Veille technologique

pour les professionnels de l’industrie
S’abonner

S’inscrire à l’hebdo de la techno :

Rechercher sur Industrie & Technologies

Article Précédent
Article Suivant
Facebook Twitter Google + Linkedin Email
×

Une intelligence artificielle diagnostique des maladies de la rétine à partir d'images

| | | | |

Par publié le à 10h57

Une intelligence artificielle diagnostique des maladies de la rétine à partir d'images

La tomographie par cohérence optique utilise les propriétés de réflexion et d'absorption de la lumière par les différents tissus optiques pour créer des contrastes sur l'image de la rétine.

Des chercheurs ont développé un algorithme de deep learning capable de détecter des maladies de la rétine à partir d'images de tomographie par cohérence optique. Celles-ci étant limitées, l'algorithme s'est pré-entraîné sur une autre banque d'images, diverses et variées, pour gagner en temps et en précision lors du diagnostic. Une technique appelée transfer learning.

La dégénérescence maculaire liée à l'âge et l'oedème maculaire diabétique font partie des principales maladies pouvant mener à la cécité. Des chercheurs de l’université médicale de Guangzhou et de l’université de Californie ont développé un outil de diagnostic basé sur du deep learning pour détecter ces maladies de la rétine. Leurs travaux font l’objet d’une publication parue le 22 février dans la revue Cell. Pour gagner du temps, l’approche est basée sur du transfer learning : avant de passer au crible les images en coupe de la rétine de différents patients, l’algorithme s’est entraîné sur une banque d’images ordinaires.

Les chercheurs se sont appuyés sur le site ImageNet qui contient plus d’un million de photos, rangées dans mille catégories. Parfait pour échauffer  les compétences de l'algorithme et mettre au point les premières étapes du processus d’identification, tant pour la reconnaissance des objets que pour la classification des images. Première observation, ces étapes d'apprentissage se révèlent souvent similaires, quelle que soit la nature des images étudiées et les critères de classement demandés. Les chercheurs notent que cette technique de pré-entraînement est particulièrement utile dans des champs d'investigation dans lesquels les données sont limitées. Par la suite, elle permet d'accélèrer nettement le processus d'analyse des images.

Pour le diagnostic des maladies rétiniennes, les données médicales utilisées sont des images de tomographies par cohérence optique. La technique utilise la lumière pour capturer des sections en deux dimensions de la rétine. Celles-ci peuvent être assemblées pour obtenir des images en 3D. L’algorithme en a classées plus de 100 000 dans quatre catégories : normales, atteintes de néovascularisation choroïdienne, d’œdème maculaire diabétique ou enfin celles présentant des débris cellulaires entre la rétine et la choroïde appelés drusen.

Ouvrir la boîte noire de l'IA

Les décisions de l’algorithme ont été comparées à celles de six experts ophtalmologistes pour diagnostiquer une néovascularisation choroïdienne ou un œdème maculaire diabétique. Les performances sont « comparables » selon les chercheurs.

Par un code couleur, l’algorithme indique les zones qui ont pesé dans la prise de décision pour classer les images dans une catégorie ou dans une autre (photo ci-dessous). Cela permet de remédier, dans une certaine mesure, au manque de transparence souvent pointé du doigt chez les algorithmes d’intelligence artificielle considérés comme des boîtes noires : difficile de remonter le chemin de la prise de décision pour savoir ce qui a conduit à classer l’image dans une catégorie ou dans une autre.

Les chercheurs ont également démontré que leur technique pouvait s'appliquer pour le diagnostic de pneumonies pédiatriques en ayant recourt à des images aux rayons X de la poitrine. 

Abonnez-vous et accédez à l’intégralité de la veille technologique

Commentaires

Réagissez à cet article

* Informations obligatoires

erreur

erreur

erreur