Applications actuelles des réseaux de neurones pour l’étude des lésions hépatiques en IRM

Le cancer du foie est la 13ème néoplasie la plus fréquente dans le monde avec un sex‐ratio homme‐ femme de 3/1. Les métastases siègent toujours au premier rang des tumeurs malignes intrahépatiques même si le carcinome hépato‐cellulaire (CHC) demeure la tumeur hépatique primitive la plus fréquente avec une incidence en perpétuelle augmentation. Le pronostic du CHC demeure sombre malgré les possibilités thérapeutiques modernes telles que la chimio‐ embolisation, la radiofréquence et l’immunothérapie. En effet, le cancer du foie demeure la 6ème néoplasie en terme de mortalité soulignant l’importance d’un diagnostic précoce. Depuis les années 2010, l’imagerie médicale permet progressivement de s’affranchir d’une biopsie diagnostique dans de nombreux cas de CHC, et notamment sur foie de cirrhose déjà prouvée en anatomopathologie. Cependant, il existe plusieurs autres tumeurs hépatiques bénignes et fréquentes, telles que les kystes et les angiomes, dont le diagnostic est éminemment radiologique et ne doit pas reposer sur une biopsie, qui reste un geste invasif avec de potentiels effets indésirables graves tels qu’une hémorragie. La caractérisation radiologique des tumeurs hépatiques se fait préférentiellement en imagerie par résonance magnétique (IRM) car cette modalité d’imagerie apporte à la fois des informations morphologiques, de signal et de rehaussement après injection de produit de contraste. La prise en charge et le suivi radiologique de patients porteurs d’un CHC se fait le plus souvent dans des centres de référence qui disposent d’un service d’imagerie médicale spécialisé en imagerie digestive. Cependant, la démarche diagnostique devant une masse hépatique est un problème quotidien pour tout radiologie ayant une activité d’IRM. Les outils d’intelligence artificielle révolutionnent nos pratiques et ont la possibilité d’améliorer le travail du radiologue dans sa pratique.

L’intelligence artificielle, et en particulier les algorithmes de réseaux de neurones ou « deep learning », peuvent trouver leur place dans ce challenge diagnostique. En effet, les applications concrètes des réseaux de neurones se sont récemment diversifiées en médecine, et notamment en imagerie médicale où plusieurs logiciels d’aide au diagnostic ont vu le jour au cours de ces dernières années. Certains logiciels sont d’ailleurs déjà disponibles dans la pratique quotidienne, par exemple pour la détection de nodules pulmonaires. Cependant, la plupart de ces logiciels d’aide au diagnostic concernent la radiographie standard  ou le scanner, et la place des réseaux de neurones est peu développée en IRM. Pour autant, ceux‐ci pourraient se révéler prometteurs dans l’aide à la détection précoce et la caractérisation des différentes lésions hépatiques.

Préparation des données d’entrée dans le réseau de neurones 

Les critères d’exclusion étaient les imageries incomplètes, les examens de mauvaise qualité  ou avec des artéfacts de mouvement, les lésions préalablement traitées  et celles ayant régressé après traitement,  les CHC infiltrants ou mal définis , les lésions inflammatoires, enfin les lésions atypiques. Seize études (94%) ont utilisé les séquences T1 dynamique avec injection de gadolinium. Trois d’entre elles (18%) ont également utilisé d’autres séquences (T2, T1 in et out of phase, diffusion). A noter qu’une étude (6%) n’a utilisé que la séquence de diffusion. Dix études (59%) ont procédé à l’enregistrement (registration) ou « recalage » des images afin de faire correspondre les principaux points anatomiques entre les différentes séquences.  Seize études (94%) ont utilisé un procédé d’augmentation des données, et cette information était manquante dans un cas (6%). Ce procédé informatique consistait en une rotation d’images,  une translation ou une transposition,  un retournement horizontal ou vertical,  un zoom,  un changement d’échelle,  une déformation, une modulation d’intensité lumineuse, une modulation de contraste, enfin un découpage. Cela a permis de multiplier le nombre d’images « positives », c’est‐à‐dire contenant au moins une lésion, d’un facteur huit à un facteur 125. Enfin, pour 16 études (94%), un ou plusieurs radiologues ont délimité manuellement les coupes IRM autour des lésions avant de les entrer dans le réseau : il s’agissait d’une région d’intérêt (Region of Interest, ROI) dans 10 cas (59%) ou d’une délimitation précise de la lésion, autrement dit une « segmentation » de lésion, dans 6 cas (35%). Seule une étude (6%) a utilisé 30 coupes natives successives sans pré‐traitement d’image ; à noter que dans cette étude, seules les séquences en diffusion ont été utilisées.

