Vous êtes dans : Accueil > Actualités > Intelligence Artificielle, Machine Learning > Assembler plusieurs modèles de machine learning pour affiner les résultats

Assembler plusieurs modèles de machine learning pour affiner les résultats

MERCREDI 27 NOVEMBRE 2019 Soyez le premier à réagirSoyez le premier à réagir

La combinaison de plusieurs modèles de machine learning peut s’apparenter à une interprétation avec plusieurs avis de radiologues. Une étude publiée dans la Revue Radiology : Intelligence Artificielle décrit des résultats en ce sens. Un chalenge sur les hémorragies cérébrales explorées par scanner sera organisé au RSNA 2019.

RSNA

L'apprentissage ensembliste est une méthode de machine learning dans laquelle différents modèles conçus pour accomplir la même tâche sont combinés en un seul modèle. 

Faire coopérer des modèles de machine learning différents

L'hétérogénéité de ces modèles est souvent importante et les ensembles ont tendance à donner de meilleurs résultats lorsque la corrélation entre les prédictions de chacun des modèles individuels est relativement faible. Ainsi, plus les différences sous-jacentes d'approche sont importantes, plus l’efficacité de l’ensemble est satisfaite.

Dans ce cadre, un concours dans lequel les candidats sont invités à soumettre leurs meilleurs modèles constitue un moment idéal pour rassembler des modèles performants utilisant différentes techniques. « Les compétitions offrent une occasion unique d’étudier les effets de la combinaison de prédictions issues de modèles hétérogènes », a déclaré Ian Pan, étudiant en médecine à la Warren Alpert Medical School de la Brown University, à Providence, en Irlande du Nord et auteur d’une étude dans la Revue Radiology : Artificial Intelligence.

Un challenge pour l’étude de l’âge osseux utilisant plus de 12 000 radiographies

Pour étudier les améliorations de performance possibles pour l'estimation automatique de l'âge osseux grâce à l’intégration de plusieurs modèles, Pan et ses collègues ont utilisé 48 modèles provenant du 2017 RSNA Pediatric Bone Age Machine Learning Challenge. Les participants ont reçu 12 611 radiographies pédiatriques des mains avec un âge osseux déterminé par un radiologue pédiatrique afin de développer des modèles pour la détermination de l'âge osseux.

Les résultats finaux ont été déterminés en utilisant un ensemble de 200 radiographies étiquetées avec la moyenne pondérée de 6 évaluations. Les chercheurs ont évalué la corrélation et la performance moyennes des modèles par paires de toutes les combinaisons de modèles possibles en utilisant l'écart absolu moyen (MAD). 

Des combinaisons que l’on peut assimiler à des interprétations utilisant plusieurs avis

Le MAD estimé d'un modèle unique était de 4,55 mois. Le meilleur ensemble était composé de quatre modèles avec un MAD de 3,79 mois. La corrélation moyenne par paire des modèles au sein de cet ensemble était de 0,47. En comparaison, le MAD le plus bas possible en combinant les modèles les mieux classés basés sur des scores individuels était de 3,93 mois avec huit modèles présentant une corrélation moyenne de 0,67 par modèle.

« Nos résultats attirent l'attention sur un concept qui a des implications pratiques substantielles, alors que les algorithmes de machine learning commencent à passer de la recherche à l'environnement clinique, poursuit Ian Pan. À savoir que les meilleurs résultats sont susceptibles d’être obtenus en combinant plusieurs modèles précis et divers plutôt qu’à partir de modèles uniques. » Ainsi, les praticiens souhaitant incorporer des algorithmes de machine learning à leur flux de travail gagneraient à utiliser différents modèles, ce que l’on peut assimiler à une interprétation radiologique utilisant plusieurs avis.

