Dans une nouvelle étude de validation de principe dirigée par le Dr Mark Walker de la Faculté de médecine de l’Université d’Ottawa, des chercheurs sont à l’avant-garde de l’utilisation d’un modèle unique d’apprentissage en profondeur basé sur l’intelligence artificielle comme outil d’assistance pour la lecture rapide et précise de images échographiques.
L’objectif de l’étude de l’équipe était de démontrer le potentiel d’une architecture d’apprentissage en profondeur pour soutenir l’identification précoce et fiable de l’hygroma kystique à partir des échographies du premier trimestre. L’hygroma kystique est une affection embryonnaire qui provoque un développement anormal du système vasculaire lymphatique. C’est une maladie rare et potentiellement mortelle qui entraîne un gonflement de liquide autour de la tête et du cou.
L’anomalie congénitale peut généralement être facilement diagnostiquée avant la naissance lors d’un rendez-vous d’échographie, mais le Dr Walker – cofondateur du groupe de recherche OMNI (Obstetrics, Maternal and Newborn Investigations) à L’Hôpital d’Ottawa – et son groupe de recherche voulaient tester comment Eh bien, la reconnaissance de formes basée sur l’IA pourrait faire l’affaire.
“Ce que nous avons démontré, c’est que dans le domaine de l’échographie, nous sommes capables d’utiliser les mêmes outils de classification et d’identification d’images avec une sensibilité et une spécificité élevées”, explique le Dr Walker, qui pense que leur approche pourrait être appliquée à d’autres anomalies fœtales généralement identifiées. par échographie.
Source de l’histoire :
Matériaux fourni par Université d’Ottawa. Remarque : Le contenu peut être modifié pour le style et la longueur.
