Diagnostic de la Covid-19

Un algorithme d’IA détecte avec précision la COVID-19 à partir de radiographies pulmonaires

icon réservé aux abonnésArticle réservé aux abonnés
Le 13/02/24 à 15:00, mise à jour le 12/03/24 à 10:20

Ce nouveau système utilise un algorithme basé sur l’apprentissage profond appelé réseau neuronal convolutif personnalisé (CNN-Custom) spécialement conçu pour le diagnostic rapide et précis de la pathologie D.R.

Un modèle d’intelligence artificielle développé par des chercheurs de l’université de technologie de Sydney, en Australie (UTS), serait capable d’identifier la Covid-19 sur des radiographies pulmonaires avec une précision presque parfaite, selon les résultats d’une étude présentée dans Nature Scientific Reports [1].

Le modèle CNN-Custom pour identifier l’infection

Ce nouveau système utilise un algorithme basé sur l’apprentissage profond appelé réseau neuronal convolutif personnalisé (CNN-Custom), spécialement conçu pour le diagnostic rapide et précis de la pathologie. Les chercheurs l’ont entraîné et testé suivant différents réglages à l’aide de deux bases de données en libre accès, l’une contenant plus de 15 000 images et l’autre 340.

Une précision supérieure à 98 %

Le nouveau modèle a « surpassé les autres modèles de diagnostic d’IA » en exactitude, précision, rappel/sensibilité, score F1 et perte de test, annonce l’université de technologie de Sydney dans un communiqué. Il a en

Il vous reste 45% de l’article à lire

Tech Imago réserve cet article à ses abonnés

S'abonner à l'édition
  • Tous les contenus « abonnés » en illimité
  • Le journal numérique en avant-première
  • Newsletters exclusives, club abonnés

Abonnez-vous !

Tech Imago en illimité sur desktop, tablette, smartphone, une offre 100% numérique

Offre découverte

1€

pendant 1 mois
puis 13 €/mois

S’abonner à Tech Imago

Notes

Hussein A. M., Sharifai A. G., Alia O. M. et al, « Auto-detection of the coronavirus disease by using deep convolutional neural networks and X-ray photographs », Scientific Reports, 2024, vol. 14, n° 534. DOI : 10.1038/s41598-023-47038-3.

Auteurs

Solenn Duplessy

Voir la fiche de l’auteur

Spécialité médicale

Pneumologie

Modalité d’imagerie

Radiologie conventionnelle

Mots-clés

diagnostic COVID-19 biomarqueurs

Discussion

Aucun commentaire

Laisser un commentaire

Le fil Tech Imago

10 Juil

15:33

La consommation énergétique en IRM est principalement liée à l’utilisation des gradients, conclut une étude présentée dans Academic Radiology. Les séquences ep2D DWI et DTI étant les plus énergivores. Le choix de séquences moins énergivores, dans un contexte clinique approprié, peut réduire la consommation d’énergie par séquence de 20 à 49 %.

7:31

Une méta-analyse de 23 études démontre que la TEP-TDM au [18F]FDG et l’IRM pelvienne présentent des sensibilités comparables pour la détection des métastases ganglionnaires latérales du cancer du rectum. En revanche, la TEP-TDM au [18F]FDG peut aider à exclure les faux positifs, évitant ainsi les dissections latérales des ganglions lymphatiques et la morbidité associée.

7:00

09 Juil

17:00

Des modèles d’apprentissage profond conçus pour identifier les résultats d’imagerie directe et indirecte sur le scanner ont montré des performances diagnostiques comparables ou meilleures que celles des médecins expérimentés pour la détection du cancer du pancréas, selon une étude de Radiology.

11:00

Dans une étude rétrospective suédoise, des chercheurs ont testé trois systèmes de détection assistée par ordinateur (AI-CAO) basés sur l’IA sur des données de mammographie provenant d’une grande population de dépistage. Ceux-ci ont démontré leur potentiel à détecter les signes précoces du cancer du sein jusqu’à 6 ans avant le diagnostic, selon une étude publiée dans Radiology. (Communiqué)

7:45

Le scanner corps entier à ultra-faible dose, associé à un algorithme de reconstruction par intelligence artificielle (SR-DLR), permet de réduire d'environ 70 % l'exposition aux rayonnements tout en conservant une excellente qualité d'image et des performances diagnostiques élevées pour la détection des maladies viscérales et métastatiques des tissus mous chez les patients oncologiques sous surveillance du cancer, indique une étude parue dans European Journal of Radiology.
✕
Tech Imago

GRATUIT
VOIR