Poster De Conférence Année : 2025

Apprentissage multi-séquences pour la segmentation des lésions de la sclérose en plaques dans l'IRM de la moelle épinière

Résumé

L'acquisition de plusieurs séquences d’IRM est recommandée pour visualiser les lésions de sclérose en plaques dans la moelle épinière. Cependant, les outils de segmentation automatique développés jusqu’à présent ne permettent pas d’analyser conjointement l’ensemble des séquences acquises pour un sujet donné, limitant la pertinence des analyses. Cette étude est la première à explorer une approche multi-séquence pour la détection de ces lésions. En particulier, nous proposons une méthode pour traiter les problèmes inhérents aux données multi-séquences de la moelle épinière, tels que les champs de vue différents, le décalage inter-acquisitions et l’absence de certaines séquences lors de l'entraînement et l'inférence. En particulier, pour gérer les séquences manquantes, nous examinons une méthode simple consistant à remplacer les features manquantes par la moyenne des features associées aux séquences disponibles. Fig. 1 donne un exemple d’une segmentation. Cette approche permet d'obtenir de meilleurs résultats de segmentation même dans le cas où une seule séquence est disponible à l’inférence, par rapport à un modèle entraîné directement sur cette séquence (cf. Table 1). Des expériences et analyses nous permettent de mieux comprendre ce résultat surprenant. En particulier, nous avons observé que l'encodeur et le décodeur bénéficient tous les deux de la variabilité introduite par le cadre multi-séquence. De plus, en proposant un schéma d'augmentation des features latentes pour reproduire cette variabilité dans le contexte mono-séquence, nous avons observé des améliorations par rapport à un apprentissage classique. Nous avons présenté ce travail à MICCAI en octobre 2024 (https://papers.miccai.org/miccai-2024/paper/3549_paper.pdf).
Fichier principal
Vignette du fichier
IABM_2025_supplementary_file-5.pdf (204.93 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)
licence

Dates et versions

hal-04903628 , version 1 (21-01-2025)

Licence

Identifiants

  • HAL Id : hal-04903628 , version 1

Citer

Ricky Walsh, Malo Gaubert, Cédric Meurée, Burhan Rashid, Anne Kerbrat, et al.. Apprentissage multi-séquences pour la segmentation des lésions de la sclérose en plaques dans l'IRM de la moelle épinière. Colloque Français d'Intelligence Artificielle en Imagerie Biomédicale (IABM) 2025, Mar 2025, Nice, France. ⟨hal-04903628⟩
0 Consultations
0 Téléchargements

Partager

More