Intelligence artificielle

Comment les algorithmes apprennent à analyser les images

Une session des Journées francophones de radiologie a décrit les fondamentaux de l’intelligence artificielle en imagerie. Deux grands principes président à son fonctionnement : l’apprentissage et les données.

icon réservé aux abonnésArticle réservé aux abonnés
Le 17/01/19 à 16:00, mise à jour aujourd'hui à 14:07 Lecture 4 min.

Un algorithme d'intelligence artificielle en imagerie est conçu pour apprendre à analyser de façon automatique les images à partir des exemples – des données – qui lui sont fournis. © Docteur Imago

Plus d’une trentaine de conférences, séances pédagogiques ou symposiums des Journées francophones de radiologie 2018 comportaient le terme « intelligence artificielle » dans leur intitulé. Certaines s’adressaient aux professionnels déjà familiers du sujet, d’autres aux radiologues encore novices. Samedi 13 octobre, Christine Fernandez-Maloigne, spécialiste en traitement d’image à l’université de Poitiers, a présenté les bases du fonctionnement des outils d’IA, et les notions de big data, d’apprentissage machine ou encore d’apprentissage profond.

Apprendre à voir

Les capacités de l’IA à faire de l’imagerie juste reposent sur l’apprentissage, entame-t-elle. Comme un enfant, né avec des « algorithmes visuels très sophistiqués », apprend à reconnaître diverses catégories d’objets à force de les voir, un algorithme d'intelligence artificielle en imagerie est conçu pour apprendre à analyser de façon automatique les images à partir des exemples – des données – qui lui sont fournis.

Régression et

Il vous reste 85% 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

Jérome Hoff

Rédacteur en chef adjoint BOM Presse Clichy

Voir la fiche de l’auteur

Mots-clés

apprentissage machine apprentissage profond

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Sommaire

Le fil Docteur Imago

09 Jan

16:11

Une étude publiée dans BMC Urology a évalué la capacité de plusieurs grands modèles de langage à classer des comptes rendus d’IRM de la prostate selon le système PI-RADS v2.1. Le modèle GPT-o1 montre la meilleure concordance avec les radiologues, mais tous les modèles présentent des limites pour les lésions PI-RADS 3.

15:00

13:08

Chez les patients atteints d'occlusion aiguë des grands vaisseaux (LVO) de l’ACM et de sténose de l’artère intracrânienne sous-jacente traitée par stent de secours, l’administration préalable d’une thrombolyse intraveineuse n’est pas associée à une augmentation du risque d’hémorragie intracrânienne symptomatique ni de la mortalité à 90 jours (étude).

7:30

Un modèle de classification ternaire radiologique a obtenu des performances diagnostiques « excellentes » pour différencier les lésions pulmonaires sur des images de scanner, selon des résultats publiés dans Radiology.

7:00

08 Jan

15:17

Des chercheurs ont introduit un nouveau marqueur tumoral IRM appelé « signe sombre-clair-obscur » et suggèrent qu’il peut aider à prédire la métastase des ganglions lymphatiques chez les patients atteints d’un cancer rectal, selon une étude publiée dans Radiology.
✕
Docteur Imago

GRATUIT
VOIR