| Titre : | Introduction au big data en radiologie et initiation en autonomie à l'intelligence artificielle (2021) |
| Auteurs : | A. Nerot, Auteur ; I. Bricault, Auteur |
| Type de document : | Article |
| Dans : | Journal d'imagerie diagnostique & interventionnelle (VOL. 4 N° 1, Février 2021) |
| Article en page(s) : | 66-76 |
| Langues: | Français |
| Catégories : | |
| Résumé : |
Introduction : L’avènement du big data à l’hôpital a proposé un changement de paradigme par le passage d’une approche centrée patient à une centrée sur les données ; cette nouvelle façon de traiter l’information est une première étape au développement de l’intelligence artificielle (IA). Cette grande quantité d’images médicales, rendue disponible grâce au big data, offre un grand potentiel pour l’entraînement de réseaux de neurones et, en particulier, du deep learning.
Données récentes : Les radiologues ont un rôle bien plus riche que la simple lecture d’images, le dopage récent des logiciels d’interprétation, par des techniques d’IA, accélèrent cette tâche et donne au radiologue plus de temps pour l’interprétation, le diagnostic et les échanges avec les confrères ou les interventions. L’extinction imminente de notre spécialité étant loin d’être d’actualité, le challenge principal n’est pas de s’y opposer mais d’embrasser ce changement, profiter de ses avantages et enrichir les compétences des radiologues avec cette nouvelle technologie, comme il l’a été fait par le passé lors de l’apparition de nouvelles modalités d’imageries. Conclusion : Les bases du deep learning sont accessibles à tout radiologue sans nécessiter de matériel spécifique. En tant qu’outil de plus en plus présent dans notre activité, il est utile d’en connaître les principes. Nous proposons aux radiologues de se familiariser aux techniques de deep learning, avec du code clef en main pour s’y initier, afin de leur offrir des clefs de compréhension de cette technologie en plein essor. (Source éditeur) |
Exemplaires (1)
| Code-barres | Cote | Support | Localisation | Section | Disponibilité | lien web |
|---|---|---|---|---|---|---|
| 32890 | PER | Périodique | Centre de ressources documentaires IFPS | Périodique | Disponible |
