Muhammad Talha Waqas, enseignant-chercheur à l’ESME, a présenté ses travaux lors de la conférence SPIE Medical Imaging 2026 (Vancouver, février 2026), autour de la classification automatique des tumeurs primitives du foie à partir d’IRM.
Son étude s’est intéressée à une question clé : l’intégration du contexte anatomique autour de la tumeur permet-elle d’améliorer les performances des modèles d’intelligence artificielle par rapport à une analyse centrée uniquement sur la lésion ? Pour y répondre, il a travaillé sur une cohorte de 142 patients en comparant deux approches basées sur des réseaux de neurones convolutifs 3D : l’une reposant sur des tumeurs segmentées manuellement, et l’autre intégrant la tumeur et son environnement péritumoral via des volumes 3D.
Les résultats ont montré que l’ajout du contexte anatomique améliore significativement les performances de classification, avec une augmentation du rappel macro moyen de 16,4 %, confirmée par des analyses statistiques robustes. Par ailleurs, un pipeline de détection automatique basé sur YOLO a été développé afin de localiser les tumeurs et reconstruire des volumes 3D sans annotation manuelle.
Ces travaux illustrent l’apport de l’IA dans l’aide au diagnostic médical et ouvrent des perspectives prometteuses pour l’imagerie médicale de précision.