Five simultaneous artificial intelligence data challenges on ultrasound, CT, and MRI - Archive ouverte HAL
Article Dans Une Revue Diagnostic and Interventional Imaging Année : 2019

Five simultaneous artificial intelligence data challenges on ultrasound, CT, and MRI

1 IGR - Institut Gustave Roussy
2 IR4M/U8081 éq.3 - Imagerie multimodale en cancérologie.
3 Direction de la recherche [Gustave Roussy]
4 RaMo-IT - Radiothérapie Moléculaire et Innovation Thérapeutique
5 Direction de la Transformation Numérique et des Systèmes d’Information
6 MICS - Mathématiques et Informatique pour la Complexité et les Systèmes
7 Fédération de Mathématiques de CentraleSupélec
8 CCAFU - Comité de Cancérologie
9 Département de radiothérapie [Gustave Roussy]
10 Service de Radiologie et Imagerie Musculosquelettique, Centre de Consultations et d’Imagerie de l’Appareil Locomoteur
11 LILLE - Radio - Service de Radiologie
12 Service de radiologie [CHRU Besancon]
13 Clinique du sport de Bordeaux-Mérignac
14 Clinique Saint-Jean - Toulon
15 Polytech'Paris - Sorbonne Université
16 KU Leuven - Catholic University of Leuven = Katholieke Universiteit Leuven
17 CHU Toulouse - Centre Hospitalier Universitaire de Toulouse
18 AP-HP - Assistance publique - Hôpitaux de Paris (AP-HP)
19 IPC - Institut Paoli-Calmettes
20 CHU Nice - Centre Hospitalier Universitaire de Nice
21 inconnu temporaire UPEMLV
22 Service de radiologie et imagerie médicale [Rennes] = Radiology [Rennes]
23 LabTAU - Laboratoire des applications thérapeutiques des ultrasons / Application des ultrasons à la thérapie
24 CHU Nîmes - Centre Hospitalier Universitaire de Nîmes
25 CHLS - Centre Hospitalier Lyon Sud [CHU - HCL]
26 CRMSB - Centre de résonance magnétique des systèmes biologiques
27 Hôpital d'Instruction des Armées Clermont Tonnerre
28 Hôpital Henri Mondor
29 CHRU Montpellier - Centre Hospitalier Régional Universitaire [Montpellier]
30 Department of Radiology
31 HEGP - Hôpital Européen Georges Pompidou [APHP]
32 Université de Lyon
33 Hôpital Cochin [AP-HP]
34 Service Imagerie de la femme, CH de Valenciennes
35 Hôpital Hôtel-Dieu [Paris]
36 Centre Hospitalier de Lens
37 UCL - Université catholique de Lille
38 Institut Bergonié [Bordeaux]
39 Hôpital de Hautepierre [Strasbourg]
40 Clinique du Val d'Ouest
41 Centre d’ Imagerie du Chinonais
42 Hôpital Européen [Fondation Ambroise Paré - Marseille]
43 Institut du Sein
44 Service Génétique Médicale [CHU Clermont-Ferrand]
45 Service de Pathologie Infectieuse et Tropicale [HIA Laveran, Marseille]
46 Clinique du Pont Saint-Vaast, Douai
47 CERTO - Centre d'Etudes et de Recherche Thérapeutique en Ophtalmologie
48 C3M - Centre méditerranéen de médecine moléculaire
49 Département de Radiologie, Armentières (59)
50 Hôpitaux Sud - Hôpital Sainte-Marguerite [CHU - APHM]
51 ISM - Institut des Sciences du Mouvement Etienne Jules Marey
52 SPE - Laboratoire « Sciences pour l’Environnement » (UMR CNRS 6134 SPE)
53 Centre hospitalier Saint-Joseph [Paris]
54 Service de neuroradiologie [Paris]
55 MABLab - Marrow Adiposity & Bone Lab - Adiposité Médullaire et Os - ULR 4490
M. Majer
  • Fonction : Auteur
V. Herreros
  • Fonction : Auteur
F. Pigneur
  • Fonction : Auteur
C. Malhaire
T. Caramella
  • Fonction : Auteur

Résumé

PurposeThe goal of this data challenge was to create a structured dynamic with the following objectives: (1) teach radiologists the new rules of General Data Protection Regulation (GDPR), while building a large multicentric prospective database of ultrasound, computed tomography (CT) and MRI patient images; (2) build a network including radiologists, researchers, start-ups, large companies, and students from engineering schools, and; (3) provide all French stakeholders working together during 5 data challenges with a secured framework, offering a realistic picture of the benefits and concerns in October 2018.Materials and methodsRelevant clinical questions were chosen by the Société Francaise de Radiologie. The challenge was designed to respect all French ethical and data protection constraints. Multidisciplinary teams with at least one radiologist, one engineering student, and a company and/or research lab were gathered using different networks, and clinical databases were created accordingly.ResultsFive challenges were launched: detection of meniscal tears on MRI, segmentation of renal cortex on CT, detection and characterization of liver lesions on ultrasound, detection of breast lesions on MRI, and characterization of thyroid cartilage lesions on CT. A total of 5,170 images within 4 months were provided for the challenge by 46 radiology services. Twenty-six multidisciplinary teams with 181 contestants worked for one month on the challenges. Three challenges, meniscal tears, renal cortex, and liver lesions, resulted in an accuracy > 90%. The fourth challenge (breast) reached 82% and the lastone (thyroid) 70%.ConclusionTheses five challenges were able to gather a large community of radiologists, engineers, researchers, and companies in a very short period of time. The accurate results of three of the five modalities suggest that artificial intelligence is a promising tool in these radiology modalities.
Fichier principal
Vignette du fichier
S2211568419300294.pdf (2.9 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-02528753 , version 1 (22-10-2021)

Licence

Identifiants

Citer

N. Lassau, T. Estienne, P. de Vomecourt, M. Azoulay, John Cagnol, et al.. Five simultaneous artificial intelligence data challenges on ultrasound, CT, and MRI. Diagnostic and Interventional Imaging, 2019, 100 (4), pp.199-209. ⟨10.1016/j.diii.2019.02.001⟩. ⟨hal-02528753⟩
292 Consultations
306 Téléchargements

Altmetric

Partager

More