Vous êtes dans : Accueil > Actualités > Intelligence Artificielle, Machine Learning > Les chercheurs invités à trouver des algorithmes de détection de la pneumonie

Les chercheurs invités à trouver des algorithmes de détection de la pneumonie

LUNDI 10 SEPTEMBRE 2018 Soyez le premier à réagirSoyez le premier à réagir

Les chercheurs en Intelligence Artificielle sont appelés à trouver des algorithmes pour la détection de la pneumonie dans les images radiologiques. La Radiological Society of North America (RSNA) organise en effet pour eux le défi RSNA Pneumonia Detection, un concours dont les résultats seront publiés lors du prochain RSNA.

RSNA

La Radiological Society of North America (RSNA) a lancé son deuxième défi annuel de Machine learning. Le défi RSNA Pneumonia Detection invite les équipes à développer des algorithmes pour identifier et localiser la pneumonie dans les radiographies pulmonaires.

Une compétition mettant aux prises des chercheurs en intelligence artificielle

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

Un défi de données de machine learning est une compétition entre les chercheurs en intelligence artificielle pour créer des applications qui exécutent une tâche définie en fonction de mesures de performance spécifiées. Le défi de la détection de la pneumonie reposera sur un ensemble de données accessibles au public et publié par les National Institutes of Health. 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.

Trouver des algorithmes pour la détection de la pneumonie

"Un défi Machine Learning réussi doit commencer par un ensemble de données suffisamment précises pour fournir une« vérité terrestre, poursuit le Dr Safwan Halabi, directeur médical de l’informatique radiologique à l’université de Stanford et président du sous-comité RIC. 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." Le défi de cette année sera mené en utilisant la plate-forme de compétition fournie par Kaggle, Inc. qui fournira une page d'accueil pour le défi, un accès contrôlé aux jeux de données du challenge, un forum de discussion pour les participants et un entrepôt dans lequel ils soumettront leurs résultats. Kaggle a reconnu le RSNA Pneumonia Detection Challenge comme un bien public et fournira un prix de 30 000 dollars pour les gagnants.

Présentation des gagnants au cours d'un showcase lors du prochain congrès RSNA

Le défi comprendra deux phases. Pendant la phase de formation, qui a débuté le 27 août et se termine le 17 octobre 2018, les participants utiliseront la partie formation de l'ensemble de données pour développer des algorithmes qui reproduisent les annotations fournies par les experts radiologistes. Ensuite, dans la phase d'évaluation, qui se déroule du 18 au 24 octobre 2018, les participants exécutent leurs algorithmes sur la partie test du jeu de données, à partir de laquelle les annotations sont masquées. Le 24 octobre est la date limite pour la soumission des résultats des tests, qui seront ensuite comparés aux valeurs «de vérité» fournis par les annotations des experts et ainsi déterminer les gagnants. Les résultats seront annoncés début novembre 2018, et les meilleures soumissions seront reconnues le 26 novembre lors d'une session à la machine Learning Showcase lors du congrès annuel de la RSNA 2018 à Chicago. 

Les radiologistes invités à apporter leur contribution à la base de données

Le défi de l’année dernière a réuni plus de 200 participants, dont beaucoup ont formé des équipes composées de scientifiques et de radiologues. "Les radiologistes ont un rôle crucial à jouer dans ce défi, même s’ils n’ont pas une grande expérience du machine learning, conclut le Dr Prevedello. 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."

Les radiologistes intéressés pour participer à ce projet peuvent créer un compte gratuit sur le site de Kaggle et exprimer leurs intérêts et leurs qualifications dans le forum pour le défi RSNA Pneumonia Detection.

Bruno Benque avec RSNA


toshiba

Les trois lauréats du Myrian Studio Challenge sont connus
11/12/2018 : Intrasense a récompensé trois projets innovants en imagerie médicale en décernant les trois Prix "Myrian® Studio Challenge 2018" au dernier RSNA.  

Le deep learning pour gagner le combat contre la tuberculose
03/12/2018 : Le combat contre la tuberculose pourrait être gagné en utilisant l'IA pour le diagnostic sur les radiographies pulmonaires. Ce thème a été développé dans un article de la revue Radiology, primé au congrès de la RSNA 2018.  

La RSNA récompense des algorithmes d'identification de la pneumonie par radiographie pulmonaire
27/11/2018 : Le Pneumonia Detection Challenge a récompensé dix équipes ayant élaboré chacune un algorithme de Machine Learning pour identifier une pneumonie sur des radiographies pulmonaires. Ils ont été présentés le 26 novembre lors du congrès 2018 de la RSNA.

