Intelligence artificielle Un modèle de deep learning permet de classer avec précision six types...

Pour approfondir le sujet

Sur le même thème :

Des chercheurs du MIT ont utilisé le deep learning pour générer des hologrammes 3D instantanément

En 2018, plusieurs études démontraient comment le deep learning permettrait de développer des applications pratiques aux hologrammes. Dans le cadre d'une recherche soutenue en...

Intelligence artificielle, oncologie et immunologie : AP-HP et Owkin présentent leurs résultats

Assistance Publique - Hôpitaux de Paris (AP-HP) et Owkin, start-up technologique spécialisée dans l'IA et dans l'apprentissage fédéré (federated learning) pour la recherche et...

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....

Les réseaux de neurones convolutifs pour catégoriser et classifier les images des ecosystèmes pélagiques

Dans le cadre d'une mission, plusieurs chercheurs ont capturé in situ des images de la floraison printanière planctonique dans l'océan arctique, ce qui a...

Un modèle de deep learning permet de classer avec précision six types de tumeurs intracrâniennes

Classer une tumeur cérébrale dans l’un des six types courants à l’aide d’une seule IRM 3D : c’est le défi que s’est lancé une équipe de chercheurs américains. Ensemble, ils ont conçu un modèle de deep learning capable de cette prouesse, un pas de plus vers la création d’un outil fiable de détection automatique des tumeurs et de l’absence d’image pathologie tumorale. Les experts ont exploité un vaste ensemble de données d’IRM 3D intracrâniennes pour entrainer et tester le système.

Le défi de l’automatisation de la détection des tumeurs cérébrales à l’aide des IRM 3D

Réussir à traiter plus facilement les tumeurs intracrâniennes les plus courantes, déterminer directement la classe tumorale de celle-ci ou son absence à l’aide d’une IRM 3D, et permettre d’adapter le suivi et le traitement du patient selon ce classement. Voilà le défi du laboratoire d’imagerie numérique du Mallinckrodt Institute of Radiology de la Washington University School of Medicine à Saint Louis dans le Missouri.

Satrajit Chakrabarty, doctorant sous la direction du Pr Aristeidis Sotiras, et du Pr Daniel Marcus avec l’aide de Pamela LaMontagne, Michael Hileman et Daniel Marcus ont rédigé une publication autour du modèle de deep learning qu’ils ont conçu et qui est capable de classer une tumeur cérébrale parmi l’un des six types courants, à l’aide d’une seule IRM 3D selon l’étude.

Le gliome de haut grade, le gliome de bas grade, les métastases cérébrales, le méningiome, l’adénome hypophysaire et le neurinome de l’acoustique : ce sont les six types de tumeurs intercrâniennes les plus courants et chacun d’entre eux nécessite l’ablation chirurgicale de la zone suspectée d’un cancer et son examen au microscope.

Deep learning et réseau de neurones convolutifs

Afin de concevoir leur modèle de deep learning, les chercheurs ont développé un vaste ensemble de données multi-institutionnelles d’IRM 3D intracrâniennes à partir de quatre sources accessibles au public. De plus, l’équipe a obtenu des examens IRM préopératoires à partir de la segmentation des images de tumeurs cérébrales connues.

Au total, ce sont 2 105 examens qui ont été divisés en trois sous-ensembles de données :

  • 1 396 examens ont été utilisés pour l’entrainement du modèle, et plus précisément l’entrainement du réseau neuronal convolutif à faire la distinction entre les images saines et les identifications de tumeurs, et à classer les tumeurs par type.
  • 361 examens pour les tests internes et 348 pour les tests externes. Ces données ont été exploitées pour évaluer les performances du modèle.

Des résultats très encourageants dans l’optique de la classification des tumeurs intracrâniennes

Avec les données de test internes, le modèle a atteint une précision de 93,35 % (337 sur 361) dans sept groupes d’images (une classe saine et six classes tumorales). Les sensibilités variaient de 91 % à 100 %, et la valeur prédictive positive variait de 85 % à 100 %. Les valeurs prédictives négatives variaient quant à elles de 98 % à 100 % dans toutes les classes. Avec les données de test externes (qui ne concernent que les gliomes de haut grade et gliome de bas grade), le modèle est précis à 91,95 %.

Les chercheurs considèrent qu’avec ces résultats, le deep learning est une approche prometteuse pour la classification et l’évaluation automatisées des tumeurs cérébrales. Ils ajoutent que l’utilisation des réseaux de neurones convolutifs permettent d’éviter la longue étape de la segmentation tumorale avec la classification. Pour Satrajit Chakrabaty, ces recherches ne sont que la première étape vers un flux de travail de radiologie amélioré par l’IA.


1ère Marketplace de l'IA et de la transformation numérique vous recommande :
 
Zacharie Tazrout

Partager l'article

IA et Musique : Soundcloud, plateforme de streaming audio musicale, annonce l’acquisition de Musiio

L'IA pour la musique est un sujet qui passionne, nous lui avons d'ailleurs consacré un dossier dans le dernier numéro d'ActuIA, actuellement en vente...

Focus sur la solution Tekimpact qui vise à accélérer l’innovation technologique des entreprises

La SATT CONECTUS, société alsacienne d'accélération du transfert de technologie, et la startup TEKIMPACT ont signé une licence exclusive pour l’exploitation mondiale d’une technologie...

Transition énergétique : Autogrid annonce son rachat par Schneider Electric

Début, Autogrid, société pionnière de l'optimisation basée sur l'IA pour les ressources énergétiques distribuées (RED), qui s'est donné pour mission d'accélérer l'accès aux énergies...

Atos annonce le lancement d’« Atos Business Outcomes-as-a-service » développé en collaboration avec Dell Technologies

Début mai, Atos a annoncé le lancement d’Atos Business Outcomes-as-a-Service ( Atos BOaaS ), une offre 5G, Edge et IoT développée conjointement avec Dell...
Recevoir une notification en cas d'actualité importante    OK Non merci