Évaluation de la qualité technique radiologique par machine Learning - DUMAS - Dépôt Universitaire de Mémoires Après Soutenance
Master Thesis Year : 2024

Assessing radiological technical quality using machine Learning

Évaluation de la qualité technique radiologique par machine Learning

Abstract

Radiography is a very common complementary examination used by veterinary practitioners to get a diagnosis, for all kinds of consultation reasons. Technology has come a long way, and increasingly veterinary offices and clinics are now provided with flat sensors endowed with an analysis system based on automatic detection by artificial intelligence of radiographic clues suggestive of a pathology. However, it is essential that the quality of the radiograph is sufficient to avoid misinterpretation, either by the operator or by the machine. With a view to improving diagnostic quality, we set out to establish a neural network for objective scoring, enabling us to reject any radiograph whose qualitative parameters could lead to erroneous diagnostic interpretation. Using rigorously selected criteria, several banks of thoracic and abdominal radiographs were annotated to automate their technical evaluation.
La radiographie est un examen complémentaire très couramment utilisé par les praticiens vétérinaires en vue de l’obtention d’un diagnostic, et ce pour toutes sortes de motifs de consultation. Les technologies ont beaucoup évolué et de plus en plus de cabinets et cliniques vétérinaires sont aujourd’hui équipés de capteurs plans dotés d’un système d’analyse reposant sur la détection automatique par l’intelligence artificielle d’indices radiographiques évocateurs d’une pathologie. Il est néanmoins fondamental que la qualité de la radiographie soit suffisante afin d’éviter les erreurs d’interprétation, que ce soit pour l’opérateur ou même par la machine. C’est en vue d’améliorer la qualité diagnostique que nous nous sommes proposés d’établir un réseau de neurones permettant un scoring se voulant objectif, et permettant de rejeter tout cliché dont un des paramètres qualitatif pourrait induire une interprétation diagnostique erronée. A l’aide de critères rigoureusement choisis, plusieurs banques de clichés thoraciques puis abdominaux ont été annotées pour aboutir à une automatisation de leur évaluation technique.
Fichier principal
Vignette du fichier
T-2024-074.pdf (3.24 Mo) Télécharger le fichier
Origin Files produced by the author(s)

Dates and versions

dumas-04774239 , version 1 (08-11-2024)

Identifiers

  • HAL Id : dumas-04774239 , version 1

Cite

Héloïse Michaud. Évaluation de la qualité technique radiologique par machine Learning. Médecine vétérinaire et santé animale. 2024. ⟨dumas-04774239⟩
0 View
0 Download

Share

More