• Skip to primary navigation
  • Skip to main content
  • Skip to footer
CAR - The Canadian Association of Radiologists
MENUMENU
  • À propos de la CAR
    • Message du Dr Gilles Soulez, président de la CAR
    • Conseil d’administration et exécutif
      • Appel de candidatures
    • Plan stratégique 2018 à 2022
    • Rapport annuel
    • Histoire de la CAR
    • Associés
      • Fondation radiologique canadienne
      • Canadian Association for Interventional Radiology
      • Canadian Heads of Academic Radiology (CHAR)
      • Société canadienne de l’imagerie mammaire
    • Partenaires corporatifs
    • Politiques
      • Avis de non-responsabilité et politique en matière de respect de la vie privée
      • Politique sur les conflits d'intérêts
      • Politique en matière de marketing et de communications
      • Politique sur l’utilisation des réseaux sociaux
    • Joindre la CAR
  • Adhésion
    • Avantages d’adhésion
      • STATdx
    • Adhérer / Renouveler
    • Sociétés affiliées de la CAR
      • Société canadienne de radiologie d’urgence, de traumatologie et de soins actifs
      • Société canadienne de radiologie abdominale
      • Société canadienne de radiologie pédiatrique
      • Société canadienne de radiologie thoracique
    • Distinctions de la CAR
      • Associé(e) de la CAR (FCAR)
      • Prix de la Médaille d’or de la CAR
      • Prix d’excellence de la CAR pour une éminente carrière
      • Prix du jeune chercheur de la CAR
      • Scientific and Educational Awards
    • Opportunitiés de carrière
    • Groupes de travail
    • Stagiaires
      • Réseau d’étudiants en médecine (MSN)
      • Section des résidents et fellows (RFS)
      • Opportunités de fellowships au Canada
  • Défense des intérêts
    • Présentations au gouvernement
    • Journée sur la Colline du Parlement
    • La résilience de la radiologie
    • Valeur de la radiologie
    • Impliquez-vous
    • Journée internationale de la radiologie
  • Soins aux patients
    • Lignes directrices de pratique
    • Lignes directrices relatives aux demandes d’examen
    • Guides
    • Énoncés et Avis
    • PAM
    • Ressources à l’intention des patients
    • COVID-19
  • Congrès
    • CAR 2023
    • CAR 2022
      • Aperçu du congrès 2022
      • Certificat de participation 2022
    • CAR 2021
      • Aperçu du congrès 2021
      • Certificat de participation 2021
  • Formation
    • RAD Academy
    • Activités de DPC à venir
    • Agrément d’activités de DPC
      • Demande d’agrément des activités de DPC
    • L’apprentissage entre pairs
  • Journal
    • Member Access
    • Auteurs
    • Insights4Imaging
  • Innovation
    • Intelligence artificielle
    • Ressources sur l’intelligence artificielle, l’apprentissage automatique, et l’apprentissage profond
  • Nouvelles
    • La pénurie de produits de contraste iodés

CAR - Canadian Association of Radiologists

The Canadian Association of Radiologists is the national specialty association for radiologists, dedicated to medical imaging excellence in patient care

