Segmentation automatique d’images scanographiques de dissections aortiques à l’aide de l’apprentissage profond

Discipline

Radiologie et imagerie médicale

Classification

Médecine et santé

Mots-clés

Dissection aortique,

Apprentissage profond,

Traitement d'images -- Techniques numériques,

Thrombose

Objectif : Cette étude vise à établir une méthode de segmentation de dissection aortique (DA) solide et entièrement automatisée en utilisant les nouvelles techniques d'apprentissage en profondeur. Méthodes : 113 scanners de 85 patients souffrant de DA entre le 9 septembre 2009 et le 23 avril 2021 ont été recueillis rétrospectivement. À l'aide d'un protocole de segmentation manuelle reproductible de trois labels (vrai chenal (VC), faux chenal (FC) et thrombus (TH), une base de données référentes (n=113) a été établie et divisée en deux groupes d'entraînement et de test. L'aorte entière (AE) a été obtenue en additionnant les VC, FC et TH. Un modèle de réseau de neurones convolutifs (CNN), incluant le redressement de l'aorte, a été développé sur la base d'entraînement (n=103) et évalué sur la base test (n=10). Les performances ont été évaluées avec le score de coefficient Dice, puis les différences entre les mesures de volumes et de diamètres maximaux. Résultats : Les scores moyens de Dice de notre modèle de segmentation pour l’AE, le VC, le FC et le TH étaient respectivement de 0.96 (± 0.01), 0.93 (± 0.01), 0.93 (± 0.02) et 0.87. En comparant les mesures dérivées de la base de données référentes et celles dérivés de notre modèle CNN, les variabilités moyennes des volumes étaient de 4.1% (± 1.4), 4.4% (± 2.6), 4.2% (± 3.0), 13.2% et les différences de diamètres maximaux étaient de 2.1 mm (± 2.5), 2.6 mm (± 2.3), 0.4 mm (± 0.3), 1.2 pour l’AE, le VC, le FC et le TH respectivement Conclusion : L'apprentissage en profondeur fournit un outil prometteur pour la segmentation de la dissection aortique et permet des mesures automatisées des caractéristiques anatomiques, ce qui aidera à la surveillance, à la stratification des risques et à l'évaluation de la capacité prédictive de nouveaux marqueurs pour l'évolution future de la dissection aortique.