Mise au point d’un algorithme de Deep Learning dédié au diagnostic radiographique de l’occlusion digestive chez le lapin - DUMAS - Dépôt Universitaire de Mémoires Après Soutenance
Mémoires Année : 2024

Development of a deep-learning algorithm dedicated to the radiographic diagnosis of intestinal obstruction in rabbits

Mise au point d’un algorithme de Deep Learning dédié au diagnostic radiographique de l’occlusion digestive chez le lapin

Résumé

Intestinal obstruction occurs when the lumen of the intestines is being reduced by any cause. Concerning intestinal obstructions in rabbits, having a quick diagnosis is very valuable since they are acute and life-threatening. Radiographs are very helpful even if the only way to confirm the diagnosis is post-mortem examination or surgery. The objective of this study is to develop a deep-learning algorithm dedicated to the radiographic diagnosis of the intestinal obstruction in rabbits, in collaboration with PicoxIA. 741 radiographs of rabbits, labeled in a binary way (presence of an obstruction or not), were used to train a convolutional neural network. All radiographs have been reframed to standardize the database and obtain better performances from the network. Eventually, the last network trained was showing satisfying metrics like an AUPRC of 0.963 and a recall of 0.969, which permits to consider a commercial use.
L’occlusion intestinale correspond à une diminution de la taille de la lumière intestinale, qu’elle qu’en soit la cause. Il est particulièrement intéressant de pouvoir diagnostiquer rapidement les occlusions digestives chez le lapin puisque ce sont des affections aiguës qui engagent le pronostic vital de l’animal. La radiographie est un examen particulièrement évocateur, bien que le seul moyen de confirmer le diagnostic soit l’évaluation post-mortem et la chirurgie. L’objectif de cette thèse est de développer un algorithme d’apprentissage profond dédié au diagnostic radiographique de l’occlusion digestive chez le lapin, en collaboration avec PicoxIA. 741 radiographies de lapin, étiquetées de façon binaire (présence d’une occlusion digestive ou non), ont permis d’entraîner un réseau de neurones convolutif. Les radiographies ont toutes été recadrées afin de standardiser la base de données, et de permettre un meilleur apprentissage du réseau. Le réseau finalement obtenu a présenté des performances satisfaisantes, permettant d’envisager une utilisation commerciale, avec une AUPRC de 0.963, et un rappel de 0.969.MOGICATO Giovanni, Anatomie, imagerie médicale PROFESSEURS 2 ème CLASSE Mme BOULLIER Séverine, Immunologie générale et médicale Mme CAMUS Christelle, Biologie cellulaire et moléculaire M. CORBIERE Fabien, Pathologie des ruminants Mme FERRAN Aude, Physiologie-Thérapeutique M. MATHON Didier, Pathologie chirurgicale M.
Fichier principal
Vignette du fichier
T-2024-113.pdf (4.95 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Dates et versions

dumas-04835787 , version 1 (13-12-2024)

Identifiants

  • HAL Id : dumas-04835787 , version 1

Citer

Benjamin Piedra. Mise au point d’un algorithme de Deep Learning dédié au diagnostic radiographique de l’occlusion digestive chez le lapin. Médecine vétérinaire et santé animale. 2024. ⟨dumas-04835787⟩
0 Consultations
0 Téléchargements

Partager

More