Nouvelle méthode proposée sur l’IRM multiparamétrique pour le diagnostic du cancer rectal

Nouvelle méthode proposée sur l'IRM multiparamétrique pour le diagnostic du cancer rectal

Nouvelle méthode proposée sur l'IRM multiparamétrique pour le diagnostic du cancer rectal

Figure 1. (a) La distribution des petits diamètres de LN résulte dans l’ensemble de données d’apprentissage; (b) La distribution des petits diamètres de LN résulte dans les ensembles de données d’essai; Les courbes de sensibilité du modèle auto-LNDS pour les LN avec différents diamètres courts dans les jeux de données de test internes et externes. Crédits: SIBET

L’imagerie par résonance magnétique multiparamétrique (IRMp) a été acceptée comme l’alternative préférée pour le diagnostic du cancer rectal. La mise en scène N est nécessaire pour tous les rapports de RM, pour lesquels une détection et une segmentation précises des ganglions lymphatiques (LN) sont les conditions préalables.

Cependant, le goulot d’étranglement des méthodes de diagnostic actuelles est la faible efficacité de l’identification de la LN dans le contexte de plusieurs organes et de multiples intervalles. De plus, lorsque le nombre de coupes est supérieur à 20, il faudra 3 à 10 minutes aux radiologues expérimentés pour terminer la détection de LN d’un patient et les résultats seront affectés par l’expérience subjective du détecteur, l’environnement et peuvent contribuer à un diagnostic erroné.

Une méthode de reconnaissance intelligente a été développée et d’abord appliquée pour réaliser la détection et la segmentation automatiques de LN (auto-LNDS) des patients RC avant la chirurgie. Ce développement a été réalisé par l’équipe de recherche de GAO Xin de l’Institut de génie biomédical et de technologie de Suzhou de l’Académie chinoise des sciences (SIBET, CAS), en collaboration avec MENG Xiaochun du sixième hôpital affilié de l’université Sun Yat Sen et trois autres hôpitaux 3A répartis dans différentes régions de Chine.

Trois cent soixante-treize patients RC ont été inscrits dans cette étude. Les annotations de trois experts principaux ont été utilisées comme vérités fondamentales pour la formation de modèles. Les images pondérées T2 pondérées (T2WI) et les images pondérées par diffusion (DWI) ont fourni une entrée pour le cadre d’apprentissage en profondeur de Mask R-CNN grâce à l’apprentissage par transfert pour générer le modèle auto-LNDS.

Nouvelle méthode proposée sur l'IRM multiparamétrique pour le diagnostic du cancer rectal

Figure 2. Détection des ganglions lymphatiques. a: le T2WI d’origine. b: le DWI d’origine. c: l’image de fusion. d: la vérité fondamentale des ganglions lymphatiques annotés avec des boîtes jaunes sur l’image de fusion. e: les résultats détectés des auto-LNDS affichés sur les images de fusion. Les cases blanches représentaient les vrais positifs, les cases cyan représentaient les faux positifs et les cases oranges représentaient les faux négatifs. Les navires étaient remplis de rouge. Le cas de la quatrième rangée montre deux LN manqués par le modèle auto-LNDS. Dans le cas de la cinquième rangée, deux boîtes cyan de couleur rouge à l’intérieur sont de petits vaisseaux diagnostiqués à tort comme LN par le modèle auto-LNDS (flèche cyan), et l’autre boîte cyan est une paroi intestinale diagnostiquée à tort comme LN. Crédits: SIBET

Les résultats montrent que le modèle a une excellente performance dans la détection de LN à différentes échelles par rapport à d’autres algorithmes rapportés (Fig. 1). La taille des LN détectés est plus petite (le petit diamètre est aussi petit que 3 mm) et la précision est plus élevée, ce qui est meilleur que les algorithmes rapportés et les radiologues débutants (tableau 1).

De plus, il ne faut que 1,37 seconde pour détecter et segmenter tous les LN d’un patient, ce qui est 131 fois plus rapide que la vitesse de détection du médecin.

Ce modèle pourrait aider à minimiser les différences de détection de LN entre les radiologues, augmenter l’efficacité du flux de travail clinique et pourrait également aider les médecins à déterminer le stade nodal. En outre, cette méthode peut être étendue à l’évaluation préopératoire de la stadification N des tumeurs dans diverses parties du corps sur la base d’images multimodales (TEP, TDM, IRM, etc.), qui a une signification clinique élevée et joue un rôle d’illumination important pour identification automatique des LN dans la poitrine, l’abdomen et même tout le corps.

La recherche a été financée par la Fondation nationale des sciences naturelles de Chine. Les résultats correspondants ont été publiés sous la forme d’un article de couverture intitulé « Détection et segmentation entièrement automatisées basées sur l’apprentissage profond des ganglions lymphatiques sur l’IRM multiparamétrique pour le cancer du rectum: une étude multicentrique » dans EBioMedicine.


L’intelligence artificielle peut accélérer la détection des AVC


Plus d’information:
Xingyu Zhao et al. Détection entièrement automatisée et segmentation des ganglions lymphatiques sur l’IRM multiparamétrique pour le cancer du rectum: une étude multicentrique, EBioMedicine (2020). DOI: 10.1016 / j.ebiom.2020.102780

Fourni par l’Académie chinoise des sciences

Citation: Nouvelle méthode proposée sur l’IRM multiparamétrique pour le diagnostic du cancer du rectum (2020, 3 juillet) récupérée le 3 juillet 2020 sur https://medicalxpress.com/news/2020-07-method-multiparametric-mri-rectal-cancer-diagnosis.html

Ce document est soumis au droit d’auteur. Hormis toute utilisation équitable à des fins d’étude ou de recherche privées, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.