Page 78 - C:\Users\lpnan\Documents\Flip PDF\revue ODF 1 2021\

J.-M. Foucart, L. Gillibert, A. Chavanne, X. Ripoche

À partir de données structurées (catégo- chaque « neurone » étant modélisé par
risées ou labélisées par un observateur), quelques opérateurs élémentaires.
le Machine Learning s’appuie sur un algo-
rithme qui adapte lui-même le système Les réseaux de neurones profonds
à partir des retours fait par l’humain qui ont une multitude d’applications. On
lui indique ses erreurs. Si le Machine les retrouve derrière des jeux de stra-
Learning s’améliore avec l’accumulation tégie, comme le shogi, les échecs et le
de nouvelles données, il n’explore que go ; mais aussi derrière les systèmes
“L’un des principaux les données organisées et ne les analyse de conduite automatique, aussi bien
domaines d’application donc que de la manière dont il a été chez Google Waymo que chez Tesla
des réseaux de programmé. ou Uber. Bien que mathématiquement
neurones profonds est simples, ce qui donne aux réseaux de
l’imagerie médicale. neurones profond une grande capacité à
Deep Learning et réseau apprendre c’est le nombre de neurones
de neurones employés.

Le Deep Learning (ou apprentissage Dans le traitement du langage, on trouve
profond) est une forme spécifique et des réseaux avec plusieurs milliards de
plus évoluée du Machine Learning car paramètres. Ainsi GPT-3, un modèle multi-
il utilise des données non structurées. lingue capable de faire aussi bien de la
Contrairement au Machine Learning qui génération de texte que de la traduction ou
utilise un algorithme « a priori », dans de la synthèse, est doté de 175 milliards
le Deep Learning, ce sont les données de paramètres. Mais l’un des principaux
qui guident le fonctionnement de l’algo- domaines d’application des réseaux de
rithme. C’est un système d’apprentissage neurones profonds est l’imagerie médi-
autonome qui, à partir des données discri- cale ; souvent par l’intermédiaire d’un
minantes analysées et des erreurs obser- réseau de neurones convolutifs ou réseau
vées, ajuste en permanence son modèle de neurones à convolution (en anglais,
mathématique. CNN ou ConvNet pour Convolutional
Neural Networks), inspiré par le cortex
S’inspirant du cerveau humain, le Deep visuel pour le traitement des images.
Learning repose sur un réseau de
neurones, composé de plusieurs couches. L’apprentissage profond est efficace sur
Chaque couche du réseau interprète et tout type d’images médicales, 2D ou
module les informations de la couche 3D. Il est employé sur les radiographies
précédente et les transmet aux couches 2D, tels que les panoramiques dentaires,
suivantes. sur des volumes CBCT (par exemple pour
la segmentation du canal mandibulaire),
Les réseaux de neurones profonds sont sur des images échographiques, sur des
des systèmes capables d’apprendre. Leur volumes d’imagerie par résonance magné-
conception, librement inspirée du fonction- tique, sur des volumes de tomographie
nement des neurones biologiques, repose en cohérence optique (OCT) et sur des

sur des méthodes statistiques et sur images en microscopie optique ou micros-
des opérations mathématiques simples, copie électronique.

78 RODF 2021;55(1):73-87

21/01/2021 16:19
RODF-2021-1.indb 78
RODF-2021-1.indb 78 21/01/2021 16:19