Attendus
A l’issue de la formation, le stagiaire sera capable :
- de définir les termes usuels du « Machine Learning » (ML) et du « Deep Learning » (DL),
- d’identifier les étapes clés, les pièges de la modélisation ML et DL et de savoir interpréter les résultats via deux travaux dirigés,
- d’évaluer les avantages et les inconvénients des solutions commerciales en physique médicale,
- d’identifier les recommandations nationales et internationales actuelles relatives aux bonnes pratiques de mise en place des logiciels utilisant l’IA en clinique.
Objectifs Pédagogiques
- Définir simplement le vocabulaire et les principes du ML et DL
- Identifier les étapes clés, les pièges et les résultats de la modélisation ML et DL via deux travaux dirigés
- Identifier des applications logicielles existantes utilisant l’IA. Exemples :
- en radiothérapie au cours de différentes étapes de prise en charge des dossiers patients (contourage, planification dosimétrique, contrôle de qualité, …)
- en imagerie médicale avec un état de l’art des algorithmes de reconstruction d’images basés sur l’apprentissage profond (deep-learning) au scanner (impact sur la qualité des images et intérêt clinique) et une revue des applications des logiciels d’IA d’aide au diagnostic en radiologie avec un exemple d’évaluation dans le cadre de la détection des fractures osseuses en radiologie conventionnelle
- Analyser de façon critique les documentations et articles relatifs aux logiciels utilisant l’IA en physique médicale
- Identifier les recommandations nationales et internationales actuelles, relatives aux bonnes pratiques de mise en place des logiciels utilisant l’IA en clinique
Avant la formation
- Envoi en amont de la formation de vidéos expliquant les bases du langage Python
Pendant la formation
- Feuille d’émargement
- Évaluations formatives
Après la formation
- Attestation de fin de formation
- Questionnaire de satisfaction
Organisation/Comité scientifique dans l’ordre alphabétique
- Damien Autret (Institut de Cancérologie de l’Ouest, Angers)
- Anaïs Barateau (Centre Eugène marquis, Rennes)
- Maxime Bremaud (Institut de Cancérologie de l’Ouest, Angers)
- Djamel Dabli (Centre Hospitalier Universitaire, Nîmes)
- Stéphane Dufreneix (Institut de Cancérologie de l’Ouest, Angers)
- Abdessamad Kobi (LARIS, Université d’Angers)
- Christophe Legrand (Institut de Cancérologie de l’Ouest, Angers)
- Caroline Noblet (Clinique Mutualiste de l’Estuaire, Saint-Nazaire)
- Pejman Rasti (LARIS, Université d’Angers)
- David Rousseau (LARIS, Université d’Angers)
