Actualité La RSNA lance un défi aux chercheurs en IA pour le développement...

Pour approfondir le sujet

Google dévoile Google Landmarks v2 avec plus de 5 millions d’images et lance deux nouveaux défis sur Kaggle

La semaine dernière, Google AI a annoncé sur son blog la mise à disposition, en open source, de la nouvelle version de sa base...

Challenges IA du PIA Vague 1 : inscriptions ouvertes jusqu’au 29 octobre

Dans le cadre du plan « Intelligence Artificielle » ont été lancé des « Challenges IA » dans les quatre secteurs-clés identifiés comme prioritaires...

Un système basé sur l’intelligence artificielle pour détecter les cancers de la prostate mis au point par des chercheurs chinois

À l'occasion du 33e Congrès de l'Association Européenne d'Urologie qui a lieu du 16 au 20 mars à Copenhague, une équipe de chercheurs a...

Lancement du IT Challenge 2020 d’Atos sur le thème de l’Intelligence Artificielle Coopérative

La 9ème édition du Atos IT Challenge a été lancée par Atos. Cette année, le thème porte sur l’Intelligence Artificielle Coopérative. Destinée aux étudiants du...

La RSNA lance un défi aux chercheurs en IA pour le développement d’algorithmes de détection de pneumonie

La Radiological Society of North America (RSNA) a annoncé le lancement du RSNA Pneumonia Detection Challenge à destination des chercheurs en intelligence artificielle. L’objectif est de développer des algorithmes permettant la détection de la pneumonie dans les radiographies.

Il s’agit du deuxième défi annuel de la RSNA portant sur le machine learning. Avec ce RSNA Pneumonia Detection challenge, l’organisme espère que les équipes de chercheurs pourront proposer des systèmes d’identification de pneumonies à partir d’images radiographiques pulmonaires.

Le Dr Luciano Prevedello, chef de la division d’informatique médicale de l’Ohio State University et président du sous-comité directeur du Comité informatique de radiologie (RIC) de la RSNA, a déclaré :

“L’attente que l’intelligence artificielle fournisse bientôt des outils précieux pour la radiologie continue de croître. En organisant des défis de données machine learning, la RSNA joue un rôle important dans la promotion et la démonstration de ces possibilités.”

Proposé sur le site de Kaggle, ce challenge se présente comme une compétition dotée d’un prix de 30.000 dollars. Il s’adresse à la communauté de chercheurs en machine learning et a reçu le soutien de US National Institutes of Health, The Society of Thoracic Radiology, et de MD.ai pour développer un important ensemble de données public. Près de 640 équipes sont d’ores et déjà en train d’essayer de relever le défi.

Le sous-comité directeur Machine Learning de la RSNA a collaboré avec des spécialistes bénévoles de la Society of Thoracic Radiology pour annoter un ensemble de données, identifier les zones anormales des images pulmonaires et évaluer la probabilité de pneumonie.

Le Dr Safwan Halabi, directeur médical de l’informatique radiologique à l’université de Stanford et président du sous-comité RIC, a expliqué :

“Un défi machine learning réussi doit commencer par un ensemble de données suffisamment précises pour fournir une ‘vérité terrestre’. Les développeurs élaborent leurs applications en les testant sur le jeu de données et les organisateurs du challenge utilisent un segment du jeu de données pour mesurer leurs performances.”

Les participants ont jusqu’au 17 octobre prochain pour former leurs algorithmes. Ils auront accès à la partie formation de l’ensemble de données et devront pouvoir reproduire les annotations fournies par des experts. Ils pourront ensuite présenter leurs résultats de tests jusqu’au 24 octobre. Les résultats seront annoncés en novembre et les gagnants seront présentés au cours d’un showcase lors du prochain congrès RSNA, lors d’une session au cours de la machine Learning Showcase à Chicago.

Chercheurs en intelligence artificielle, scientifiques et radiologues sont les bienvenus pour participer à ce défi. Le Dr Prevedello a en effet déclaré :

“Les radiologistes ont un rôle crucial à jouer dans ce défi, même s’ils n’ont pas une grande expérience du machine learning. Ils peuvent apporter des précisions, basées sur leur expérience clinique, pour affiner ou compléter les annotations sur l’ensemble de données de formation et aider les développeurs à identifier les erreurs systématiques dans les résultats de leurs algorithmes.”

Outre le défi en lui-même, il est également possible pour les spécialistes intéressés de participer sur le forum du RSNA Pneumonia Detection et d’exprimer leurs qualifications.

Thierry Maubant

Partager l'article

Industrie 4.0 : Partenariat entre Renault et Google Cloud sur la digitalisation des usines et de la chaîne logistique

Aller plus loin dans l'industrie 4.0 grâce au machine learning et à l'intelligence artificielle, c'est l'objectif du Groupe Renault. Pour ce faire, le constructeur...

Ethique de l’intelligence artificielle : Participez à la consultation de l’UNESCO pour l’élaboration d’une recommandation

Dans le cadre de la décision de la Conférence générale de l'UNESCO lors de sa 40e session en novembre 2019, l'UNESCO s'est engagée dans...

L’OTESIA lance ses 4 premiers projets IA dans la santé, la prévention du cyber-harcèlement, l’éducation

En novembre dernier était lancé l’Observatoire des impacts Technologiques Economiques et Sociétaux de l’Intelligence Artificielle (OTESIA) dans les Alpes-Maritimes. Une première en France et...

Replay Dataquitaine : Processus de Décision Markovien et Apprentissage par Renforcement

Dataquitaine propose en replay son Atelier-Webinaire Data Science, organisé par Digital Aquitaine, le 30 juin 2020. Ce séminaire était dédié à la thématique "Processus...