Un nouveau challenge sur les hémorragies cérébrales au RSNA 2019

Ian Pan a ajouté que les résultats soulignent également l'importance de compétitions ouvertes, telles que le 2017 RSNA Pediatric Bone Age Machine Learning Challenge, car elles expérimentent des cas d'utilisation normalisé et une méthode d'évaluation objective appliquée de la même manière à tous les modèles. « Les concours de machine learning en radiologie devraient promouvoir le développement de modèles hétérogènes dont les prévisions peuvent être combinées pour obtenir des performances optimales », conclut-il.

Pour le 2019 RSNA Intracranial Hemorrhage Detection and Classification Challenge, les chercheurs ont travaillé au développement d'algorithmes permettant d'identifier et de classifier les sous-types d'hémorragies sur scanners cérébraux. L'ensemble de données, qui comprend plus de 25 000 examens fournis par plusieurs instituts de recherche, est le premier ensemble de données multiplanaires utilisé dans le cadre d'un challenge d'intelligence artificielle au RSNA.

Bruno Benque avec RSNA


toshiba

Des modèles pertinents de deep learning pour la radiographie thoracique
03/12/2019 : Selon une étude publiée dans la revue Radiology, le deep learning peut détecter des résultats de radiographie thoracique cliniquement significatifs aussi efficacement que des radiologues expérimentés. Les chercheurs rapportent que leurs résultats pourraient constituer une ressource précieuse pour le développement futur de modèles d’intelligence artificielle pour la radiographie thoracique.

Assembler plusieurs modèles de machine learning pour affiner les résultats
27/11/2019 : La combinaison de plusieurs modèles de machine learning peut s’apparenter à une interprétation avec plusieurs avis de radiologues. Une étude publiée dans la Revue Radiology : Intelligence Artificielle décrit des résultats en ce sens. Un chalenge sur les hémorragies cérébrales explorées par scanner sera organisé au RSNA 2019.

Un réseau de neurones profonds pour améliorer le diagnostic de cancer du poumon
13/11/2019 : Selon des recherches publiées dans la revue Radiology, les radiologues assistés par un logiciel basé sur le deep learning étaient plus en mesure de détecter les cancers du poumon malins sur radiographies du thorax.

L'intelligence artificielle au révélateur de l'imagerie oncologique
12/11/2019 : Dans notre série d’articles dédiés au prochain symposium Scanner volumique, nous allons à la rencontre des orateurs qui animeront cet événement. Aujourd’hui, le Pr Pierre-Jean Valette évoque pour nous l’intelligence artificielle appliquée à l’imagerie oncologique, un thème qu’il abordera lors du symposium.

La recherche sur l'IA en imagerie avance avec le Data Challenge
25/10/2019 : Le Pr Nathalie Lassau, Professeur de Radiologie à l'Université Paris Sud et Co-Directrice du laboratoire d Imagerie IR4M (UPSUD/ CNRS) à l'Institut Gustave Roussy, est la responsable du Data Challenge dont la première édition a été organisée aux JFR 2018. Nous l'avons rencontrée pour une évocation des améliorations apportées, en 2019, à cette compétition.

Une plateforme dédiée pour choisir un moteur d'IA pertinent
03/10/2019 : Acteur historique de l'informatique de Santé, Softway Medical propose une offre d'intelligence artificielle tout à fait originale. À partir d'un catalogue de moteurs d'IA, le radiologue pourra choisir celui qui répondra précisément à ses besoins. Rendez-vous aux JFR 2019 pour découvrir cette nouvelle offre.

L'hémorragie cérébrale, thème du RSNA IA challenge 2019
17/09/2019 : La Radiological Society of North America (RSNA) vient de lancer son troisième défi annuel sur l'intelligence artificielle (IA): le défi RSNA de détection et de classification des hémorragies intracrâniennes.

La Data science en Santé se développe à l'Université
13/08/2019 : L'Intelligence artificielle en Santé fera l'objet de plusieurs cursus de formation dans les Universités françaises à la rentrée. C'est notamment le cas à l'Université Paris Descartes.

