Conception d'une application informatique pour la segmentation 3D des images IRM cérébrales

Abstract

La segmentation des images IRM cérébrales constitue une étape cruciale pour l’identification précise des structures anatomiques et des anomalies, notamment les tumeurs, facilitant ainsi le diagnostic, le suivi et la planification thérapeutique. Cependant, la segmentation manuelle est une tâche fastidieuse, chronophage et sujette à des variations inter-opérateurs, ce qui limite son efficacité en pratique clinique. Ce projet vise donc à automatiser ce processus en développant une application d’analyse d’IRM cérébrales 3D intégrant une segmentation multi-séquence (FLAIR, T1, T1CE et T2) pour détecter les différentes régions tumorales : tissu sain, zone nécrotique/non-rehaussante, oedème, et région rehaussante. L’application propose une interface intuitive permettant l’importation d’images au format NIfTI, leur visualisation selon les trois plans anatomiques (axial, sagittal et coronal), la personnalisation des couleurs d’affichage, ainsi qu’une navigation fluide entre les coupes. Pour la segmentation automatique, nous avons utilisé des réseaux de neurones convolutifs (CNN), appelé U-Net 3D ce qui a permis de générer des visualisations multi-planaires précises. Ensuite une reconstruction 3D complète des tumeurs dans leur contexte cérébral est introduite en utilisant la méthode marching cube. Le modèle U-Net 3D a donné une exactitude de 99.4% en utilisant la base de données publique Brats2020.