Actualité Des chercheurs de l'université de Toronto entraînent une intelligence artificielle avec des...

Pour approfondir le sujet

L’intelligence artificielle pour améliorer la survie des patientes atteintes du cancer des ovaires

Des chercheurs de l’Imperial College de Londres et de l’Université de Melbourne ont développé un logiciel permettant de prédire de façon plus précise les...

Deep Learning: Andrew Ng interviewe Geoffrey Hinton dans le cadre de deeplearning.AI

Dans le cadre de son cours sur deeplearning.ai, Andrew Ng a choisi d'aller plus loin que le seul côté technique du deep learning. Il...

Criteo AI Lab : 5 jours de formation sur le deep learning animés par Aurélien Géron

En juin dernier, Criteo annonçait l'ouverture de Criteo AI Lab, centre d'excellence en IA et machine learning dédié à la création, l'expérimentation et au...

Google a sorti en version officielle Dataset Search, un moteur de recherche de jeu de données

En septembre 2018, Google annonçait le lancement de Dataset Search, un moteur de recherche de jeux de données destiné aux data scientists en version bêta....

Des chercheurs de l’université de Toronto entraînent une intelligence artificielle avec des radios artificielles

Le 6 juillet dernier, l’Université de Toronto publiait un article concernant les travaux du professeur Shahrokh Valaee et du doctorat Hojjat Salehinejad. Comme l’indique le communiqué de l’établissement, l’intelligence artificielle permettra d’améliorer à la fois la rapidité et la précision des diagnostics médicaux. Mais avant que les cliniciens puissent exploiter la puissance de l’IA pour identifier les pathologies à partir de radios par exemple, ils doivent “enseigner” aux algorithmes ce qu’ils doivent rechercher.

L’identification des pathologies rares dans les images médicales est un véritable défi pour les chercheurs, du fait de la rareté des images pouvant être utilisées pour l’entraînement des systèmes IA dans le cadre d’un apprentissage supervisé.

Le professeur Shahrokh Valae, du département de génie électrique et informatique (ECE) d’Edward S. Rogers, et son équipe ont développé une nouvelle approche : utiliser le machine learning pour créer des images de rayon X générées par ordinateur afin d’augmenter les ensembles de données IA.

“Dans un sens, nous utilisons le machine learning pour faire du machine learning“, explique Shahrokh Valaee. “Nous créons des radios simulées qui reflètent certaines pathologies rares afin que de pouvoir les combiner avec de vrais radios et avoir une base de données suffisamment importante pour entraîner les réseaux de neurones à identifier ces conditions dans d’autres radio.”

Shahrokh Valaee est membre du Laboratoire d’intelligence artificielle en médecine (MIMLab) de l’Université de Toronto qui regroupe des médecins, scientifiques et chercheurs en ingénierie combinant leur expertise en traitement d’images, en intelligence artificielle et en médecine pour résoudre des problèmes médicaux.

“L’IA a le potentiel d’aider de nombreuses façons dans le domaine de la médecine”, explique Shahrokh Valaee. “Mais pour ce faire, nous avons besoin de beaucoup de données – les milliers d’images étiquetées dont nous avons besoin pour faire fonctionner ces systèmes n’existent tout simplement pas pour certaines pathologies rares.”

Pour créer ces radios artificielles, l’équipe utilise une technique AI appelée un deep convolutional generative adversarial network (DCGAN) pour générer et améliorer continuellement les images simulées. Les GAN sont un type d’algorithme composé de deux réseaux :

  • l’un qui génère les images,
  • et l’autre qui tente de discriminer les images synthétiques des images réelles.

Les deux réseaux sont entraînés jusqu’au point où le discriminateur ne peut pas différencier les images réelles des images synthétisées. Une fois qu’un nombre suffisant de radios artificielles sont créées, elles sont combinées avec des radios réelles pour former un réseau neuronal convolutionnel profond, qui classe ensuite les images comme normales ou identifie un certain nombre de pathologies.

“Nous avons été en mesure de montrer que des données artificielles générées par un GAN convolutionnel profond peuvent être utilisées pour enrichir de véritables ensembles de données”, explique Shahrokh Valaee. “Cela fournit une plus grande quantité de données pour l’entraînement et améliore la performance de ces systèmes dans l’identification des pathologies rares.”

Le MIMLab a comparé la précision de l’ensemble de données augmenté à l’ensemble de données original lorsqu’il a été alimenté par son système d’IA et a constaté que la précision de la classification s’améliorait de 20% pour les conditions courantes. Pour certaines pathologies rares, la précision s’est vue améliorée jusqu’à environ 40% – et étant donné que les radios synthétisées ne proviennent pas de personnes réelles, l’ensemble de données peut être facilement accessible aux chercheurs en dehors des hôpitaux sans porter atteinte aux renseignements personnels.

“C’est excitant parce que nous avons pu surmonter un obstacle dans l’application de l’intelligence artificielle à la médecine en montrant que ces ensembles de données améliorés aident à améliorer la précision de la classification”, explique Shahrokh Valaee. “Le deep learning ne fonctionne que si le volume de données d’entraînement est suffisamment important et c’est une façon de nous assurer que nous avons des réseaux de neurones qui peuvent classer les images avec une grande précision.”

Pierre-yves Gerlat

Partager l'article

Synapse AI : Entretien avec Julian Lucchesi, directeur des partenariats du CenTech à Montréal

L'adoption de l'intelligence artificielle en entreprise nécessite bien souvent un accompagnement. Dans ce numéro 3 de Synapse AI, Mathieu Barreau rencontre Julian Lucchesi, Directeur...

Un modèle de deep learning pour repérer plus facilement les tumeurs métastasiques complexes

Nous vous présentions récemment un système mis au point par des scientifiques écossais permettant de repérer plus facilement les mésothéliomes, une forme rare de cancer....

Trois start-up, spécialisées data et intelligence artificielle, finalistes du LVMH Innovation Award

Dans le cadre de la cinquième édition du LVMH Innovation Award, 28 start-up ont été sélectionnées. Grâce à ce prix dédié à l'innovation, les...

Quelle fiabilité pour la reconnaissance vocale utilisée pour le diagnostic du COVID-19 ?

Savoir si des patients sont atteints du COVID-19 grâce à leur voix ? C'est le défi que se sont lancé plusieurs équipes de recherche....