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 hier à 15:16 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

20 Avr

7:30

La classification Node-RADS v1.0 montre une bonne reproductibilité entre radiologues, quel que soit leur niveau d’expertise, pour l’évaluation des ganglions médiastinaux au scanner thoracique dans le cancer bronchique non à petites cellules. Elle présente une forte spécificité et une valeur prédictive négative élevée, mais une sensibilité limitée. (Étude)
17 Avr

16:34

Un centre d’imagerie médicale « de pointe » ouvrira en 2027 à Valence-d’Agen (Tarn-et-Garonne), informe ladepeche.fr

14:33

Une revue systématique publiée dans Radiography conclut au fort potentiel de l’utilisation du jumeau numérique en IRM, notamment en cardiologie et en oncologie, malgré des limites dans les domaines de la formation, de la sécurité et de l’intégration opérationnelle.

7:12

Une étude publiée dans Radiography analyse l’utilisation du modèle d’apprentissage profond Att-U-Net pour segmenter les tissus pulmonaires et les tumeurs à partir d’images PET-CT, afin d’améliorer le diagnostic du cancer du poumon. Les résultats montrent de bonnes performances (DSC 0,81 et IoU 0,69), suggérant que ce modèle pourrait renforcer la précision clinique et faciliter la planification des traitements.
Docteur Imago

GRATUIT
VOIR