Un modèle de deep learning pour identifier les métastases osseuses à la TDM
Il est désormais possible d’identifier des métastases osseuses à partir de modèles de deep learning et d’images de tomodensitométrie. Une étude publiée dans la Revue Radiology : Artificial intelligence compare les performances de deux modèles de deep learning à celle de radiologues juniors et expérimentés. Les chercheurs estiment que ces modèles sont pertinents.
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
L'IRM matérialise la graisse intramusculaire des consommateurs de malbouffe
La consommation d’aliments ultra-transformés est associée à une plus grande accumulation de graisse dans les muscles des cuisses, indépendamment de l'apport calorique ou de l'activité physique, au sein d'une population à risque d'arthrose du genou. C’est le résultat d’une étude publiée dans la Revue...
15/04/2026 -
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...
08/04/2026 -
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 -
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.