RSNA 2019 : 3 700 m2 dédiés à l'intelligence artificielle
09/08/2019 : Le RSNA 2019 AI Showcase proposera un plus grand espace dédié à l'intelligence artificielle. Des démonstrations et des salles de classe permettront aux fournisseurs de solutions et aux spécialistes de promouvoir les outils d'aide à la décision clinique ainsi que les bonnes pratiques de gestion des données.

De nouveaux outils d'aide à la décision en mammographie
18/06/2019 : L'aide à la décision en mammographie 2D et tomosynthèse 3D vient de s'enrichir, avec iCAD, de nouvelles applications annoncées lors du récent congrès de la SIFEM.


Le futur de la médecine nucléaire au prochain congrès ISI NucMed
24/02/2020 : Afin de préparer les acteurs de la médecine nucléaire à l’évolution future de cette spécialité, Arronax Nantes organise en juin prochain l’ISI NucMed, un congrès pluridisciplinaire traitant de production de nucléides, d’intelligence artificielle appliquée et de l’approche théranostique.

Coronavirus au scanner : des images différentes selon le stade d'évolution
21/02/2020 : Dans une nouvelle recherche publiée le 20 février 2020 dans la revue Radiology, des chercheurs du Mount Sinai Health System de New York ont démontré que les images scanographiques dans les cas de coronavirus 19 (COVID-19) sont liées à l'évolution de l'infection.

Le Pôle Imagerie Médicale de l’AP-HM surfe sur la dynamique créée par le projet Imagerie Avenir Marseille (IAM-APHM)
14/02/2020 : Alors qu’il arrive à son terme, le projet de renouvellement des modalités d’imagerie du Pôle Imagerie Médicale (PIM) de l’AP-HM suscite bien des espoirs. La dynamique créée par la forte implication des équipes médicales, paramédicales, techniques, biomédicales et administratives et le dialogue constructif qu’il a favorisé permettront d’améliorer la cohésion et la montée en compétences de tous les acteurs du pôle et des directions concernées.

Découvrez les images du coronavirus mises à jour dans Spectrum of imaging
13/02/2020 : « Radiology of Coronavirus : Spectrum of imaging », édité par la Revue Radiology, est une page web mise à jour continuellement. Elle fournit aux radiologues un panel de cas cliniques pour les assister dans leur décision.

Une évocation de l'imagerie médicale de demain au MDCT 2020
12/02/2020 : Le scanner spectral, la radiologie interventionnelle et l’intelligence artificielle ont constitué les thématiques majeures développées lors du 9ème Symposium Scanner volumique. Un événement qui a laissé entrevoir ce que pourrait être l’imagerie médicale diagnostique et thérapeutique à moyen terme.

Dépistage du cancer du poumon : la FNMR interpelle à nouveau les pouvoirs publics
11/02/2020 : Suite aux bons résultats de la récente étude NELSON, la FNMR vient réitérer, par communiqué, sa demande auprès des pouvoirs publics d’étudier la mise en place du dépistage du cancer du poumon par scanner low dose.

De nouvelles données pour identifier le coronavirus 2019-nCoV au scanner
11/02/2020 : Les signes détaillés du coronavirus 2019-nCoV viennent de faire l’objet d’une nouvelle étude parue dans la Revue Radiology. Des images en verre dépoli majoritairement périphériques et postérieures sont caractéristiques au scanner.

France Imageries Territoires, un vent de jeunesse dans la communauté
11/02/2020 : Le réseau de radiologues France Imageries Territoires compte désormais 270 praticiens. Les activités du groupe attirent de plus en plus de jeunes radiologues, les moins de 45 ans formant la majorité des adhérents.

L'étude NELSON promeut le dépistage du cancer du poumon par scanner
10/02/2020 : Le New England Journal of Medicine a publié, dernièrement les résultats de l’étude NELSON sur le dépistage du cancer du poumon chez les fumeurs. Il semble que le scanner low dose puisse significativement réduire le taux de mortalité de ces populations.

