Suite aux développements récents de nombre de modèles d’apprentissage profond (deep learning) pour l’analyse d’images médicales, un intérêt croissant se porte sur leurs biais éventuels. Ces biais peuvent être liés à des facteurs biologiques (âge, sexe, etc.) ou non-biologiques (différents systèmes d’imagerie ou protocoles d’acquisitions, etc.), et peuvent se révéler problématiques lors de l’utilisation clinique de ces outils d’analyse pour l’imagerie. Nous présenterons quelques exemples types de biais, ainsi que leurs impacts sur les modèles. Nous discuterons ensuite des méthodes permettant de les corriger, et de l’importance du feedback des cliniciens dans ce processus.
Orateur :
- Pascal Zille, Data Scientist, Incepto Medical
Diffusé le : 27.10.2021