Vérité terrain 

Sept études (41%) se sont exclusivement basées sur le diagnostic anatomo‐pathologique pour la vérité terrain, tandis que neuf études (53%) se sont exclusivement basées sur un diagnostic radiologique. Enfin une étude (6%) a considéré des critères soit radiologiques, soit anatomo‐ pathologiques .

Caractéristiques des réseaux de neurones 

Concernant le type de réseaux, un réseau de neurones convolutif a été utilisé dans 16 articles (94%), avec une structure 3D dans 7 cas (41%). Une architecture type U‐net a été appliquée dans trois réseaux (18%), une architecture VGG dans un réseau (6%), une architecture ResNet dans quatre réseaux (24%), une architecture AlexNet dans un cas (6%), et enfin DenseNet dans un cas également (6%). Les architectures U‐net puis ResNet étaient appliquées l’une après l’autre dans deux réseaux (12%). L’Unité Linéaire Rectifiée (ReLU) était la fonction d’activation la plus utilisée pour les couches intermédiaires (n = 10, 59%). Les auteurs avaient recours à l’optimisateur adaptative moment estimation (Adam) dans 12 cas (71%), tandis que dans deux cas (12%) était simplement mentionnée l’utilisation de l’algorithme du gradient stochastique, et dans trois cas (18%) il n’était pas mentionné. L’outil d’apprentissage automatique Tensorflow (Google Brain®, Mountain View, Californie, États‐Unis) était fréquemment utilisé (n = 9, 53%). Les auteurs avaient le plus souvent recours au langage de programmation Python (n = 11, 65%), généralement sous une version 3.5 ou ultérieure. L’unité de traitement graphique (graphic processus unit, GPU) la plus couramment utilisée était une GeForce GTX de génération minimum 1080 (Nvidia®, Santa Clara, Californie, États‐Unis) (n = 9, 53%) .

Le rapport de stage ou le pfe est un document d’analyse, de synthèse et d’évaluation de votre apprentissage, c’est pour cela rapport-gratuit.com propose le téléchargement des modèles complet de projet de fin d’étude, rapport de stage, mémoire, pfe, thèse, pour connaître la méthodologie à avoir et savoir comment construire les parties d’un projet de fin d’étude.

Table des matières

Introduction
Première partie : Applications actuelles des réseaux de neurones pour l’étude des lésions hépatiques en IRM : revue systématique de la littérature
Matériels et méthodes
Revue de la littérature
Critères d’inclusion et d’exclusion
Extraction de données
Objectifs primaire et secondaires de l’étude
Résultats
Recherche sur la base de données
Caractéristiques des études
Préparation des données d’entrée dans le réseau de neurones
Vérité terrain
Caractéristiques des réseaux de neurones
Résultats
Résultats appliqués à la détection et à la caractérisation des lésions en radiologie
Discussion
Optimisation du réseau de neurones
Exigence diagnostique et thérapeutique en imagerie médicale
Gain de temps
Détection des lésions
Limitation du recours aux produits de contraste
Limites de l’intégration des réseaux de neurones en pratique quotidienne
Applications pratiques et idées futures
Limites de l’étude
Deuxième partie : Applications actuelles des réseaux de neurones pour l’étude des lésions hépatiques en IRM : étude préliminaire dans notre centre
Matériels et méthodes
Recrutement des examens
Sélection des cas et établissement de la « vérité terrain »
Traitement des images
Comptes‐rendus radiologiques
Caractéristiques du réseau
Modèles
Résultats
Discussion
Performances du réseau
Perspectives
Limites de l’étude
Conclusion
Références

Rapport PFE, mémoire et thèse PDFTélécharger le rapport complet

Télécharger aussi :

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *