New Delhi, 8 avril (PTI) Des chercheurs ont développé un nouveau modèle d’apprentissage en profondeur qui peut estimer la densité mammaire, ce qui pourrait être utile pour la prédiction du risque de cancer.
Les chercheurs de l’Université de Manchester, au Royaume-Uni, ont déclaré que l’extraction automatique des caractéristiques des données d’entraînement rendue possible par l’approche basée sur l’apprentissage en profondeur la rend attrayante pour les estimations de la densité mammaire.
La densité mammaire est définie comme la proportion de tissu fibro-glandulaire dans le sein et est souvent utilisée pour évaluer le risque de développer un cancer du sein.
Ils ont publié leurs découvertes dans le Journal of Medical Imaging.
Les chercheurs ont utilisé deux modèles d’apprentissage en profondeur indépendants, initialement formés sur ImageNet, un ensemble de données d’imagerie non médicale contenant plus d’un million d’images, et les ont formés avec leurs données d’imagerie médicale grâce à une approche connue sous le nom d'”apprentissage par transfert”.
La formation et la création de modèles d’apprentissage en profondeur à partir de zéro sont difficiles en raison des ensembles de données limités, ont-ils déclaré.
Des experts comprenant des radiologues, des radiographes praticiens avancés et des médecins du sein ont attribué des valeurs de densité sur une échelle visuelle analogique dans 1 60 000 images de mammographie numérique plein champ de 39 357 femmes.
À l’aide de ces données, les chercheurs ont développé une procédure qui estimerait un score de densité lors de l’alimentation d’une image de mammographie en entrée.
La procédure impliquait de prétraiter les images pour rendre le processus de formation moins intensif en termes de calcul, d’extraire les caractéristiques des images traitées avec les modèles d’apprentissage en profondeur, de mapper les caractéristiques à un ensemble de scores de densité, puis de combiner les scores à l’aide d’une approche d’ensemble pour produire un résultat final. estimation de la densité.
L’équipe a ainsi développé des modèles très précis pour estimer la densité mammaire et sa corrélation avec le risque de cancer, tout en conservant le temps de calcul et la mémoire.
“Les performances du modèle sont comparables à celles des experts humains dans les limites de l’incertitude”, a déclaré la chercheuse principale Susan M. Astley. “De plus, il peut être formé beaucoup plus rapidement et sur de petits ensembles de données ou des sous-ensembles du grand ensemble de données.” Les chercheurs ont noté que le cadre ne se limite pas seulement à l’estimation du risque de cancer du sein, mais également à la formation d’autres modèles d’imagerie médicale basés sur ses estimations de la densité du tissu mammaire.
Le cancer du sein est le cancer le plus fréquent chez les femmes dans le monde.
Bien que diverses méthodes soient disponibles pour estimer cette mesure, des études ont montré que les évaluations subjectives effectuées par des radiologues sur la base d’échelles visuelles analogiques sont plus précises que toute autre méthode. PTI KRS KRS KRS
