Question 1 : En imagerie médicale, la dépendance au type d’appareillage (constructeur) et au protocole d’acquisition des images est elle résolue ?
Maxime Sermesant : Ceci dépend de la modalité d’imagerie. En imagerie scanner, on arrive très bien à analyser des images de différents constructeurs, car l’intensité est calibrée. Pour certaines séquences IRM, ça reste un problème ouvert. Mais des progrès sont faits avec des algorithmes génératifs, qui peuvent régénérer une image avec un certain contraste pour standardiser l’apparence.
Question 2 : Pourriez vous nous indiquer comment introduire plus de connaissances a priori, comme des lois de comportement et/ou modèles dans le processus de corrélation ?
Maxime Sermesant : Il y a plusieurs façons de faire, on peut notamment :
– intégrer les lois connues de façon explicites dans l’algorithme, en lui demandant d’en estimer les paramètres, plutôt que de les redécouvrir
– générer une base de données synthétiques à partir de ces lois pour forcer l’algorithme à apprendre ce comportement
et probablement encore beaucoup à découvrir.
Question 3 : On voit de plus en plus d’intérêt autour de l’apprentissage semi-supervisé. Est-ce une voix pour contrôler la robustesse d’un algorithme dans des conditions variées ?
Maxime Sermesant : C’est une façon effectivement d’agrandir la base d’apprentissage à moindre coût, et donc d’essayer d’améliorer la robustesse.
Question 4 : Est ce qu’on peut envisager de capturer l’interaction des radiologues sur l’interface pacs comme weak annotation pour un processus d’amélioration continue
Maxime Sermesant : Tout à fait. Il y a énormément d’information qui n’est pas encore exploitée (exploitable), mais il y a un effort important à faire pour réussir à rendre ces informations disponibles.
Question 5 : Est-ce que l’on peut dire que les biais viennent principalement de l’entrainement du réseau ?
Maxime Sermesant : Oui, c’est principalement un biais de sélection sur les données utilisées pendant l’entrainement.
Question 6 : A l’inverse des pré requis auprès des constructeurs ne pourraient ils pas améliorer le deep learning et les algorythmes d’IA?
Maxime Sermesant : Si. Déjà des efforts de standardisation d’annotation des données, et de mise à disposition des résultats, seraient importants. À l’heure actuelle, on ne peut souvent pas exporter une segmentation dans un format lisible, par exemple.