Ajouter à mes favoris
Voir la traduction automatique
Ceci est une traduction automatique. Pour voir le texte original en anglais
cliquez ici
#Actualités du secteur
{{{sourceTextContent.title}}}
Des points d'apprentissage profonds sur des organes à l'aide de tomodensitogrammes pour prévenir les dommages causés par les radiations
{{{sourceTextContent.subTitle}}}
La radiothérapie est une méthode bien établie pour attaquer les tumeurs dans le corps.
{{{sourceTextContent.description}}}
Il existe un certain nombre de techniques utilisées pour administrer des radiations à une lésion, mais elles comportent toutes le risque de blesser les tissus et organes voisins. Les rayons gamma et autres dispositifs à haute énergie dirigée entraînent l'exposition de tous les tissus qui se trouvent sur le chemin et de l'autre côté d'une cible, ce qui constitue un grave problème. Le fait de savoir où se trouvent les organes importants chez chaque patient peut permettre aux cliniciens de préparer les traitements de radiothérapie afin de réduire au minimum les dommages collatéraux. Les tomodensitogrammes sont généralement utilisés pour cartographier l'anatomie interne. Actuellement, c'est un travail pour les radio-oncologues et il est assez difficile de tracer correctement les organes pertinents et de fournir un chemin de traitement qui réduira au minimum les dommages.
Une équipe de chercheurs de l'Université de Californie à Irvine, de la Shanghai Jiao Tong University School of Medicine en Chine et de DeepVoxel, une société basée à Costa Mesa en Californie, a dévoilé un système qui utilise un tomodensitogramme comme entrée et fournit automatiquement un aperçu de tous les organes importants en son sein. Cette technologie devrait permettre d'accélérer la planification de la radiothérapie, d'améliorer la confiance clinique et, espérons-le, de réduire les lésions aux organes internes.
Le nouveau système s'appuie sur des méthodes d'apprentissage approfondi pour traiter un balayage en quelques secondes, ce qui prend normalement plus d'une demi-heure à effectuer manuellement. "Sur un ensemble de données de 100 tomodensitogrammes, notre méthode d'apprentissage profond a atteint un coefficient de similarité moyen de plus de 78 %, une amélioration significative par rapport aux analyses effectuées par les radio-oncologues ", a déclaré Xiaohui Xie, un des co-auteurs de l'étude parue dans la revue Nature Machine Intelligence.
Le système fonctionne avec des données provenant de divers fabricants, y compris des tomodensitomètres à faible contraste, et ne nécessite pas d'ordinateurs particulièrement puissants pour faire son travail. Ainsi, il devrait être facile de l'étendre aux installations de radiothérapie et de familiariser les cliniciens avec son utilisation.