Diagnostic automatique des radiographies pulmonaires: dans les années 60, déjà...
21/11/2018 : Les recherches sur les usages de l'Intelligence Artificielle appliqués à la radiologie se multiplient désormais. L'éditorial du Journal Radiology revient sur ces application et rappelle que, dans les années 60, un radiologue précurseur avait initié un système d'apprentissage des images pathologiques sur les radiographies du poumon.

Un projet d'Intelligence Artificielle surdimensionné au Nord de l'Angleterre
13/11/2018 : Sectra met à disposition du consortium Northern Pathology Co-operative (NPP) au Royaume-Uni, sa plateforme d'Intelligence Artificielle pour un projet de mise en commun d'images radiologiques oncologiques pesant quelques 1,2 pétaoctets par an.  

Détecter précocement la maladie d'Alzheimer grâce au Deep Learning des données de PET-FDG
06/11/2018 : Le Deep Learning basé sur les données du PET-FDG améliorerait la capacité de l'imagerie cérébrale à prédire précocement la maladie d'Alzheimer. C'est ce que conclut une étude publiée dans la revue Radiology qui identifie les changements métaboliques avec une sensibilité significative.  

Brain(s), la plateforme de recherche & développement japonaise d'Intelligence Artificielle en Santé
02/11/2018 : Fujifilm est désormais lancé dans le développement de technologies d'Intelligence Artificielle. C'est ainsi qu'ellle vient d'annoncer la création de "Brain(s)", son Fujifilm Creative AI Center, plateforme de recherche et développement situé en plein cœur de Tokyo.

Naissance de DRIM France IA, l'écosystème créé par le Conseil de la Radiologie française
24/10/2018 : L'écosystème français d'Intelligence Artificielle dédié à l'imagerie médicale est créé et s'appelle "DRIM France IA". Le G4 a annoncé sa mise en œuvre lors des JFR 2018.  

Canon Medical Systems intègre l'IA au cœur de ses solutions d'imagerie
10/10/2018 : Dès la fin 2018 Canon Medical Systems implantera son premier Scanner intégrant de l’intelligence artificielle (IA) au CHU de Dijon. Une solution de Deep Learning Reconstruction (DLR) embarquée permettra en effet d’augmenter la qualité et la précision des images et d’abaisser le niveau d’irradiation du patient.

Imagerie et IA: un duo à réguler finement au bénéfice du patient
09/10/2018 : Nesrine Benyahia, Présidente de DrData, et Stéphane Boyer, Directeur Général d'Arterys, nous éclairent sur les véritables enjeux de l’intelligence artificielle en imagerie médicale par des regards croisés sur les plans du juridique, des politiques publiques et des applications pratiques.


Perfectionnez-vous en IRM pelvienne en présentiel et e-learning
13/12/2018 : La formation FORCOMED de perfectionnement à l'IRM pelvienne est reconduite en 2019. Deux sessions en présentiel sont programmées, ainsi qu'un module d'e-learning.

Le Dr Philippe Cart nouveau Président du Syndicat des Radiologues Hospitaliers
13/12/2018 : Le Dr Philippe Cart (CH Charleville-Mézières) a été élu, le 7 décembre 2018, Président du Syndicat des Radiologues Hospitaliers (SRH).

Des gains significatifs dans la planification et la durée des traitements pour le cyberknife
12/12/2018 : Avec son système de planification de traitement Accuray Precision®associé à l’optimisateur VOLOTM pour le Cyberknife, Accuray réduit significativement les durées de planification et les temps de traitement.

Le JT du RSNA du 7 décembre 2018
12/12/2018 : Pour clore notre série de comptes rendus du RSNA 2018, en partenariat avec les Entretiens Médicaux d'Enghein, le JT du 7 décembre fait la synthèse de l'édition 2018 et présente des outils d'impression 3D.

Les trois lauréats du Myrian Studio Challenge sont connus
11/12/2018 : Intrasense a récompensé trois projets innovants en imagerie médicale en décernant les trois Prix "Myrian® Studio Challenge 2018" au dernier RSNA.  

Une meilleure détection du cancer du sein depuis la mammographie numérique
11/12/2018 : Le passage d'une mammographie sur film à une mammographie numérique a augmenté la détection du cancer du sein de 14% au Royaume-Uni sans augmenter le taux de rappel, selon une nouvelle étude majeure parue dans la revue Radiology.

