| Titre : | L’analyse de variété générative : un modèle interprétable et responsable pour une médecine de précision (2023) |
| Auteurs : | Arnaud Attyé ; Pierre-Étienne Heudel ; Arnaud Jean ; Felix Renard |
| Type de document : | Article |
| Dans : | Docteur Imago (31, Février - mars 2023) |
| Article en page(s) : | p.40-42 |
| Langues: | Français |
| Descripteurs : |
HE Vinci Apprentissage profond ; Imagerie médicale ; Intelligence artificielle (IA) |
| Résumé : | Les applications de l’intelligence artificielle en radiologie clinique concernent actuellement quasi-exclusivement le secteur du dépistage de masse sur de l’image, à l’aide de technologies dites d’apprentissage profond. Or ces nouvelles technologies ont apporté beaucoup de déception de par leurs faibles performances en conditions réelles, particulièrement sur l’imagerie tomodensitomètrique et remnographique. En médecine quantitative diagnostique et pronostique, l’apprentissage profond n’a jamais fait la preuve d’une supériorité sur des statistiques classiques de type régression logistique. Nous présentons ici une nouvelle technologie d’intelligence artificielle dédiée au monde du quantitatif, interprétable et responsable, nommée apprentissage de variété génératif. Cette approche géométrique de l’IA vise à personnaliser les normes médicales radiologiques pour mieux détecter les maladies. |
| Disponible en ligne : | Non |
Exemplaires (1)
| Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|
| Docteur Imago. 31 (Février - mars 2023) | Périodique papier | Woluwe | Espace revues | Consultation sur place uniquement Exclu du prêt |