Deux nouvelles études en faveur de la tomothérapie pour le cancer du rectum
07/02/2020 : Deux nouvelles études internationales apportent une nouvelle fois la preuve des bénéfices apportés par la tomothérapie dans la prise en charge du cancer avancé du rectum. Combinée à la chimiothérapie et à la chirurgie, cette méthode apporte des résultats très satisfaisants.


Coronavirus au scanner : des images différentes selon le stade d'évolution
21/02/2020 : Dans une nouvelle recherche publiée le 20 février 2020 dans la revue Radiology, des chercheurs du Mount Sinai Health System de New York ont démontré que les images scanographiques dans les cas de coronavirus 19 (COVID-19) sont liées à l'évolution de l'infection.

Les images pulmonaires caractéristiques du coronavirus au scanner
05/02/2020 : Dans un rapport spécial publié le 4 février 2020 dans la revue Radiology, des chercheurs décrivent les caractéristiques scanographiques qui facilitent la détection et le diagnostic précoces du coronavirus de Wuhan.

Optimiser la cotation des actes grâce à un nouveau site web gratuit
03/09/2019 : Le catalogue CCAM est souvent mal employé par les radiologues, ce qui peut engendrer des erreurs de cotations. C'est pout leur venir en aide que le site web gratuit ccam-radiologie.fr a été conçu, afin d'optimiser la facturation de l'activité radiologique.

Une évocation de l'imagerie médicale de demain au MDCT 2020
12/02/2020 : Le scanner spectral, la radiologie interventionnelle et l’intelligence artificielle ont constitué les thématiques majeures développées lors du 9ème Symposium Scanner volumique. Un événement qui a laissé entrevoir ce que pourrait être l’imagerie médicale diagnostique et thérapeutique à moyen terme.

Réglementation concernant les appareils mobiles des cabinets dentaires
17/05/2016 : Les appareils mobiles ou portables générant des rayons X au sein des cabinets dentaires font désormais l’objet d’une surveillance identique à un poste fixe. C’est ce qu’a rappelé l’ASN dans une note datée du 2 mai 2016.

Le futur de la médecine nucléaire au prochain congrès ISI NucMed
24/02/2020 : Afin de préparer les acteurs de la médecine nucléaire à l’évolution future de cette spécialité, Arronax Nantes organise en juin prochain l’ISI NucMed, un congrès pluridisciplinaire traitant de production de nucléides, d’intelligence artificielle appliquée et de l’approche théranostique.

La recherche sur l'IA en imagerie avance avec le Data Challenge
25/10/2019 : Le Pr Nathalie Lassau, Professeur de Radiologie à l'Université Paris Sud et Co-Directrice du laboratoire d Imagerie IR4M (UPSUD/ CNRS) à l'Institut Gustave Roussy, est la responsable du Data Challenge dont la première édition a été organisée aux JFR 2018. Nous l'avons rencontrée pour une évocation des améliorations apportées, en 2019, à cette compétition.

Le retour du modificateur Z officialisé dans un arrêté !
28/08/2019 : Le modificateur Z devrait bientôt faire son retour dans la nomenclature des actes de radiologie. C'est en tout cas ce qui annoncé dans l''Arrêté du 14 août 2019 paru au Journal Officiel.

Un cas de coronavirus exploré au scanner pulmonaire
31/01/2020 : Un cas de nouveau coronavirus (2019-nCoV) vient d’être décrit dans la Revue Radiology. Des images scanner accompagnent les données cliniques. Nous tenterons, dans les prochaines semaines, de rapporter de nouveaux cas concernant cette pathologie.

De nouvelles données pour identifier le coronavirus 2019-nCoV au scanner
11/02/2020 : Les signes détaillés du coronavirus 2019-nCoV viennent de faire l’objet d’une nouvelle étude parue dans la Revue Radiology. Des images en verre dépoli majoritairement périphériques et postérieures sont caractéristiques au scanner.