Reconnaissance morphologique automatique des calculs rénaux par intelligence artificielle à l’aide de vidéos numériques endoscopiques peropératoires : premiers résultats - 30/10/22

Résumé |
Objectifs |
Le recueil et l’analyse des critères morphologiques des calculs rénaux sont indispensables au diagnostic étiologique de la maladie lithiasique. Cependant, la fragmentation LASER in situ détruit ces informations diagnostiques capitales. Dans cette étude, nous évaluons la performance et la valeur ajoutée du traitement de séquences vidéo endoscopiques numériques pour la reconnaissance automatique des caractéristiques morphologiques des calculs.
Méthodes |
Un classificateur automatique assisté par ordinateur a été développé pour prédire la morphologie des calculs purs (une seule morphologie) et mixtes (au moins deux morphologies) les plus fréquents visionnés lors d’une séquence vidéo endoscopique peropératoire. L’analyse par intelligence artificielle proposée comprend les quatre étapes suivantes :
– un réseau de neurones profond localise les calculs présents dans les images endoscopiques ;
– les images de qualité suffisante sont sélectionnées ;
– un second réseau de neurones prédit les morphologies des calculs dans chaque image ;
– un typage des calculs entiers est réalisé à l’aide des observations morphologiques recueillies lors les étapes précédentes.
Résultats |
Au total, 585 images endoscopiques numériques ont été recueillies (respectivement 349 et 236 observations de morphologies surface et de tranches sectionnelles de calculs connus les plus fréquents) et employées pour la formation du réseau de neurones profond (« deep learning ») de l’intelligence artificielle (IA) (Fig. 1, Fig. 2, Tableau 1). 71 vidéos endoscopiques numériques, dont 50 comportaient un seul type morphologique (Ia whewellite, IIb weddellite, IIIb acide urique) et 21 comportaient deux types morphologiques (Ia+IIb et Ia+IIIb), ont été analysées à l’aide du classificateur vidéo pour un total de 56 840 trames traitées. La précision était de [88±6] % en moyenne, supérieure à 81 % pour chaque type morphologique de calcul pur et mixte.
Conclusion |
Les résultats obtenus montrent que l’IA appliquée sur des séquences vidéo endoscopiques numériques des calculs les plus fréquents est un outil prometteur pour collecter des informations morphologiques diagnostiques au cours du processus de fragmentation LASER du calcul sans recourir à aucune intervention humaine.
Le texte complet de cet article est disponible en PDF.Plan
Vol 32 - N° 3S
P. S13-S14 - novembre 2022 Retour au numéroBienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.
Déjà abonné à cette revue ?