Artéfacts métalliques : la TDM à comptage photonique efficace combinée à des protocoles spécifiques
La TDM à comptage photonique peut-elle vraiment atténuer les artéfacts métalliques ? C’est ce que cherche à prouver une étude allemande publiée dans la Revue European Radiology. Ce travail montre l’efficacité des différentes approches de TDM-CP combinée à des protocoles spécifiques pour la réduction d’artéfacts métalliques.
Les artefacts causés par des implants métalliques en tomodensitométrie (TDM) sont appelés à augmenter en raison des changements démographiques dans les sociétés occidentales. Plusieurs stratégies de réduction de ces artefacts ont été proposées au cours des dernières décennies, parmi lesquelles les techniques de réduction itérative des artefacts métalliques (iMAR), la reconstruction monoénergétique virtuelle à keV élevé et les approches de sinogram inpainting mettant en jeu des modèles d’IA, qui ont montré des résultats prometteurs dans différents scénarios.
La TDM à comptage photonique peut-elle vraiment atténuer les artéfacts métalliques ?
Avec l'introduction récente du détecteur TDM à comptage photonique (TDM-CP), une nouvelle opportunité de réduction des artefacts est devenue disponible. Contrairement aux détecteurs à intégration d'énergie (EID) conventionnels qui convertissent les photons entrants en courant électrique via la lumière visible, les détecteurs à comptage photonique facilitent une conversion directe avec la possibilité de compter les photons individuels et de mesurer leur niveau d'énergie dans le spectre détecté. Une étude allemande récente publiée dans la Revue European Radiology en décrit les avantages dans un contexte d’artéfacts métalliques.
Cet article est réservé aux abonnés. Connectez-vous pour y accéder.
En vous abonnant à Thema Radiologie, vous débloquez l’accès à l’ensemble de nos contenus premium : dossiers thématiques, tribunes d’experts, analyses technologiques, interviews et décryptages réglementaires.
Rejoignez une communauté de professionnels engagés dans l’innovation en imagerie médicale et radiologie interventionnelle.
SUR LE MÊME THÈME
Un réseau de radiologues français conclut un accord avec un fournisseur d'IA pour le diagnostic
Gleamer a annoncé, le 10 Juillet 2025, la signature d’un partenariat stratégique avec le réseau France Imageries Territoires (FIT) pour le déploiement des solutions Gleamer Copilot® dans l’ensemble des centres d’imagerie du réseau FIT.
29/07/2025 -
Les comptes rendus radiologiques ne sont pas près de passer par GPT-4
Les grands modèles de langage multimodaux seraient-ils capables de réaliser des comptes rendus radiologiques ? Des résultats d’essais contradictoires troublent le ressenti sur les possibilités de GPT-4V, un modèle qui se concentre uniquement sur la précision diagnostique. Une étude publiée dans la R...
21/07/2025 -
Un nouvel outil d'extraction de données spécialisé en radiologie
Les méthodes d’élaboration des grands modèles de langage sont basées sur des règles qui ne traitent pas efficacement les données non standardisées. Des chercheurs britanniques présentent, dans un article publié dans la Revue European Radiology, RADEX, le nouvel outil d’extraction de données radiolog...
15/07/2025 -
Des grands modèles de langage sensés participer à l'annotation des images pour le deep learning
Incontournables pour l’entrainement des modèles de deep learning, les annotations d’images radiologiques sont rébarbatives et chronophages pour les experts qui les créent. Des grands modèles de langage (LLM) pourraient remplacer les annotations humaines, comme l’indique un article scientifique publi...
23/06/2025 -
Les bonnes pratiques pour l'évaluation de la pertinence d'un outil d'IA en imagerie
Radiologues, informaticiens et chercheurs présentent, dans un article publié dans la Revue Radiology, les pièges et les meilleures pratiques pour atténuer les biais des modèles d'intelligence artificielle (IA) en imagerie médicale. Ils présentent une sorte de feuille de route pour des pratiques plus...
13/06/2025 -
Des LLM affinés pour aider à la relecture des comptes rendus
Selon une nouvelle étude publiée dans la Revue Radiology, un grand modèle de langage (LLM) améliorerait sensiblement la détection des erreurs dans les comptes rendus de radiologie. Les chercheurs ont utilisé des comptes rendus synthétiques et des données ciblées pour donner au LLM de la légèreté.
23/05/2025 -
Agir sur la vulnérabilité des grands modèles de langage en radiologie
Dans un nouvel article spécial publié dans la Revue Radiology, des chercheurs abordent les défis de cybersécurité liés aux grands modèles de langage (LLM). Ils soulignent l'importance de mettre en œuvre des mesures de sécurité pour empêcher leur utilisation malveillante dans le système de Santé et m...
21/05/2025 -
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.