Matricis.ai

Détection des lésions d’endométriose à partir d’images d’IRM
En cours d'exécution
01/09/2022

-

30/09/2023

Objectifs principaux

Développer un logiciel d’IA permettant de détecter et de caractériser une endométriose sur une IRM pelvienne

Problème identifié

L’endométriose est une maladie encore mal connue et mal diagnostiquée. L’errance médicale est en moyenne de 7 ans après l’apparition des premiers symptômes et 75% des patientes reçoivent au moins un diagnostic erroné. Les erreurs de diagnostic sont en partie imputables à la difficulté de l’analyse des images d’IRM pelviennes et au manque de radiologues spécialisés, qui représentent moins d’1% des radiologues en France et sont mal répartis sur le territoire.

Méthode/Technologie utilisée

Le projet emploie un ensemble de technologies de machine learning pour reconnaitre et modéliser les organes du pelvis féminin et classifier les différents types de lésions d’endométriose, en fonction de leur localisation.

Publications

Contacts

Elise Mekkaoui () & Raphaelle Taub ()

Membres

AP-HP, Inria

Liens utiles

https://matricis.ai/

Nos autres projets

Chaire BOPA

Description

Chaire Innovation « Bloc Opératoire Augmenté » (BOPA)

Nom des partenaires impliqués
AP-HP, Inria, Institut Mines-Télécom, Université de Paris-Saclay, Chaire Humanité et Santé du CNAM

lire la suite