S'abonner

Génération de tomodensitométrie synthétique par apprentissage profond pour la radiothérapie du cancer de la prostate basée sur l’IRM seule - 25/09/19

Doi : 10.1016/j.canrad.2019.07.022 
K.N.D. Brou Boni 1, 2, 3, 4, , A. Wagner 4, L. Vanquin 4, J. Klein 1, 2, 3, N. Reynaert 4, 5, D. Pasquier 1, 2, 3, 6
1 Cristal, UMR 9189 CNRS, Lille 
2 Université de Lille, Lille 
3 École Centrale Lille, Lille 
4 Physique médicale, centre Oscar-Lambret, Lille, France 
5 Physique médicale, institut Jules-Bordet, Bruxelles, Belgique 
6 Département universitaire de radiothérapie, Lille, France 

Auteur correspondant.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
Article gratuit.

Connectez-vous pour en bénéficier!

Résumé

Introduction et but de l’étude

La planification d’une radiothérapie uniquement basée sur l’IRM dépend de notre capacité à générer une tomodensitométrie synthétique pour le calcul de la dose. Nous utilisons ici un réseau antagoniste génératif conditionné (cGAN), nommé pix2pixHD, qui permet la synthèse d’images de haute résolution.

Matériel et méthodes

Cette étude inclus des IRM pondérées en T2 ainsi que des images scanographiques de huit patients acquises en position de traitement. Les voxels de la scanographie et de l’IRM contenant de l’air ont été arbitrairement assignés à la même valeur. Le réseau antagoniste génératif conditionné proposé par Wang et al. a été utilisé. L’implémentation du code fourni par les auteurs a été adapté afin de pouvoir utiliser des images de 16-bit en niveau de gris et donc d’utiliser toutes les plages de valeurs de la scanographie ainsi que l’IRM. La cohérence des unités Hounsfield (HU) a été forcé en ajoutant à la fonction de coût du modèle une perte en norme 1. Une validation croisée de type leave-one-patient-out a été utilisée en entraînant le réseau avec sept patients pour générer le tomodensitométrie synthétique du patient restant. L’erreur absolue moyenne de chaque patient a été évaluée entre la scanographie de référence et les tomodensitométries synthétiques. À titre de comparaison, le vanilla cGAN introduit par Maspero et al. a été implémenté puis testé sur notre jeu de donnée.

Résultats et analyse statistique

La durée médiane de génération d’une tomodensitométrie synthétique a été de 7,5 s par patient (minimale : 6,8 s ; maximale : 8,6 s). L’erreur absolue moyenne en unités Hounsfield entre les tomodensitométries synthétiques et la scanographie de référence (sans le contour du patient) était de 35±5 HU avec notre méthode. En comparaison, le vanilla cGAN obtenait une erreur absolue moyenne de 60±13 HU. La quantification de l’impact dosimétrique de ces différences minimes d’unités Hounsfield est en cours.

Conclusion

Nos travaux démontrent qu’une tomodensitométrie synthétique peut être générée avec une unique séquence d’IRM, réduisant les étapes de prétraitement tout en étant rapide et précis. Les travaux futurs impliquent la combinaison d’un réseau antagoniste génératif conditionné avec un réseau neuronal récurrent pour atténuer les discontinuités entre les coupes.

Le texte complet de cet article est disponible en PDF.

Plan


© 2019  Publié par Elsevier Masson SAS.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 23 - N° 6-7

P. 797 - octobre 2019 Retour au numéro
Article précédent Article précédent
  • Étude de la radiosensibilisation in vitro et in vivo par la gemcitabine et un inhibiteur de la poly(ADP-ribose) polymérase après irradiation par photons et protons, dans les cancers du pancréas
  • W. Waissi, A. Nicol, M. Rousseau, G. Noël, H. Burckel
| Article suivant Article suivant
  • Prédiction de la récidive locale par l’analyse de texture dérivée de l’imagerie tomographique par émission de positon (TEP/TDM) des cancers pulmonaires non à petites cellules localisés traités par irradiation stéréotaxique
  • G. Dissaux, D. Visvikis, O. Pradier, É. Chajon, I. Barillot, L. Duverge, I. Masson, R. Abgral, M.-J. Santiago Ribeiro, A. Devillers, A. Pallardy, V. Fleury, M.-A. Mahé, R. de Crevoisier, M. Hatt, U. Schick

Bienvenue sur EM-consulte, la référence des professionnels de santé.

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.