Segmentation automatique d’images 3D de prostate par réseau de neurones
L'objectif est de produire automatiquement des contours de la prostate à partir d'images échographiques 3D. Le volume 3D est représenté comme un empilement de tranches 2D. L'approche repose sur une combinaison de réseaux convolutifs : 3 réseaux se spécialisent dans la segmentation de tranches 2D dans une direction donnée (axiale, sagittale, frontale) tandis que le 4ème réseau développe une stratégie d'apprentissage d'ensemble ; pour chaque voxel du volume, il détermine la combinaison pondérée optimale des trois segmentations par les réseaux directionnels. Le raisonnement est que certaines régions de l'organe sont plus visibles sur une direction de visualisation spécifique (par exemple, l'apex de la prostate est plus visible sur des coupes sagittales). La méthode a été entraînée et évaluée sur une base de données cliniques du CHU de Grenoble (en accord avec la réglementation française sur les données cliniques).
Publication: Clément Beitone and Jocelyne Troccaz. Multi-expert fusion: An ensemble learning framework to segment 3D TRUS prostate images. Medical Physics, 2022:49(8):5138-48. https://hal.archives-ouvertes.fr/hal-03654488 .
Financement: Région “Rhône-Alpes Auvergne” projet PRONAVIA, PSPC DIANA soutenu par BPI France et chaire « cami assistant » de l’institut d’IA MIAI
Collaborations: Partenaires cliniques “historiques” en urologie et société KOELIS
Status: En cours En collaboration avec Clément BEITONE, TIMC
Contact : jocelyne.troccaz@univ-grenoble-alpes.fr et clement.beitone@univ-grenoble-alpes.fr