Détails de la réservation
- Le : 21 October 2021
- De : 15 h 00
- à : 20 h 00
- Salle : Salle de conférence
Détails de l'évènement
Charlotte Lacheret
"Performances diagnostiques d’un algorithme de débruitage en Deep Learning dans l’évaluation de la charge lésionnelle des patients atteints de Sclérose en plaques"
Résumé :
La reconstruction par apprentissage profond aide à quantifier la charge des lésions de la sclérose en plaques sur l'imagerie FLAIR rapide.
Objectif :
Tester si la combinaison de l'imagerie 3D-FLAIR accélérée et du débruitage par reconstruction basée sur l'apprentissage profond (dDLR) peut être une stratégie pertinente en condition clinique.
Méthodes :
28 patients atteints de SEP ont été évalués de manière prospective sur une IRM 3T en utilisant quatre versions de la séquence 3D-FLAIR avec des temps d’acquisitions décroissants (4:54, 2:35, 1:40 et 1:15 minutes). Chaque FLAIR a été reconstruit sans et avec dDLR, ce qui a donné 8 FLAIR par patient. Deux neuroradiologues expérimentés ont créé en collaboration un gold standard de la charge lésionnelle sur l’acquisition la plus longue. Ensuite, un neuroradiologue a évalué en aveugle la qualité de l'image (échelle de 5 points de +2 à -2) et a délimité la charge lésionnelle sur chaque FLAIR. Une segmentation automatique des lésions a également été réalisée à l'aide du logiciel lesionBrain. Les mesures suivantes ont été évaluées et comparées pour les segmentations manuelle et automatique en utilisant une ANOVA à 2 facteurs ou sa forme non paramétrique : Coefficient de similarité de Dice (DSC), valeur prédictive positive (PPV), taux de vrais positifs (TPR), différence de volume absolue (AVD), 95ème percentile de la distance de Hausdorff (HD), score F1 basé sur le nombre de lésions (F1), rapport signal-bruit (SNR) et rapport contraste-bruit (CNR).
Résultats
Les évaluations de la qualité de l'image et les différentes mesures ont montré une détérioration lorsque le FLAIR était accéléré. Cependant, le dDLR a amélioré de manière significative la qualité subjective de l'image et les mesures de performance quantitative, en particulier pour la segmentation manuelle. Le dDLR a permis de récupérer des contours plus proches de ceux du gold standard et de détecter des lésions supplémentaires. Différentes mesures étaient équivalentes entre le FLAIR de 2min35 avec dDLR et le FLAIR standard de 4min54. Ceci a été attribué à un SNR et un CNR significativement plus élevés avec le dDLR.
Responsable
- Nom : LACHERET CHARLOTTE