Recherche et développement : Interprétation assistée par intelligence artificielle des pathologies rachidiennes. - Université Paris-Est-Créteil-Val-de-Marne Access content directly
Theses Year : 2022

Research and development: Artificial intelligence, spinal pathologies assisted interpretation.

Recherche et développement : Interprétation assistée par intelligence artificielle des pathologies rachidiennes.

Abstract

Objective: To realize a tool for automatic segmentation and detection of lumbar disc degenerative disease and fractures in MRI images using convolutional neural networks. Material and methods: We developed a Picture Archiving and Communication System (PACS) with a DICOM viewer (Digital Imaging and Communications in Medicine) to extract training data and implement 2 CNN networks dedicated to the segmentation task on the one hand and the analysis of simple lumbar pathologies on the other hand. Two hundred forty four MRI scans T2 weighted sagittal were selected at the university hospital Pasteur 2 of Nice - France. After accomplishing segmentation and classification task for all structures of interest, we trained two neural networks (U-Net++ and Yolov5x) to segment and detect discs and vertebras. Results: Neural networks allowed semantic segmentations with a good accuracy of the order of 0.96 and 0.93 DICE index for intervertebral discs and vertebral bodies respectively. They performed less well in the detection of common pathologies (degenerative disc disease, disc herniation, vertebral fractures) with an area under the precision-recall curve of 0.88 for fractures and 0.76 for degenerative disc disease. Conclusion: Our work showed a good efficiency for the segmentation of vertebral bodies and intervertebral discs, and progress remain to be made in the detection of degenerative discopathy and vertebral fractures. On this last point, we believe that the lower performance can be attributed to a lack of training images and better performances will be achieved with the increasing of the training data set on our home made PACS. We will also provide other regions of interest and conditions.
Objectif : Réaliser un outil de segmentation et d'identification automatique des discopathies et fractures lombaires sur des images IRM à l'aide de réseaux CNN. Matériel et méthodes: Nous avons développé un prototype de PACS avec visionneuse DICOM destiné à extraire des données d'apprentissage et 2 réseaux CNN dédiés à la segmentation d'une part et l'analyse des pathologies lombaires simples d'autre part. 204 IRM ont été sélectionnées au centre hospitalier universitaire Pasteur 2 NICE. Après segmentation et classification de l'ensemble des structures d'intérêt, nous avons entraîné deux réseaux de neurones (U-Net++ and Yolov5x) pour segmenter and détecter les disques et vertèbres. Résultats: Les réseaux de neurones ont permis des segmentations sémantiques avec une bonne précision de l'ordre de 0.96 et 0.93 d'indice DICE respectivement pour les disques intervertébraux et les corps vertébraux. Ils ont été moins performants dans la détection des pathologies courantes (discopathies dégénératives, hernies discales, fractures vertébrales) avec une aire sous la courbe sensibilité-spécificité de 0.85 pour les fractures et 0.76 pour les discopathies dégénératives. Conclusion: Notre travail a montré une bonne efficacité pour la segmentation des corps vertébraux et des disques intervertébraux, et que des progrès restaient à faire dans la détection des discopathies discales et des fractures vertébrales. Sur ce dernier point nous pensons que les moindres performances peuvent être attribuées à un manque d'images d'entraînement. Mots clés: intelligence artificielle, IA, apprentissage profond, imagerie par résonance magnétique, IRM , pathologies du rachis.
No file

Dates and versions

tel-04335224 , version 1 (11-12-2023)

Identifiers

  • HAL Id : tel-04335224 , version 1

Cite

Sylvain Guinebert. Recherche et développement : Interprétation assistée par intelligence artificielle des pathologies rachidiennes.. Informatique [cs]. Université Paris-Est Créteil, 2022. Français. ⟨NNT : ⟩. ⟨tel-04335224⟩

Collections

LISSI UPEC
9 View
0 Download

Share

Gmail Facebook X LinkedIn More