  • English
  • Nous joindre
  • RAD Academy
  • Accès Membres
MENUMENU
  • À propos de la CAR
    • Message du Dr Gilles Soulez, président de la CAR
    • Conseil d’administration et exécutif
      • Appel de candidatures
    • Plan stratégique 2018 à 2022
    • Rapport annuel
    • Histoire de la CAR
    • Associés
      • Fondation radiologique canadienne
      • Canadian Association for Interventional Radiology
      • Canadian Heads of Academic Radiology (CHAR)
      • Société canadienne de l’imagerie mammaire
    • Partenaires corporatifs
    • Politiques
      • Avis de non-responsabilité et politique en matière de respect de la vie privée
      • Politique sur les conflits d'intérêts
      • Politique en matière de marketing et de communications
      • Politique sur l’utilisation des réseaux sociaux
    • Joindre la CAR
  • Adhésion
    • Avantages d’adhésion
      • STATdx
    • Adhérer / Renouveler
    • Sociétés affiliées de la CAR
      • Société canadienne de radiologie d’urgence, de traumatologie et de soins actifs
      • Société canadienne de radiologie abdominale
      • Société canadienne de radiologie pédiatrique
      • Société canadienne de radiologie thoracique
    • Distinctions de la CAR
      • Associé(e) de la CAR (FCAR)
      • Prix de la Médaille d’or de la CAR
      • Prix d’excellence de la CAR pour une éminente carrière
      • Prix du jeune chercheur de la CAR
      • Scientific and Educational Awards
    • Opportunitiés de carrière
    • Groupes de travail
    • Stagiaires
      • Réseau d’étudiants en médecine (MSN)
      • Section des résidents et fellows (RFS)
      • Opportunités de fellowships au Canada
  • Défense des intérêts
    • Présentations au gouvernement
    • Journée sur la Colline du Parlement
    • La résilience de la radiologie
    • Valeur de la radiologie
    • Impliquez-vous
    • Journée internationale de la radiologie
  • Soins aux patients
    • Lignes directrices de pratique
    • Lignes directrices relatives aux demandes d’examen
    • Guides
    • Énoncés et Avis
    • PAM
    • Ressources à l’intention des patients
    • COVID-19
  • Congrès
    • CAR 2023
    • CAR 2022
      • Aperçu du congrès 2022
      • Certificat de participation 2022
    • CAR 2021
      • Aperçu du congrès 2021
      • Certificat de participation 2021
  • Formation
    • RAD Academy
    • Activités de DPC à venir
    • Agrément d’activités de DPC
      • Demande d’agrément des activités de DPC
    • L’apprentissage entre pairs
  • Journal
    • Member Access
    • Auteurs
    • Insights4Imaging
  • Innovation
    • Intelligence artificielle
    • Ressources sur l’intelligence artificielle, l’apprentissage automatique, et l’apprentissage profond
  • Nouvelles
    • La pénurie de produits de contraste iodés
Vous êtes ici : Home / Innovation / Intelligence artificielle / Ressources sur l’intelligence artificielle, l’apprentissage automatique, et l’apprentissage profond

Ressources sur l’intelligence artificielle, l’apprentissage automatique, et l’apprentissage profond

Lectures suggérées pour les radiologistes

Introduction générale en matière d’intelligence artificielle, d’apprentissage automatique, et d’apprentissage profond

Implementing Machine Learning in Radiology Practice and Research1

Machine Learning for Medical Imaging2

Big Data and Machine Learning—Strategies for Driving This Bus: A Summary of the 2016 Intersociety Summer Conference3

Big Data, Machine Learning, and Clinical Medicine4

Artificial Intelligence in Healthcare : Past, Present and Future5

Imaging Informatics – Year in Review 2017

Information technique de base en matière d’intelligence artificielle, d’apprentissage automatique, et d’apprentissage profond

Deep Learning in Medical Image Analysis6

Machine Learning and Radiology7

A Few Useful Things to Know about Machine Learning8

Medical Image Data and Datasets in the Era of Machine Learning9

Toolkits and Libraries for Deep Learning10

Deep Learning in Medical Imaging: Overview and Future Promise of an Exciting New Technique11

Deep Learning for Brain MRI Segmentation: State of the Art and Future Directions12

How much data is needed to train a medical image deep learning system to achieve necessary high accuracy?13

A Roadmap Towards Machine Intelligence14

Deep Learning for Computational Biology15

Deep Learning for Healthcare: Review, Opportunities and Challenges16

Examples d’apprentissage automatique en radiologie et en soins de santé

Precision Radiology: Predicting longevity using feature engineering and deep learning methods in a radiomics framework17

Using Machine Learning and Natural Language Processing Algorithms to Automate the Evaluation of Clinical Decision Support in Electronic Medical Record Systems18

Liste de références

1 Kohli M, Prevedello LM, Filice RW, Geis JR. Implementing Machine Learning in Radiology Practice and Research. AJR Am J Roentgenol. 2017 Apr;208(4):754-760 https://www.ncbi.nlm.nih.gov/pubmed/28125274

2 Erickson BJ, Korfiatis P, Zeynettin A, Kline TL. Machine Learning for Medical Imaging.  Radiographics 2017 Mar-Apr;37(2):505-515   http://pubs.rsna.org/doi/full/10.1148/rg.2017160130

3 Kruskal JB, Berkowitz S, Geis JR, Kim W, Dreyer K. Big Data and Machine Learning—Strategies for Driving This Bus: A Summary of the 2016 Intersociety Summer Conference. J Am Coll Radiol. 2017 Jun;14(6):811-817  https://www.ncbi.nlm.nih.gov/pubmed/28372961

