Intelligence artificielle en imagerie vétérinaire : revue de la littérature et enquête exploratoire sur la perception des praticiens
Schoenfelder, Lucas
Promotor(s) :
Busoni, Valeria
Date of defense : 25-Jun-2026 • Permalink : http://hdl.handle.net/2268.2/26276
Details
| Title : | Intelligence artificielle en imagerie vétérinaire : revue de la littérature et enquête exploratoire sur la perception des praticiens |
| Translated title : | [en] Artificial intelligence in veterinary imaging: a literature review and exploratory survey on practitioner's perception. |
| Author : | Schoenfelder, Lucas
|
| Date of defense : | 25-Jun-2026 |
| Advisor(s) : | Busoni, Valeria
|
| Committee's member(s) : | Roels, Elodie
Peeters, Dominique
|
| Language : | French |
| Number of pages : | 31 |
| Discipline(s) : | Life sciences > Veterinary medicine & animal health |
| Institution(s) : | Université de Liège, Liège, Belgique |
| Degree: | Master en médecine vétérinaire |
| Faculty: | Master thesis of the Faculté de Médecine Vétérinaire |
Abstract
[fr] L'intelligence artificielle connaît un développement rapide en imagerie médicale vétérinaire, principalement en radiographie, domaine concentrant un tiers des publications. La revue de la littérature réalisée dans ce travail montre que les algorithmes de deep learning atteignent des performances encourageantes pour la détection d'anomalies simples, et notamment au niveau de la spécificité qui est parfois comparable à celle des radiologues certifiés. En revanche, leur sensibilité reste inférieure à celle des imageurs pour les cas complexes. Par ailleurs, les modalités telles que l'échographie, le scanner ou l'imagerie par résonance magnétique demeurent peu étudiées. L’insuffisance en bases de données annotées servant à l’entrainement des algorithmes, l'absence de validation prospective ainsi que le vide réglementaire autour de ce sujet constituent les principaux freins au déploiement de ces outils. Une enquête exploratoire menée auprès de vingt praticiens francophones révèle un intérêt marqué pour l'IA mais un usage encore limité, freiné davantage par un manque de preuves scientifiques que par un rejet de principe. Plus de la moitié des répondants accepteraient l'IA en première lecture sous supervision humaine. Ces résultats appuient l’importance d'une validation clinique significative, d'un cadre réglementaire adapté mais aussi d’une formation des praticiens pour permettre une intégration raisonnée de l'IA en imagerie médicale vétérinaire.
File(s)
Document(s)
SCHOENFELDER_Lucas_TFE_FMV_juin2026_provisoire .pdf
Description:
Size: 631.74 kB
Format: Adobe PDF
SCHOENFELDER_Lucas_TFE_FMV_juin2026_définitif.pdf
Description:
Size: 489.25 kB
Format: Adobe PDF
Cite this master thesis
The University of Liège does not guarantee the scientific quality of these students' works or the accuracy of all the information they contain.

Master Thesis Online