Le JT du RSNA du 6 novembre 2018
10/12/2018 : Dans notre série de comptes rendus du RSNA 2018, en partenariat avec les Entretiens Médicaux d'Enghein, le JT du 6 décembre parle de gadolinium, de cryo et thermo-ablation, et de la rentabilité relative des modalités présentées dans ce congrès.

Un site d'information pour tranquilliser les enfants avant un examen
07/12/2018 : RadiologyInfo.org a lancé RadInfo 4 Kids, une nouvelle section du site Web grand public contenant des vidéos, des histoires, des jeux et des activités pour aider les enfants et leurs parents à se préparer aux examens d'imagerie médicale.

Le JT du RSNA du 5 décembre 2018
06/12/2018 : Dans notre série de comptes rendus du RSNA 2018, en partenariat avec les Entretiens Médicaux d'Enghein, le JT du 5 décembre évoque la radiomique, le TEP-IRM et les grandes tendances observées au RSNA 2018 notamment.

Canon Medical présente ses nouveautés au RSNA 2018
06/12/2018 : Canon Medical a une nouvelle fois, lors du RSNA 2018, fait la preuve de sa polyvalence et de son avance technologique avec ses modalités d'explorations avancées.


Radioprotection: ce qui devrait changer le 1er juillet 2018
30/03/2018 : L'Ordonnance instituant de nouvelles règles en matière de prévention du risque ionisant devrait entrer en vigueur le 1er juillet 2018. Il n'y aura pas, d'après les informations que nous avons recueillies, de révolution. La gestion des professionnels multi-établissements devrait être revue, la fiche d'exposition devrait disparaître et les PCR externes sont appelés à faire place à des OCR certifiés ISO.

LE GADOLINIUM EST-IL DANGEREUX A LONG TERME ?
05/05/2015 : Une série d'études récentes montre que le Gadolinium s'accumule de façon résiduelle dans le cerveau. Les dangers de ces résidus sont sans doute liées à la structure moléculaire de l'agent chimique qui accompagne le Gadolinium dans le corps des patients. Et les habitudes des radiologues sont appelées à changer, selon le Pr Emmanuel Kanal.

Les trois lauréats du Myrian Studio Challenge sont connus
11/12/2018 : Intrasense a récompensé trois projets innovants en imagerie médicale en décernant les trois Prix "Myrian® Studio Challenge 2018" au dernier RSNA.  

Perfectionnez-vous en IRM pelvienne en présentiel et e-learning
13/12/2018 : La formation FORCOMED de perfectionnement à l'IRM pelvienne est reconduite en 2019. Deux sessions en présentiel sont programmées, ainsi qu'un module d'e-learning.

Détecter précocement la maladie d'Alzheimer grâce au Deep Learning des données de PET-FDG
06/11/2018 : Le Deep Learning basé sur les données du PET-FDG améliorerait la capacité de l'imagerie cérébrale à prédire précocement la maladie d'Alzheimer. C'est ce que conclut une étude publiée dans la revue Radiology qui identifie les changements métaboliques avec une sensibilité significative.  

Un site d'information pour tranquilliser les enfants avant un examen
07/12/2018 : RadiologyInfo.org a lancé RadInfo 4 Kids, une nouvelle section du site Web grand public contenant des vidéos, des histoires, des jeux et des activités pour aider les enfants et leurs parents à se préparer aux examens d'imagerie médicale.

Une meilleure détection du cancer du sein depuis la mammographie numérique
11/12/2018 : Le passage d'une mammographie sur film à une mammographie numérique a augmenté la détection du cancer du sein de 14% au Royaume-Uni sans augmenter le taux de rappel, selon une nouvelle étude majeure parue dans la revue Radiology.

Canon Medical présente ses nouveautés au RSNA 2018
06/12/2018 : Canon Medical a une nouvelle fois, lors du RSNA 2018, fait la preuve de sa polyvalence et de son avance technologique avec ses modalités d'explorations avancées.

Naissance de DRIM France IA, l'écosystème créé par le Conseil de la Radiologie française
24/10/2018 : L'écosystème français d'Intelligence Artificielle dédié à l'imagerie médicale est créé et s'appelle "DRIM France IA". Le G4 a annoncé sa mise en œuvre lors des JFR 2018.  

L'Ingenia Ambition: une innovation de rupture en IRM
20/11/2018 : L'IRM Ingenia Ambition de Philips Healthcare n'a besoin que de 7 litres d'hélium pour fonctionner. Marceau Eck, Responsable marketing IRM, que nous avons rencontré aux JFR 2018, revient sur les avantages d'une telle évolution.