Traitement en cours...
Fermer la notification

Nous revoilà !

Bienvenu(e) sur votre nouveau side.fr

Afficher la notification

Innovation de l’intelligence artificielle appliquée à l’analyse d’images médicales en sénologie et cardiologie interventionnelle.

Lesage Xavier
Date de parution 22/08/2025
EAN: 9782873257859
Disponibilité A paraître: 22/08/2025
L’exploration récente d’une technologie innovante dans la prédiction des cancers du seinLe livre s’inscrit dans une série de travaux concernant le cancer du sein et la cardiologie interventionnelle à l’aide d’architectures traditionnelles et fédérées... Voir la description complète
Nom d'attributValeur d'attribut
Common books attribute
ÉditeurUNIV UMONS
Nombre de pages340
Langue du livreFrançais
AuteurLesage Xavier
FormatPaperback / softback
Type de produitLivre
Date de parution22/08/2025
Poids1 g
Dimensions (épaisseur x largeur x hauteur)0,00 x 20,00 x 26,00 cm
L’exploration récente d’une technologie innovante dans la prédiction des cancers du seinLe livre s’inscrit dans une série de travaux concernant le cancer du sein et la cardiologie interventionnelle à l’aide d’architectures traditionnelles et fédérées. Les recherches consistent d’une part, à évaluer les algorithmes de Deep learning (classification binaire, localisation d’anomalie, explicabilité, etc.) dans le domaine de l’imagerie médicale avec des bases de données privées (étude rétrospective). D’autre part, à valider les modèles retenus dans les hôpitaux mais avec de nouvelles images (étude prospective) avec pour objectif d’analyser le comportement de l’IA en situation réelle.En contribuant à la réduction du coût et de la charge de travail des médecins grâce à la combinaison des deux intelligences : la première, artificielle pour faire une première analyse et la seconde, humaine, pour interpréter les résultats et poser le bon diagnostic. Dans le cadre du cancer du sein notamment, l’interprétation d’une image mammographique est une tâche difficile à réaliser et nécessite, une vérification par un second lecteur, voire un troisième (en cas de divergence) afin de réduire le nombre de faux négatif. Le rôle de la seconde lecture pourrait-être pris en charge par une IA laissant ainsi du temps pour le second lecteur pour d’autres tâches, comme celle de premier lecteur.