Le deep learning pour la segmentation tumorale de l'ostéosarcome pédiatrique par IRM
Les variations du volume tumoral par IRM sont un bon biomarqueur non invasif et le deep learning permet d’optimiser la segmentation tumorale dans ce cadre. Une étude publiée dans la Revue European Radiology compare les résultats de la segmentation par réseau de neurones convolutifs à la segmentation manuelle humaine. Ces réseaux de neurones sont jugés pertinents pour évaluer la réponse histopathologique à la chimiothérapie dans l’ostéosarcome pédiatrique.
Cet article est réservé aux abonnés. Abonnez-vous pour lire la suite.
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.
SUR LE MÊME THÈME
Évaluation quantitative de métastase osseuse améliorée grâce à l'empreinte par résonance magnétique
L’empreinte par résonance magnétique peut-elle apporter des éléments quantitatifs de la réponse au traitement des métastases osseuses ? C’est ce que cherche à démontrer une étude publiée dans la Revue European Radiology qui met en jeu des mesures T1 et T2 obtenues par ERM, comparées à l’IRM conventi...
07/04/2026 -
Un ensemble de données unique pour le classement des lésions dégénératives rachidiennes
Développer un modèle d’IA robuste pourrait permettre un classement des lésions dégénératives rachidiennes. Une étude publiée dans la Revue Radiology : Artificial Intelligence utilise un ensemble de données unique quant à sa taille et à sa diversité, avec des images annotées par différentes sociétés...
03/04/2026 -
Des deepfake générés par l'IA qui ressemblent à des radiographies réelles
D'après une étude publiée aujourd'hui dans la Revue Radiology, ni les radiologues ni les grands modèles de langage (LLM) ne parviennent à distinguer facilement les images radiographiques « deepfake » générées par IA par rapport aux images authentiques. Ces résultats soulignent les risques liés aux i...
24/03/2026 -
Un modèle hybride d'IA pour la classification des tumeurs sacrées à partir de la TDM
La tomodensitométrie est la technologie de base pour déterminer l’histologie tumorale du sacrum. Une étude publiée dans la Revue Radiology expérimente un modèle d’IA de segmentation des tumeurs sacrées aux moyens d’un modèle hybride intégrant deux réseaux de neurones. Cet outil semble pertinent pour...
14/01/2026 -
La MRF montre sa précision et sa reproductibilité pour l'exploration du cartilage articulaire du genou
Pour étudier le cartilage articulaire du genou par IRM, le MR Fingerprinting se montre plus rapide, précis et robuste que les séquences d’IRM classique. Une étude publiée dans la Revue European Radiology valide la cartographie T2 par MRF comme précise et reproductible dans ce contexte, un modèle d’I...
29/12/2025 -
Dépistage opportuniste de fracture par TDM quantitative dans le cadre d'une déminéralisation osseuse
La tomodensitométrie quantitative serait une bonne alternative à l’ostéodensitométrie pour le dépistage de la fracture par déminéralisation osseuse. Pour gagner en précision dans l’évaluation de la DMO par TDM, une étude introduit le deep learning afin de définir une norme d’atténuation trabéculaire...
12/11/2025 -
La computer vision par TDM pour identifier les patients inconnus
La computer vision a un bon potentiel pour identifier des personnes inconnues explorées en situation d’urgence. Une étude publiée dans la Revue European Radiology évalue l’efficacité du MIP par TDM thoracique pour que la computer vision puisse identifier des patients. Cette méthode est applicable à...
03/10/2025 -
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.