Segmentation du foie par réseau de neurones convolutionnel

Abstract

De nos jours, le domaine de traitement d’image connait un grand intérêt pour l’aide au diagnostic mais également pour garantir un geste thérapeutique de grande précision. La chirurgie du foie est particulièrement complexe car il faut tenir compte de sa vascularisation de deux points de vue : drainage et irrigation, comme ce fut indiqué par le modèle simplifié de Couinaud. La greffe hépatique est un cas particulier qui exige une reconstruction préalable du foie en 3D. L’objectif du projet est de détecter les vaisseaux sanguins du foie à travers toutes les coupes de son angio-scan, pour reconstruire ce dernier en 3D et permettre la supervision de l’exérèse du greffon et garantir la vitalité du reste du foie du donneur. Pour atteindre cet objectif et dans le cadre de ce mémoire nous avons commencé par étudier les méthodes de segmentation automatique basées sur l’apprentissage profond (Deep Learning) et ceci pour segmenter le foie. Nous avons finalement choisi un réseau convolutionnel qui combine SegNet avec VGG-16. Nous avons construit une base de données (images sources et étiquettes) à partir d’angio-scan centrées autour du foie. L’entrainement (sur 90% des images de la base) s’est arrêté lorsque la précision a atteint 90%. Les résultats sont obtenus à la phase de test qui permet d’afficher des images segmentées grâce à l’étape de déconvolution et sur-échantillonnage. Ces résultats ne sont pas d’une grande précision, mais ils peuvent être affinés lors de travaux futurs.