Unsupervised three-dimensional segmentation of scoliotic spines from MR volumes with uncertainty estimation

Résumé

La segmentation des vertèbres à partir d’images de résonance magnétique (IRM) est une tâche difficile. En raison de la nature de cette modalité, qui met l’accent sur les tissus mous du corps, les algorithmes de seuillage courants sont inefficaces pour détecter les os dans les IRM. D’autre part, il est relativement plus facile de segmenter les os à partir d’images de tomographie axiale (CT) en raison du contraste élevé entre les os et les tissus mous. Cette thèse propose une nouvelle méthode de segmentation simple basée sur le seuillage de la colonne vertébrale scoliotique qui génère son modèle 3D en effectuant une synthèse intermodalités entre les domaines IRM et CT. Cependant, cela suppose implicitement la disponibilité de données IRM-CT appariées, ce qui est rare, surtout dans le cas de patients scoliotiques. Par conséquent, la méthode proposée est totalement non supervisée et entièrement tridimensionnelle (3D). Un modèle CycleGAN 3D est entraîné pour une traduction non appariée de volume à volume dans les domaines de l’IRM et de la CT. Ensuite, l’algorithme de seuillage d’Otsu est appliqué aux volumes CT synthétisés pour une segmentation facile des os vertébraux. La segmentation résultante est utilisée pour reconstruire un modèle 3D de la colonne vertébrale. La nature non supervisée du problème ainsi que le manque de données CT de base rendent difficile l’analyse objective de la performance du CycleGAN 3D. Par conséquent, une adaptation bayésienne de CycleGAN est proposée pour capturer l’information d’incertitude sous la forme d’incertitudes aléatoires et épistémiques pendant la traduction. Cette amélioration rend le modèle autosuffisant en fournissant une mesure de la confiance dans les prédictions du modèle tout en le rendant plus interprétable pour la tâche de segmentation d’Otsu. Des expériences de type étude d’ablation ont été menées pour déterminer l’importance de l’estimation de l’incertitude et l’amélioration de la qualité des volumes traduits est également démontrée. La méthode proposée est validée quantitativement sur 46 vertèbres scoliotiques de 5 patients présentant différents degrés de courbure de la colonne vertébrale en calculant la distance moyenne point-surface entre les points de repère de chaque vertèbre obtenus à partir de radiographies préopératoires et la surface de la vertèbre segmentée. L’étude aboutit à une erreur moyenne de 3.17 ± 1.04 mm. Sur la base des résultats qualitatifs et quantitatifs, il est conclu que le cadre proposé est capable d’obtenir de bonnes segmentations et de bons modèles 3D de la colonne vertébrale scoliotique ainsi que des informations cruciales sur l’incertitude, le tout après un apprentissage à partir de données non appariées de manière non supervisée.

Date	5 mai 2021
langue originale	Anglais américain
Établissement diplômant	École de technologie supérieure
Superviseur	Catherine Laporte (Directeur(-trice)) & Farida Cheriet (Codirecteur(-trice))