La détection des anévrismes intracrâniens non rompus en IRM 3D-TOF représente une véritable difficulté en pratique clinique. Bien que l'utilisation récente des réseaux de neurones convolutifs (CNN) dans ce domaine ait apporté des résultats prometteurs, une des problématiques fondamentales reste celle du déséquilibre majeur des classes (rareté des anévrismes en termes de voxel par rapport au reste du volume). Jusqu’à présent, les méthodologies décrites dans la littérature se sont concentrées sur les architectures des réseaux. Ce travail aborde la préparation des données en amont.

Les images 3D-TOF d'anévrismes non traités, réalisées sur l'IRM 3T de notre établissement, ont été recueillies rétrospectivement sur un an. D'abord, une annotation approximative mais rapide a été réalisée : chaque anévrisme a été approximé par une sphère définie par 2 points, un sur le collet et l'autre sur le fond du sac anévrismal. Puis, chaque IRM a été découpée en un ensemble de sous-volumes (patches), afin d'augmenter le nombre d’échantillons. Enfin, les échantillons ont été générés par une combinaison de sélection de données (moitié des patches sans anévrismes centrés sur les artères, et l'autre moitié centrés sur du parenchyme cérébral) et de synthèse de données (application de déformations et duplications sur les patches contenant un anévrisme). Cette stratégie a été appliquée pour entrainer un modèle 3D U-net conventionnel.

Un total de 111 patients (155 anévrismes, taille moyenne 3.8mm ±2.3mm, min 1.2mm, max 19.6mm) ont été inclus dans la base de données. Une validation croisée à 5 blocs a permis d'obtenir une sensibilité de détection de 0.72 avec 0.14 FP/cas (AUC=85.2%), soit des performances compétitives par rapport aux méthodes de références actuelles selon le challenge ADAM.

La méthode d’échantillonnage de données proposée, utilisée avec un CNN conventionnel, représente une stratégie efficace pour la détection des anévrismes cérébraux en IRM 3D-TOF (figures 1-2) (références 1 à 4)