Impact des reconstructions en apprentissage profond en IRM sur la

Retour aux résultats

Retour aux résultats

JFR 2025
Séance de communications orales et intelligence artificielle
Impact des reconstructions en apprentissage profond en IRM sur la stabilité des paramètres de radiomiques

Impact des reconstructions en apprentissage profond en IRM sur la stabilité des paramètres de radiomiques

Auteur principal :

Gabriel Ballout

•

Autres auteurs :

Gabriel Ballout Navid Rabbani Bruno Péreira Lucie Cassagnes Pascal Chabrot Adrien Bartoli Benoît Magnin

Vidéo

05 October 2025

Content reserved for SFR members

Join SFR to view this content

Full videos, AI summaries, and highlights moments are available only to members with current memberships.

Already a member ? Se connecter

Dans la même session

État des lieux de l’implémentation de l’IA dans le flux de travail des radiologues universitaires

Mise en œuvre à grande échelle de l'IA en radiologie : Une étude observationnelle multisite

Voir la session

Du même auteur

Impact des reconstructions en apprentissage profond en IRM sur la stabilité des paramètres de radiomiques

Gabriel Ballout

Afficher tous les résultats

Sur la même thématique "Intelligence Artificielle"

IA-WP-02 - Radiologues curieux : Créez et testez votre premier réseau neuronal en 30 minutes!

IA-WP-01 - La radiomique pour les nuls. Exemples en imagerie digestive.

Afficher tous les résultats