4 Obermeyer Z, Emanuel E. Predicting the Future — Big Data, Machine Learning, and Clinical Medicine. N Engl J Med. 2016 Sep 29; 375(13): 1216–1219 https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5070532/

5 Jiang F, Jiang Y, Zhi H, et al. Artificial intelligence in healthcare: past, present and future. Stroke and Vascular Neurology 2017;0: e000101. http://svn.bmj.com/content/early/2017/06/21/svn-2017-000101

6 Shen D, Wu G, Suk H-I  Deep Learning in Medical Image Analysis. Annu Rev Biomed Eng. 2017 Jun 21; 19: 221-248. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5479722/

7 Wang S, Summers R. Machine Learning and Radiology. Med Image Anal. 2012 Jul https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3372692/

8 Domingos, P. A Few Useful Things to Know about Machine Learning. https://homes.cs.washington.edu/~pedrod/papers/cacm12.pdf

9 Kohli, M.D., Summers, R.M. & Geis, J. J Digit Imaging. May 2017.  https://link.springer.com/article/10.1007%2Fs10278-017-9976-3

10 Erickson BJ, Korfiatis P, Akkus Z, Kline T, Philbrick K. Toolkits and Libraries for Deep Learning. J Digit Imaging (2017) https://link.springer.com/article/10.1007/s10278-017-9965-6

11 Greenspan H, van Ginneken B, Summers RM. Deep Learning in Medical Imaging: Overview and Future Promise of an Exciting New Technique. IEEE Transactions on Medical Imaging (Volume: 35, Issue: 5, May 2016) http://ieeexplore.ieee.org/document/7463094/

12 Akkus, Z., Galimzianova, A., Hoogi, A. et al. Deep Learning for Brain MRI Segmentation: State of the Art and Future Directions.  J Digit Imaging (2017) https://link.springer.com/article/10.1007/s10278-017-9983-4

13 Cho J, Lee K, Shin E, Choy G, Do S. How much data is needed to train a medical image deep learning system to achieve necessary high accuracy? https://arxiv.org/pdf/1511.06348.pdf

14 Mikolov T, Joulin A, Baroni M. A Roadmap towards Machine Intelligence https://arxiv.org/pdf/1511.08130.pdf

15 Angermueller C, Parnamaa T, Parts L, Stegle O. Deep learning for computational biology. Mol Syst Biol. 2016;12(7):878. https://www.ncbi.nlm.nih.gov/pubmed/27474269

16 Miotto R, Wang F, Wang S, Jiang X, Dudley J. Deep learning for healthcare: review, opportunities and challenges. Brief Bioinform. 2017 http://dudleylab.org/wp-content/uploads/2017/05/Deep-learning-for-healthcare-review-opportunities-and-challenges.pdf

17 Oakden-Rayner L, Carneiro G, Bessen T et al.  Precision Radiology: Predicting longevity using feature engineering and deep learning methods in a radiomics framework. Scientific Reports 7, Article number: 1648 (2017) https://www.nature.com/articles/s41598-017-01931-w

18 Szlosek DA, Ferrett J. Using Machine Learning and Natural Language Processing Algorithms to Automate the Evaluation of Clinical Decision Support in Electronic Medical Record Systems EGEMS (Wash DC). 2016 https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5019306/

Footer

Addresse postale

L’Association canadienne des radiologistes
1120-220 avenue Laurier O
Ottawa (Ontario) K1P 5Z9
Canada

Nous joindre

Tél. : 613 860-3111
Courriel : [email protected]

Suivez-nous

  • Adresse mail
  • Facebook
  • Linkedin
  • Twitter

Avis de non-responsabilité

Le contenu figurant sur ce site Web est fourni à titre informatif seulement. L'Association canadienne des radiologistes (CAR) a pris l'engagement d'assurer l'exactitude, la sécurité et la confidentialité de vos renseignements personnels, conformément à la loi en vigueur. Toute collecte de renseignements personnels faite par la CAR par l'intermédiaire de ce site Web, ou de quelque autre façon que ce soit, est faite conformément à la politique ci-dessous en matière de respect de la vie privée. https://car.ca/fr/a-propos/avis-de-non-responsabilite-et-politique-en-matiere-de-respect-de-la-vie-privee/.

© Copyright 2023

X