L'IA face aux grands problèmes du monde · Médecine et découverte de médicaments · Nature (computational biology) · 2026-10-18
Cadre d'apprentissage profond multitâche pour la classification et la segmentation des tumeurs cérébrales par extraction de caractéristiques d'ensemble
Titre original: Multi-task deep learning framework for brain tumor classification and segmentation using ensemble feature extraction
Le diagnostic précoce et précis des tumeurs cérébrales est essentiel à la planification du traitement, mais l'examen manuel des IRM est lent et sujet à l'erreur humaine, et la classification et la segmentation réalisées séparément alourdissent le coût de calcul. Les auteurs proposent un cadre d'apprentissage profond multitâche qui combine ResNet-50, EfficientNet-B5 et des caractéristiques de CNN avec des modules d'attention, fusionnés par une pondération dynamique. Il effectue d'abord la classification et ne lance la segmentation U-Net++ que lorsqu'une tumeur est détectée ; sur un jeu de données IRM public, il a affiché une exactitude de classification de 99.84 %, un coefficient de Dice de 91.22 % et un IoU de 89.01 %.