IA pour l'analyse des radiographies thoraciques : classification de six pathologies avec RAD-DINO-MAIRA-2
Microsoft
Un chercheur a développé un classifieur multi-étiquettes pour six pathologies thoraciques en utilisant l'encodeur figé RAD-DINO-MAIRA-2 et une petite tête entraînable. Le modèle a obtenu une AUC macro de 0,9025 sur l'ensemble de validation, entraîné sur 22 466 radiographies provenant de VinBigData et OpenI. Le projet a coûté environ 300 dollars sur RunPod et constitue un prototype de recherche, non un dispositif clinique.
D'octobre 2025 à avril 2026, l'auteur a développé un prototype de recherche qui prend une radiographie thoracique et produit six probabilités indépendantes (entre 0 et 1) pour les pathologies suivantes : cardiomégalie, atélectasie, consolidation, épanchement pleural, pneumothorax et œdème. L'approche utilise un encodeur Microsoft RAD-DINO-MAIRA-2 figé (DINOv2 pré-entraîné sur environ 1,4 million de radiographies) avec une petite tête (LayerNorm → Linear(768→256) → GELU → Dropout → Linear(256→6)), n'entraînant que 199 942 des 86,8 millions de paramètres. L'entraînement a utilisé AdamW, une taille de lot de 64, une précision bf16, et a coûté environ 300 dollars sur un A100 80 Go sur RunPod. Les données proviennent de VinBigData (15 000 images) et d'OpenI (7 466 images), les étiquettes d'OpenI étant extraites par analyse basée sur des règles des comptes rendus radiologiques, soit un total de 22 466 images réparties en 85/15. L'auteur a d'abord essayé DenseNet121 mais l'a abandonné en raison de son incapacité à se concentrer sur l'anatomie pertinente ; les cartes de chaleur montraient une attention portée sur des artefacts et des régions non pertinentes. Le projet évite explicitement la segmentation ou la génération de rapports et n'est pas certifié pour un usage clinique ; l'auteur cherche une organisation pour mener des essais cliniques afin de l'enregistrer comme dispositif médical de classe 3 en Russie.
Source: Habr — хаб ИИ —
original