NeuroVFM : 5,24 millions d'IRM bousculent la neuroimagerie

NeuroVFM, développé par l’Université du Michigan, est un modèle généraliste en neuroimagerie. Il a été formé sur un ensemble inédit de 5,24 millions de volumes d’IRM et de CT cliniques, tels que rapportés dans MarkTechPost. Ce modèle vise à analyser la structure et les pathologies cérébrales sans nécessiter d’étiquettes de rapports radiologiques. Avant l’apparition de NeuroVFM, les modèles en neuroimagerie reposaient fréquemment sur des ensembles de données annotés par des experts. NeuroVFM, en utilisant Vol-JEPA, marque une avancée puisqu’il est capable d’apprendre de la volumétrie médicale brute. Vol-JEPA se positionne comme une extension des techniques I-JEPA et V-JEPA, spécialisées dans l’imagerie volumétrique. Cette approche innovante permet à NeuroVFM d’exploiter efficacement les données non sélectionnées, apportant une compréhension plus nuancée de l’anatomie et des pathologies. Les implications pour le domaine médical sont considérables, car ce modèle pourrait réduire la dépendance aux annotations coûteuses et améliorer la rapidité et la précision des diagnostics. L’avenir de l’imagerie médicale pourrait être transformé grâce à ces avancées technologiques, rendant l’imagerie cérébrale plus accessible et précise. Les méthodes et modèles développés pourraient s’étendre à d’autres branches médicales exigeant l’analyse de grands volumes de données non structurées. Comparativement, ce modèle de base en neuroimagerie utilise une stratégie d’apprentissage volumétrique moins courante mais déjà explorée dans d’autres contextes d’IA. Les innovations de NeuroVFM pourraient bien positionner l’Université du Michigan comme un leader dans les technologies médicales avancées.