Segmentation et identification des vertèbres sur des radiographies frontales de rachis par méthodes d’apprentissage profond

Résumé

Les outils d’extraction de paramètres cliniques et de reconstruction 3D du rachis à partir de radiographies aident les cliniciens dans le diagnostic et le traitement des patients atteints de scolioses. L’entreprise EOS Imaging cherche à automatiser ces applications afin de mieux les intégrer en routine clinique. La segmentation et l’identification des vertèbres sur les radiographies sont deux étapes fondamentales et cruciales dans les processus d’extraction de paramètres cliniques et de reconstruction 3D du rachis. De ce fait, l’automatisation de ces étapes relativement complexes nécessite une attention particulière. L’objectif principal de ce projet est de proposer une méthode automatique de segmentation et de labellisation individuelle des vertèbres à partir des radiographies EOS frontales de rachis atteints de scoliose idiopathique de l’adolescent (SIA). Le projet se tourne vers les méthodes d’apprentissage profond, spécifiquement les réseaux de neurones convolutifs (CNN). Une base de données de 767 images radiographiques frontales de patients atteints de SIA est utilisée. Un soin particulier est apporté au choix des métriques d’évaluation afin que ces dernières reflètent bien les capacités des CNNs à produire des résultats utilisables dans un contexte clinique. Une étude comparative des CNNs de segmentation d’instance DetectoRS, RetinaMask, MS R-CNN et YOLACT est réalisée. DetectoRS est significativement meilleur que les trois autres CNNs sur la métrique de taux d’identification la plus contraignante. La méthode proposée s’appelle V-DetectoRS. Le CNN V-DetectoRS est construit à partir de DetectoRS et intègre deux stratégies d’ajustement basées sur le respect de la structure anatomique du rachis. Un post-traitement ainsi qu’un terme de pénalité intégré à la fonction de perte en régression de DetectoRS sont mis en place. Ils assurent tous les deux le respect des distances intervertébrales. Les performances atteintes par V-DetectoRS surpassent celles de DetectoRS sur toutes les métriques d’évaluation. Les performances obtenues avec VDetectoRS sont similaires à celles des méthodes de la revue de littérature. V-DetectoRS atteint un coefficient de Dice moyen de 87,84%. En considérant qu’une vertèbre est bien identifiée lorsqu’elle montre un coefficient de Dice de 75%, 86,21% des images testées ont été traitées avec succès par V-DetectoRS. Dans le futur, V-DetectoRS pourrait être intégré à des applications de reconstruction 3D de rachis ou d’extraction de paramètres cliniques afin de participer à leur automatisation.

Date	23 févr. 2022
langue originale	Français
Établissement diplômant	École de technologie supérieure
Superviseur	Carlos Vázquez (Directeur(-trice)) & Jacques A. de Guise (Codirecteur(-trice))