FRANÇAIS
A showcase of ÉTS researchers’ publications and other contributions
SEARCH

Assister les chirurgiens au moyen de l’intelligence artificielle

Downloads

Downloads per month over past year

Agomma, Roseline Olory, Vázquez, Carlos, Cresson, Thierry et De Guise, Jacques. 4 July 2018. « Assister les chirurgiens au moyen de l’intelligence artificielle ». [Research article]. Substance ÉTS.

[img]
Preview
PDF
Substance 2018 17181 Assister les chirurgiens au moyen de l intelligence artificielle.pdf - Published Version
Use licence: Creative Commons CC BY-NC.

Download (1MB) | Preview

Abstract

L’identification d’informations sur les radiographies est une tâche incontournable pour établir un diagnostic et planifier le geste médical. Cette dernière, principalement réalisée manuellement par un clinicien, est répétitive, consommatrice de temps et peut conduire à des résultats d’une grande variabilité. L’objectif de ce travail est de développer une méthode entièrement automatique fondée sur les réseaux de neurones convolutionnels (CNN) pour estimer la région anatomique de 13 points caractéristiques du membre inférieur sur des radiographies frontales. Afin d’estimer ces régions anatomiques, nous avons, dans un premier temps, identifié automatiquement des points saillants sur une base de données composée de 180 radiographies frontales. Connaissant la position relative, par rapport aux points saillants, des 13 points préalablement numérisés manuellement par un expert, l’approche proposée consiste à faire apprendre à un CNN, le déplacement de chacun des points saillants vers chacun des 13 points caractéristiques. L’apprentissage terminé, il est possible de prédire et de combiner les déplacements de chacun des points saillants pour estimer la région probable dans laquelle se retrouvent les points caractéristiques. Les distances euclidiennes entre les 13 points prédits et ceux identifiés par un expert sont en moyenne de 29+/-18 mm, ce qui est acceptable pour identifier de manière fiable les régions anatomiques de chacun des points caractéristiques.

Item Type: Non-peer reviewed article published in a journal or magazine
Refereed: No
Professor:
Professor
Vázquez, Carlos
de Guise, Jacques A.
Affiliation: Génie logiciel et des technologies de l'information, Génie de la production automatisée
Date Deposited: 07 Aug 2018 14:32
Last Modified: 17 Jan 2020 21:06
URI: https://espace2.etsmtl.ca/id/eprint/17181

Actions (login required)

View Item View Item