Super-résolution IA : IRM, scanner et jeu vidéo

Une séquence d’IRM cardiaque peut passer de 243 secondes à 35 secondes avec une reconstruction par deep learning, sans modifier la proportion de détection de l’oedème dans une étude prospective menée auprès de 81 participants. Dans une étude CT abdominale sur fantôme, les chercheurs mesurent la résolution spatiale, le bruit et la détectabilité d’objets simulés. Sur Windows 11, Auto SR transforme un rendu calculé en 1050p en image affichée en 1600p.

En apparence, ces trois cas parlent de la même chose : produire une image plus détaillée à partir d’un signal moins précis.

En réalité, l’IRM cherche à raccourcir l’acquisition, le scanner compare des propriétés physiques et le jeu vidéo réduit d’abord la charge graphique. La microscopie ajoute une autre contrainte : observer des cellules vivantes avec une seule trame au lieu d’en empiler des milliers.

Le pixel ne devine rien.

Le même terme recouvre plusieurs calculs

La super-résolution par deep learning ne consiste pas à agrandir mécaniquement une image. Une interpolation répartit des valeurs entre les pixels existants. Un réseau entraîné sur des exemples apprend des correspondances entre des signaux dégradés et des images de référence, puis reconstruit une version plus détaillée. Le résultat dépend donc de l’image d’entrée, du modèle et de la tâche évaluée.

En IRM, la question porte sur le temps d’acquisition et la préservation des signaux utiles. En tomodensitométrie, les chercheurs regardent le bruit, la texture, la résolution spatiale et la visibilité de petites lésions. Dans un jeu, le calcul commence à une définition inférieure afin de réduire la charge du processeur graphique.

En IRM, le temps d’acquisition devient la mesure

Une étude prospective publiée en 2026 dans le Journal of Cardiovascular Magnetic Resonance a comparé une séquence T2-STIR standard à des acquisitions single-shot en apnée et en respiration libre, reconstruites par deep learning. Les examens ont suivi un protocole d’IRM cardiaque à 1,5 T chez des patients présentant une indication clinique. L’étude comptait 81 participants, dont 50 hommes, avec un âge moyen de 54 ans et un écart type de 20 ans.

La séquence standard durait 243 ± 16 secondes. La version deep learning en apnée descendait à 90 ± 6 secondes et celle en respiration libre à 35 ± 3 secondes. Les réductions annoncées atteignaient 63 % et 86 %. Deux lecteurs ont évalué la qualité diagnostique et leur certitude sur une échelle en cinq points.

Pour l’oedème focal, l’évaluation de référence et la séquence single-shot reconstruite par deep learning aboutissaient à la même proportion de détections : 26 %, soit 21 participants sur 81. Ce résultat concerne ce protocole et cette cohorte. Il ne mesure pas à lui seul l’effet de la séquence sur les décisions médicales.

La réduction du temps est donc le résultat le plus direct. Une acquisition plus courte peut aussi limiter le flou lié aux mouvements, mais la reconstruction doit conserver les signaux utiles dans les zones difficiles à imager. L’étude ne suffit pas à remplacer tous les protocoles d’IRM cardiaque.

En scanner, le fantôme révèle les compromis

Une étude publiée dans European Radiology Experimental a comparé une reconstruction CT par deep learning en super-résolution à une reconstruction en résolution normale, sur un fantôme de qualité d’image avec un protocole abdominal. Les acquisitions utilisaient trois niveaux de dose : 12,7, 5,9 et 3 mGy. Les images en super-résolution reposaient sur une matrice de 1024 x 1024, contre 512 x 512 pour la résolution normale.

Les chercheurs ont calculé le spectre de puissance du bruit, la fonction de transfert liée à la tâche et la détectabilité de deux lésions simulées. La fréquence spatiale à 50 %, notée f50servait à quantifier la résolution. Le bruit était inférieur avec la super-résolution aux niveaux 2 et 3, de 27,6 % et 43,5 %, mais l’écart s’inversait au niveau 1. Le comportement dépend donc du niveau de reconstruction et de la dose.

Un second article, publié le 1er mai 2026 dans le Journal of Applied Clinical Medical Physicsa utilisé un fantôme ACR Gammex 464, avec ou sans anneau elliptique de taille abdominale. Les chercheurs ont testé des doses de 2,6, 15,7 et 32,9 mGy, puis répété chaque condition 20 fois. Ils ont comparé la reconstruction itérative AIDR Enhanced 3D à PIQE Cardiac, en matrices 512 x 512 et 1024 x 1024.

