L’intelligence artificielle pour une lecture plus précise des images radiographiques

Des chercheurs de l'université de Beni Suef participent à une étude dans le domaine du diagnostic médical de précision. Début 2025, une étude intitulée « Détection de la variance ulnaire à partir d'images radiographiques grâce à l'apprentissage profond » a été publiée. L'étude s'est penchée sur un problème complexe en médecine : la différence de longueur entre le cubitus et le radius au niveau du poignet, un facteur crucial pour le diagnostic des pathologies de la main et du poignet. Les méthodes traditionnelles de mesure de cette différence reposent sur des mesures manuelles, longues et sujettes à erreurs. L'équipe de recherche a présenté une solution innovante utilisant l'intelligence artificielle. Elle a employé la technologie U-Net pour segmenter précisément le cubitus et le radius, puis les réseaux DenseNets pour classer les cas en trois catégories principales : augmentation de la longueur du cubitus, diminution de la longueur du cubitus et longueur neutre. Ce qui distingue cette étude, c'est qu'elle n'a pas simplement appliqué des algorithmes préexistants, mais a plutôt constitué une nouvelle base de données d'images radiographiques de la main, méticuleusement documentées, servant de référence scientifique pour l'entraînement futur d'autres modèles. Les chercheurs ont également optimisé les paramètres du modèle afin d'obtenir les meilleures performances possibles. Les résultats sont remarquables : une précision de 97,7 % pour l'identification des os sur les radiographies et de 92,1 % pour la classification du type de variation. Ces chiffres surpassent ceux des études précédentes et démontrent que l'intelligence artificielle est capable de réduire considérablement le temps de diagnostic tout en améliorant la fiabilité des résultats.