Un nouveau modèle de deep learning s’avère prometteur dans la détection et la segmentation des tumeurs pulmonaires, selon une étude publiée dans la Revue Radiology. Les résultats de l’étude pourraient avoir des implications importantes pour le traitement du cancer du poumon dans un avenir proche.
La détection et la segmentation précises des tumeurs pulmonaires à partir de la tomodensitométrie (TDM) sont essentielles pour surveiller la progression du cancer, évaluer les réponses au traitement et planifier la radiothérapie. Actuellement, les cliniciens expérimentés identifient et segmentent manuellement les tumeurs pulmonaires sur des images médicales, un processus chronophage et soumis à la variabilité des médecins.
Un modèle de deep learning entrainé pour détecter et segmenter les tumeurs pulmonaires à partie de la TDM
Bien que des méthodes de deep learning aient été appliquées à la détection et à la segmentation des tumeurs pulmonaires, les études antérieures ont été limitées par de petits ensembles de données, une dépendance aux entrées manuelles et une concentration sur la segmentation de tumeurs pulmonaires uniques, soulignant la nécessité de modèles robustes et automatisés capables de détecter et de segmenter les tumeurs de manière dans divers contextes cliniques.
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.
Profitez de 15 jours d'essai gratuit pour découvrir tous nos contenus premium !
Déjà abonné ? Connectez-vous pour débloquer cet article.


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 -

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 -


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 -

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 -

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 -


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 -


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 -
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.