Dans cette comparaison, les deux versions de PIQE amélioraient la fonction de transfert de modulation liée à la tâche par rapport à AIDR pour la plupart des fréquences. La matrice 1024 obtenait de meilleurs résultats que la matrice 512. L’étude calculait aussi le rapport contraste sur bruit et le rapport contraste sur bruit d’objets de faible contraste. Une matrice plus grande ne suffit donc pas à résumer toute la qualité d’image.

Au microscope, une seule trame change le compromis

Un article publié en 2023 dans Nature Communications a étudié la méthode SFSRM, une microscopie de super-résolution fondée sur une seule image. Le réseau utilise une carte de contours subpixel et une optimisation en plusieurs composantes pour reconstruire une image haute résolution à partir d’une image limitée par la diffraction.

Dans les conditions décrites par les auteurs, la méthode atteint une résolution spatiale de 30 nanomètres et une résolution temporelle de 10 millisecondes, avec une densité de signal et un rapport signal sur bruit jugés suffisants dans l’étude. Elle permet d’observer des interactions entre mitochondries et réticulum endoplasmique ainsi que le transport de vésicules le long des microtubules dans des cellules vivantes.

La microscopie de localisation de molécules uniques doit souvent séparer des événements fluorescents répartis sur des milliers d’images. Cette acquisition ralentit l’observation et augmente la phototoxicité. Une reconstruction à partir d’une seule trame réduit cette contrainte dans les conditions testées, mais elle reste dépendante du signal d’entrée. Les valeurs de 30 nanomètres et 10 millisecondes ne valent pas pour tous les microscopes, marqueurs ou types de cellules.

Avec Auto SR, la définition se paie en images par seconde

Sur Windows 11, Automatic Super Resolution, ou Auto SR, fait calculer le jeu dans une définition inférieure avant de reconstruire l’image vers une définition supérieure. La documentation de Microsoft présente la fonction pour les PC Copilot+ compatibles et la console portable ROG Xbox Ally X. Le traitement utilise un modèle d’IA exécuté sur le matériel compatible, notamment le NPU.

En septembre 2026, la compatibilité comprend aussi les PC Copilot+ équipés de processeurs Intel Core Ultra 3, connus sous le nom de code Panther Lake. Les conditions restent liées au matériel, à la définition choisie et au mode d’affichage.

Dans un test communiqué par Microsoft avec une puce graphique Intel Arc B390, Assassin’s Creed Valhalla tournait à 45 images par seconde en 1600p natif avec des réglages élevés. En calculant l’image en 1050p puis en la reconstruisant en 1600p avec Auto SR, le test atteignait 52 images par seconde avec des réglages Ultra. L’écart est de 7 images par seconde, mais la comparaison modifie à la fois la reconstruction et le niveau de détails. Elle ne constitue donc pas un test isolé de l’effet d’Auto SR.

Ces chiffres viennent du constructeur et ne remplacent pas un benchmark indépendant couvrant plusieurs machines. La fonction dépend aussi des formats et des moteurs graphiques pris en charge. Un jeu qui ne produit pas l’indicateur Auto SR peut être limité par sa définition, son mode d’affichage ou son format d’image.

Activation sous réserve de compatibilité

Microsoft propose un réglage par jeu dans le widget Display de Xbox Game Bar. La procédure varie ensuite selon la définition acceptée par le PC et le mode d’affichage.

1. Lancer le jeu et ouvrir Xbox Game Bar avec Win + G.
2. Ouvrir Widgets, puis Display et l’onglet Auto SR.
3. Activer Auto SR et modifier la définition ou le mode d’affichage si Windows le demande.
4. Vérifier l’indicateur Auto SR dans la fenêtre du jeu. S’il n’apparaît pas, consulter l’onglet Auto SR ou les réglages généraux de l’écran.

La netteté ne remplace pas la mesure

Ces usages ne répondent pas à la même question. L’IRM mesure ici un temps d’acquisition et une détection de l’oedème chez des patients. Le CT compare des indicateurs d’image sur des fantômes. La microscopie observe des dynamiques cellulaires à partir d’une trame. Le jeu vidéo se juge en images par seconde, en définition et en compatibilité logicielle.

Pour évaluer une promesse de super-résolution, il faut distinguer la résolution réellement acquise de la résolution reconstruite, identifier si l’essai porte sur des patients, un fantôme ou des cellules, puis regarder la tâche mesurée. Une image plus détaillée peut raccourcir un examen ou alléger le travail d’un GPU. Elle ne change pas, à elle seule, la quantité d’information captée au départ.

La résolution reconstruite ne remplace pas la mesure.