juil

16:00

Des chercheurs nord-américains ont adapté un modèle d'apprentissage profond pour la segmentation de la composition corporelle (muscle, os, graisse) à partir des images scanner volumétriques allant des vertèbres L2 à L4. La méthode s'est montrée plus précise que la technique standard, basée sur une seule coupe axiale en L3, se félicitent-ils dans EJR.

13:30

La TEP-TDM au meta-[18F] fluorobenzylguanidine ([18F]-mFBG) pourrait constituer une alternative plus efficace à la TEMP-TDM au [123I]-metaiodobenzylguanidine (MIBG) pour la stadification et l'évaluation de la réponse tumorale des neuroblastomes, conclut une étude présentée dans Pediatric Radiology.

7:42

GE Healthcare et la Mayo Clinic à Rochester (Minnesota) annoncent leur coopération autour d'un essai sur le traitement du cancer de la prostate par radioligands. L'étude MI-BET évaluera si l'utilisation de marqueurs biologiques et d'imagerie permet de mieux personnaliser les traitements, par exemple en espaçant les séances.
16 Juil

16:59

Une étude rétrospective compare les biopsies mammaires guidées par tomosynthèse et par échographie pour les lésions mammaires non calcifiées, en évaluant leurs caractéristiques et leurs performances diagnostiques. Les résultats montrent que l'échographie présente une meilleure valeur prédictive positive et que la tomosynthèse reste une alternative pertinente lorsque la lésion n'a pas de corrélat échographique définitif.

13:46

En angioscanner de la tête et du cou, associer une technologie de reconstruction d'image par apprentissage profond à une acquisition de basse énergie (80 kVp) permet de diminuer les doses de radiation (-36 %) et de produit de contraste (-26%) en améliorant la qualité d'image par rapport au protocole standard (100 kVp et reconstruction itérative), conclut un article dans EJR.
Docteur Imago

GRATUIT
VOIR