Poster De Conférence Année : 2025

PI-RADS Net: Une nouvelle méthode d’apprentissage profond pour la détection du cancer de la prostate cliniquement significatif à l'IRM

Résumé

Le cancer de la prostate est le plus fréquent chez les hommes, représentant 15 % des cas dans 112 pays. Le nombre de diagnostics devrait passer de 1,4 million en 2020 à 2,9 millions d’ici 2040. La détection précoce et précise du cancer de la prostate à l’aide de l’imagerie par résonance magnétique (IRM) reste un défi important dans la recherche médicale. Ce travail présente un nouveau modèle d’apprentissage profond inspiré du protocole PI-RADS pour détecter les cancers de la prostate cliniquement significatifs sur les images IRM. Peu d’études se focalisent sur la reproduction du processus décisionnel des radiologues. Notre modèle PI-RADS-Net vise à reproduire fidèlement l’interprétation de l’IRM selon le système PI-RADS. Une architecture à deux branches a été utilisée : des images pondérées en T2 pour la zone de transition (TZ) et une combinaison d’images DWI et de séquences ADC pour la zone périphérique (PZ). Une extension initiale, PI-RADS-BimodalNet, intégrant des paramètres cliniques (le taux de PSA, le volume de la prostate et l’âge), a également été développée. Les résultats montrent que PI-RADS-Net a amélioré la classification, soulignant l’importance d’intégrer les paramètres cliniques dans l’apprentissage. De plus, le modèle PI-RADS-BimodalNet a obtenu une aire sous la courbe (AUC) de 0,83 lors des tests . Notre approche offre un potentiel prometteur pour améliorer le diagnostic du cancer de la prostate cliniquement significatif, réduire les biopsies inutiles et améliorer les résultats pour les patients.

Fichier principal
Vignette du fichier
Kamilia_Poster.pdf (13.07 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)
Licence

Dates et versions

hal-04992304 , version 1 (15-03-2025)

Licence

Identifiants

  • HAL Id : hal-04992304 , version 1

Citer

Kamilia Taguelmimt, Hong-Phuong Dang, Gustavo Andrade-Miranda, Dimitris Visvikis, Bernard Malavaud, et al.. PI-RADS Net: Une nouvelle méthode d’apprentissage profond pour la détection du cancer de la prostate cliniquement significatif à l'IRM. Colloque Français d'Intelligence Artificielle en Imagerie Biomédicale (IABM), Mar 2025, Nice, France. ⟨hal-04992304⟩
148 Consultations
83 Téléchargements

Partager

  • More