Publicité

Des tags facteurs de confusion pour certaines images du membre supérieur analysées par CNN

23/11/2021
De Bruno Benque avec AJR

Les réseaux de neurones convolutifs utilisés pour aider au diagnostic pour les radiographies du membre supérieur présentent une anomalie majeure, selon un travail de recherche publié dans l’American Journal of Roentgenology. Ils seraient en effet sensibles aux tags créés pour former leurs algorithmes.

Selon un article publié dans l’American Journal of Roentgenology (AJR), les réseaux de neurones convolutifs (CNN) formés pour identifier les anomalies sur les radiographies des membres supérieurs semblent perturbés par les annotations (tags) attachés aux images.

Trois entrées testées pour distinguer les images pathologiques

« Nous recommandons que de tels facteurs de confusion d'image potentiels soient collectés lorsque cela est possible lors de la conservation de l'ensemble de données, et que la couverture de ces tags soit envisagée lors de la formation du CNN », a écrit l'auteur correspondant, le Dr Paul H. Yi du Medical Intelligent Imaging Center de l'Université du Maryland à Baltimore (USA).

L'étude rétrospective du Dr Yi et de son équipe a évalué 40 561 radiographies musculo-squelettiques des membres supérieurs à partir de l'ensemble de données MURA de Stanford qui ont été utilisées pour former trois classificateurs DenseNet-121 CNN. Trois entrées ont été utilisées pour distinguer les radiographies normales des radiographies anormales : les images originales avec à la fois l'anatomie et les tags ; les images avec des tags de latéralité et/ou de technologue recouvertes par la suite d'une boîte noire ; les images où l'anatomie avait été supprimée et où il ne restait que des tags.

Des tags qui ne décrivent que partiellement la nature pathologique d'une image

Pour les radiographies originales, l'AUC était de 0,844, mettant fréquemment l'accent sur la latéralité et/ou les tags des technologues pour la prise de décision. La couverture de ces tags a augmenté l'AUC à 0,857 (p = 0,02) et a redirigé l'attention du réseau de neurones des tags vers les os. En utilisant les tags seuls, l'AUC était de 0,638, indiquant que les tags radiographiques sont associés à des examens anormaux.

« Bien que nous puissions en déduire que les tags sont associés à des catégories d'images normales et anormales, nous ne pouvons pas déterminer l'aspect spécifique de ces tags, ce qui a conduit à ce qu'ils soient des facteurs de confusion, » ont conclu les auteurs de cet article de l'AJR.

SUR LE MÊME THÈME

IA & Données
Une checklist pour l'élaboration des outils d'IA en imagerie mise à jour
Abonné(e)

Une checklist pour l'élaboration des outils d'IA en imagerie mise à jour

Si les outils et modèles d’intelligence artificielle (IA) sont aujourd’hui largement répandus, leur précision et leur robustesse sont encore inégales. Pour faire évoluer cette discipline, des documents de recommandations relatives à l’élaboration de ces outils font office de référence pour leurs aut...

03/04/2026 -

IA & Données
La radiologie française parle aux européens des apports de l'IA dans l'imagerie d'urgence

La radiologie française parle aux européens des apports de l'IA dans l'imagerie d'urgence

Vu dans la newsletter de Mars 2026 publiée par la Société Française de Radiologie (SFR), un retour sur la session “ESR meets France” qui a réuni, à l’occasion de l’European Congress of Radiology (ECR), des experts français et européens autour d’un sujet désormais central pour l’imagerie en soins aig...

01/04/2026 -

IA & Données
L'IA peut-elle jouer un rôle dans le burn-out des radiologues ?
Abonné(e)

L'IA peut-elle jouer un rôle dans le burn-out des radiologues ?

L’IA peut-elle permettre de réduire le burn-out des radiologues ? Il semble que non, si l’on en croit une revue de la littérature publiée dans la Revue European Radiology, qui tente de trouver des preuves des bienfaits de l’IA sur la santé mentale des radiologues. Les chercheurs estiment qu’une meil...

30/03/2026 -

IA & Données
La plateforme ATLAS d'IA en radiologie intègre plus de 230 fiches de modèles

La plateforme ATLAS d'IA en radiologie intègre plus de 230 fiches de modèles

La Radiological Society of North America (RSNA) annonce la présence de plus de 230 fiches de modèles et de jeux de données concernant 31 sous-spécialités dans sa bibliothèque annotée de systèmes d'IA (ATLAS), offrant ainsi à la communauté radiologique les outils nécessaires pour rendre la recherche...

27/03/2026 -

IA & Données
Une solution d'aide au diagnostic validée par la FDA pour le dépistage du cancer du poumon

Une solution d'aide au diagnostic validée par la FDA pour le dépistage du cancer du poumon

Median Technologies vient d'annoncer avoir obtenu l’autorisation de la FDA pour eyonis® LCS, le premier logiciel dispositif médical de détection et diagnostic basé sur l’IA pour le dépistage du cancer du poumon.

10/02/2026 -

IA & Données
Un modèle de segmentation des images IRM obtient le Prix Alexander Magulis 2025
Abonné(e)

Un modèle de segmentation des images IRM obtient le Prix Alexander Magulis 2025

Après la tomodensitométrie, c’est au tour des images IRM de bénéficier de la segmentation automatisée. TotalSegmentator MRI, un modèle entraîné à la fois sur des images IRM et TDM, a remporté le Prix Alexander R. Margulis 2025 de la RSNA. Il s’agit d’un outil très précis permettant notamment d’obten...

02/12/2025 -

IA & Données
Un assistant clinique IA qui optimise le workflow médical
Abonné(e)

Un assistant clinique IA qui optimise le workflow médical

Microsoft vient d’annoncer la disponibilité en France de Microsoft Dragon Copilot, un assistant clinique IA conçu pour simplifier la documentation, faciliter la recherche d’informations et automatiser des tâches.

08/10/2025 -

LETTRE D'INFORMATION

Ne manquez aucune actualité en imagerie médicale et radiologie !

Inscrivez-vous à notre lettre d’information hebdomadaire pour recevoir les dernières actualités, agendas de congrès, et restez informé des avancées et innovations dans le domaine.