Reconstruction 3D du foie pour une planification chirurgicale personnalisée.

Abstract

Les avancées récentes en intelligence artificielle et en traitement d’image médicale ont considérablement amélioré la planification chirurgicale, notamment en chirurgie hépatique. La reconstruction 3D du foie à partir d’images tomodensitométriques représente un enjeu majeur pour la visualisation anatomique préopératoire. Nous proposons une méthode automatisée de reconstruction tridimensionnelle du foie en combinant la segmentation par réseau de neurones convolutifs U-Net pour le parenchyme hépatique, un seuillage fondé sur les valeurs de Hounsfield pour les structures vasculaires, et l’algorithme Marching Cubes pour la reconstruction 3D à partir des isovaleurs extraites. L'entraînement a été effectué sur les bases Task03_Liver et 3Dircadb01, avec une optimisation des hyperparamètres (taux d’apprentissage, nombre d’époques, taille de batchs, régularisation). Les performances ont été évaluées sur la base Task08_HepaticVessel. Le modèle a obtenu des résultats de segmentation très satisfaisants, supérieurs à ceux rapportés dans la littérature, selon les métriques classiques (Dice, précision, rappel). La visualisation 3D en rendu transparent du foie et de son arbre vasculaire, intégrant le modèle d’illumination de Phong, améliore considérablement l’interprétation clinique. Cette méthode offre une solution robuste pour la planification chirurgicale assistée par l’IA. Des perspectives d'amélioration incluent l'intégration d'une segmentation hépatique selon les segments de Couinaud pour une planification plus fine.