80 articles
Cet article présente DBT-2026, un ensemble de données public et déidentifié comprenant 558 examens de tomosynthèse mammaire numérique avec annotations d'experts et rapports cliniques, destiné à faciliter la recherche sur le dépistage et le diagnostic du cancer du sein.
Cette étude présente et valide BUDAPEST, un algorithme bayésien open-source doté d'une interface graphique, qui permet d'estimer rapidement et avec fiabilité le seuil moteur en TMS en utilisant environ 10 stimuli tout en offrant un contrôle sur l'incertitude de la mesure.
Cette étude démontre que les paramètres ostéodensitométriques 3D-DXA obtenus avec les densitomètres GE Healthcare Prodigy et iDXA présentent un excellent accord et une précision similaire, indiquant qu'aucun ajustement n'est nécessaire lors de l'utilisation du logiciel 3D-Shaper sur ces appareils.
La méthode d'élastographie optimisée par le support (HOE) améliore la détection non invasive de l'œdème lymphatique lié au cancer du sein en visualisant les zones à haute vitesse (HVAs) causées par des obstructions lymphatiques, offrant ainsi un outil de surveillance prometteur bien que nécessitant des améliorations techniques pour une sensibilité accrue.
En identifiant et en comblant le fossé entre les annotations NLP et l'expertise radiologique grâce à des stratégies telles que l'arrêt précoce de l'entraînement, la fixation des backbones préentraînés et la régularisation, cette étude a permis d'améliorer significativement la performance des modèles d'IA sur les radiographies thoraciques pour atteindre un ROC-AUC de 0,917, surpassant ainsi la référence de Stanford.
En développant un cadre d'apprentissage profond automatisé pour segmenter 20 muscles individuels de la hanche et de la cuisse sur des IRM de la cohorte UK Biobank, cette étude révèle des hétérogénéités anatomiques et des signatures sexuelles spécifiques dans le déclin longitudinal et les risques métaboliques, offrant ainsi une plateforme évolutive pour l'étude du vieillissement musculaire et des maladies métaboliques.
Cet article présente un modèle d'apprentissage profond automatisé capable de segmenter 19 compartiments de tissu adipeux métaboliquement pertinents et des dépôts de graisse ectopique à partir d'IRM Dixon corporelle totale, afin de permettre une quantification non invasive et sans radiation de ces tissus.
Cette étude révèle que les altérations cérébrales structurelles chroniques liées à un traumatisme crânien léger d'origine sportive chez les jeunes adultes présentent des motifs sexués distincts, où l'épaississement cortical pariétal supérieur chez les hommes est associé à des troubles de l'attention, tandis qu'une meilleure intégrité de la substance blanche chez les femmes est liée à une réduction des comportements hyperactifs/impulsifs.
Cette étude démontre qu'un modèle d'apprentissage profond transférant des connaissances à partir d'IRM avec contraste permet d'extraire avec précision les biomarqueurs volumétriques rénaux à partir d'IRM sans contraste, bien que l'estimation des surfaces et la répartition précise des compartiments cortico-médullaires restent limitées par des biais systématiques.
Cette étude démontre qu'une segmentation automatique par réseau de neurones convolutifs des volumes rénaux à partir de scanners CT fournit des biomarqueurs reproductibles qui corrèlent significativement avec la fonction rénale globale et fractionnée chez les donneurs vivants.
Cette étude pilote démontre qu'un agent IA orchestré par un modèle de langage peut automatiser intégralement l'interprétation et la quantification des TEP/TDM de 170 patients atteints de cancer du poumon, depuis les données DICOM brutes jusqu'au rapport structuré, avec une détection fiable des tumeurs primaires mais des limitations persistantes pour l'évaluation ganglionnaire et métastatique nécessitant une supervision humaine.
Cette étude démontre que, pour la segmentation du tissu mammaire dense sur de petits jeux de données annotés, l'utilisation d'architectures CNN pré-entraînées par auto-apprentissage multi-vues avec un ajustement fin complet et une fonction de perte hybride offre le meilleur compromis entre précision et efficacité computationnelle, surpassant les modèles basés sur les transformateurs et les méthodes de pré-entraînement génériques.
Cette étude propose un cadre robuste et évolutif pour identifier cinq sous-types spatiaux de lésions de substance blanche, démontrant que leur caractérisation géographique, au-delà du simple volume global, permet une meilleure stratification des risques vasculaires et une prédiction plus précise de la progression de la maladie des petits vaisseaux cérébraux.
Cette étude démontre que l'intensité du signal normalisée en IRM dynamique avec contraste permet de distinguer de manière reproductible le cœur de la plaque carotidienne de la paroi vasculaire saine sur une période de six mois, sans être modifiée par un traitement au colchicine.
Cette étude démontre que, pour la segmentation du foie par intelligence artificielle, des ensembles de données soigneusement annotés mais plus petits peuvent atteindre des performances équivalentes à des ensembles beaucoup plus vastes mais moins rigoureux, bien que ces derniers offrent une meilleure généralisabilité, soulignant ainsi que le compromis entre qualité et quantité dépend des objectifs spécifiques du modèle.
Cette étude démontre que l'imagerie IRM pondérée en T2 fortement optimisée à 7 Tesla permet de détecter et de quantifier les segments périvasculaires leucocorticaux chez des sujets sains, ouvrant la voie à de nouvelles investigations sur les changements régionaux liés au cortex dans les maladies neurologiques.
Cette étude démontre que l'instillation de gouttes oculaires contenant de l'eau enrichie en O-17 permet de visualiser, par IRM, la distribution du liquide dans la chambre antérieure et le liquide céphalorachidien le long du nerf optique, mais pas dans le vitré, suggérant ainsi l'existence d'une voie d'écoulement de l'humeur aqueuse vers le système glymphatique oculaire.
Cette étude compare différentes architectures de modélisation pour la prédiction de l'état de mutation EGFR dans le cancer du poumon non à petites cellules à partir de scanners thoraciques, démontrant que l'intégration de caractéristiques radiomiques et cliniques offre les meilleures performances tout en discutant des défis de la traduction clinique de la radiogénomique.
Cette étude démontre que, pour l'évaluation de la super-résolution par apprentissage profond sur de petits ensembles de données d'IRM cérébrale, la validation croisée k-fold offre le meilleur compromis entre précision, stabilité et faisabilité computationnelle par rapport à la validation croisée imbriquée et à la méthode de séparation en trois parties.
Cette étude présente une approche d'apprentissage machine infor-mée par l'expérience, combinant l'imagerie par résonance magnétique spectroscopique (MRSI) et l'analyse en composantes principales contrastives (cPCA), pour extraire et cartographier les signatures neurométaboliques spécifiques des lésions de la sclérose en plaques à partir de données spectrales complexes et bruitées.