[article] 
inDocteur Imago > n° 31 [01/02/2023] . - p. 40-42

Titre :	Intelligence artificielle : l’analyse de variété générative : un modèle interprétable et responsable pour une médecine de précision.
Type de document :	Article
Auteurs :	Arnaud Attye, Auteur ; Pierre-Etienne Heudel, Auteur
Année de publication :	2023
Article en page(s) :	p. 40-42
Langues :	Français (fre)
Mots-clés :	APPLICATION APPRENTISSAGE DEPISTAGE IMAGERIE MEDICALE INTELLIGENCE ARTIFICIELLE TECHNOLOGIES DE L'INFORMATION ET DE LA COMMUNICATION
Résumé :	Les applications de l'intelligence artificielle en radiologie clinique concernant actuellement quasi exclusivement le secteur du dépistage de masse de l'image, à l'aide de technologies dites d'apprentissage profond. Or ces nouvelles technologies ont apportées beaucoup de déceptions de par leurs faibles performances en conditions réelles, particulièrement sur l'imagerie tomodensitométrique et remnographique. En médecine quantitative diagnostique et pronostique, l'apprentissage profond n'a jamais fait la preuve d'une supériorité sur des statistiques classiques de types régression logistique. Nous présentons ici une nouvelle technologie d'intelligence artificielle dédié au monde du quantitatif, interprétable et responsable, nommée apprentissage de variété génératif. Cette approche géométrique de l'IA vise à personnaliser les normes médicales radiologiques pour mieux détecter les maladies.
Cote :
Permalink :	https://pmb.pfps-churennes.bzh/pmb_ifsi/opac_css/index.php?lvl=notice_display&id

[article] Intelligence artificielle : l’analyse de variété générative : un modèle interprétable et responsable pour une médecine de précision. [Article] / Arnaud Attye, Auteur ; Pierre-Etienne Heudel, Auteur . - 2023 . - p. 40-42.
Langues : Français (fre)
in Docteur Imago > n° 31 [01/02/2023] . - p. 40-42

Mots-clés :	APPLICATION APPRENTISSAGE DEPISTAGE IMAGERIE MEDICALE INTELLIGENCE ARTIFICIELLE TECHNOLOGIES DE L'INFORMATION ET DE LA COMMUNICATION
Résumé :	Les applications de l'intelligence artificielle en radiologie clinique concernant actuellement quasi exclusivement le secteur du dépistage de masse de l'image, à l'aide de technologies dites d'apprentissage profond. Or ces nouvelles technologies ont apportées beaucoup de déceptions de par leurs faibles performances en conditions réelles, particulièrement sur l'imagerie tomodensitométrique et remnographique. En médecine quantitative diagnostique et pronostique, l'apprentissage profond n'a jamais fait la preuve d'une supériorité sur des statistiques classiques de types régression logistique. Nous présentons ici une nouvelle technologie d'intelligence artificielle dédié au monde du quantitatif, interprétable et responsable, nommée apprentissage de variété génératif. Cette approche géométrique de l'IA vise à personnaliser les normes médicales radiologiques pour mieux détecter les maladies.
Cote :
Permalink :	https://pmb.pfps-churennes.bzh/pmb_ifsi/opac_css/index.php?lvl=notice_display&id