Médecine

Paramédical

Autres domaines


S'abonner

Deep learning in medical image analysis: A third eye for doctors - 06/07/19

Doi : 10.1016/j.jormas.2019.06.002 
A. Fourcade a, , R.H. Khonsari b
a Service de Chirurgie Plastique, Maxillo-faciale et Stomatologie, Centre Hospitalier de Gonesse, Gonesse, France 
b Service de Chirurgie Maxillo-Faciale et Chirurgie Plastique, Hôpital Necker–Enfants Malades, Assistance Publique–Hôpitaux de Paris, Centre de Référence Maladies Rares MAFACE, Filière Maladies Rares TêteCou, Université Paris Descartes, Université de Paris, Paris, France 

Corresponding author. Service de Chirurgie Plastique, Maxillo-Faciale et Stomatologie, Centre Hospitalier de Gonesse, 2, boulevard du 19 Mars 1962, 95500 Gonesse, France.Service de Chirurgie Plastique, Maxillo-Faciale et Stomatologie, Centre Hospitalier de Gonesse2, boulevard du 19 Mars 1962Gonesse95500France
Sous presse. Épreuves corrigées par l'auteur. Disponible en ligne depuis le samedi 06 juillet 2019

Abstract

Aim and scope

Artificial intelligence (AI) in medicine is a fast-growing field. The rise of deep learning algorithms, such as convolutional neural networks (CNNs), offers fascinating perspectives for the automation of medical image analysis. In this systematic review article, we screened the current literature and investigated the following question: “Can deep learning algorithms for image recognition improve visual diagnosis in medicine?”

Materials and methods

We provide a systematic review of the articles using CNNs for medical image analysis, published in the medical literature before May 2019. Articles were screened based on the following items: type of image analysis approach (detection or classification), algorithm architecture, dataset used, training phase, test, comparison method (with specialists or other), results (accuracy, sensibility and specificity) and conclusion.

Results

We identified 352 articles in the PubMed database and excluded 327 items for which performance was not assessed (review articles) or for which tasks other than detection or classification, such as segmentation, were assessed. The 25 included papers were published from 2013 to 2019 and were related to a vast array of medical specialties. Authors were mostly from North America and Asia. Large amounts of qualitative medical images were necessary to train the CNNs, often resulting from international collaboration. The most common CNNs such as AlexNet and GoogleNet, designed for the analysis of natural images, proved their applicability to medical images.

Conclusion

CNNs are not replacement solutions for medical doctors, but will contribute to optimize routine tasks and thus have a potential positive impact on our practice. Specialties with a strong visual component such as radiology and pathology will be deeply transformed. Medical practitioners, including surgeons, have a key role to play in the development and implementation of such devices.

Le texte complet de cet article est disponible en PDF.

Keywords : Deep learning, Artificial intelligence, Neural network, Image analysis, Systematic review, Computer vision


Plan


© 2019  Publié par Elsevier Masson SAS.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement ou un achat à l’unité.

Déjà abonné à cette revue ?

;

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.