Analyser l’information issue de trois méthodes d’acquisition d’images pour des tissus situés entre deux prothèses métalliques.

Six patients possédant des prothèses de hanche bilatérales ont été sélectionnés pour cette étude. Pour chaque patient, trois séries d’images ont été comparées. Les deux premières ont été réalisées sur un scanographe GE Optima CT580, l’une en utilisant l’algorithme de réduction des artéfacts métalliques (MAR), l’autre sans. La troisième série a été réalisée par tomographie conique lors de la première séance de traitement (CBCT). Pour chaque série, une même région d’intérêt rectangulaire a été tracée sur une coupe frontale, dans les tissus mous situés entre les deux prothèses. Le nombre Hounsfield moyen (HUm) et l’écart-type (σ), correspondant au bruit dans l’image, ont été relevés. Selon la même méthodologie, les images de 12 patients sans prothèses ont été étudiées afin d’avoir une référence du nombre Hounsfield moyen (HUref) dans cette région anatomique et de la comparer aux valeurs obtenues pour les séries d’images des patients avec prothèses.

Pour la cohorte de patients sans prothèse, la référence du nombre Hounsfield moyen était de 11,2±43,5 HU. Pour la cohorte avec prothèses bilatérales, l’algorithme de réduction des artéfacts métalliques donnait la valeur de nombre Hounsfield moyen la plus proche de la référence du nombre Hounsfield moyen (HUm (MAR) = –37,1 HU ; HUm (CBCT) = –262,6 HU ; HUm (no MAR) = –409,5 HU). Il permettait également de réduire le bruit par comparaison aux images sans reconstruction avec l’algorithme de réduction des artéfacts métalliques et à la tomographie conique (σ (MAR) = 104,9 HU ; σ (CBCT) =153,2 HU ; σ (no MAR) = 211 HU)

La qualité de reconstruction des tissus entre deux prothèses métalliques est améliorée avec l’algorithme de réduction des artéfacts métalliques en réduisant les artéfacts, le bruit et en augmentant la précision des nombre de Hounsfield.