An automatic classification method for distinguishing between indolent and clinically significant carcinoma using multiparametric MRI (mp-MRI) imaging is provided. By utilizing a convolutional neural network (CNN), which automatically extracts deep features, the hierarchical classification framework avoids deficiencies in current schemes in the art such as the need to provide handcrafted features predefined by a domain expert and the precise delineation of lesion boundaries by a human or computerized algorithm. This hierarchical classification framework is trained using previously acquired mp-MRI data with known cancer classification characteristics and the framework is applied to mp-MRI images of new patients to provide identification and computerized cancer classification results of a suspicious lesion.L'invention concerne un procédé de classification automatique de distinction entre des carcinomes indolents et des carcinomes cliniquement significatifs au moyen d'imagerie à IRM multiparamétrée (IRM mp). En utilisant un réseau neural convolutif (CNN), qui extrait automatiquement des attributs profonds, l'infrastructure de classification hiérarchique évite les déficiences des principes actuels selon l'état de la technique comme le besoin d'établir des attributs élaborés à la main prédéfinis par un expert du domaine et la délimitation précise de limites de lésions par un humain ou un algorithme informatisé. Cette infrastructure de classification hiérarchique est entraînée au moyen de données d'IRM mp acquises préalablement présentant des caractéristiques connues de classification de cancer et l'infrastructure est appliquée à des images d'IRM mp de nouveaux patients pour transmettre des résultats d'identification et de classification informatisée de cancer d'une lésion suspecte.
