Introduction:
Dans le contexte du traitement du cancer du sein métastatique, l’imagerie TEP/TDM constitue un outil diagnostic important. Cependant, la segmentation manuelle ou semi-automatique des métastases, étape préliminaire a une caractérisation plus précise de ces lésions, reste tres chronophage. Dans un premier pas vers l’automatisation de cette étape, nous proposons une détection automatique des métastases hépatiques basée sur une combinaison d’apprentissage machine classique et d’apprentissage profond.
Matériel et Méthodes:
18 patients traités pour un cancer du sein métastatique ont passé une TEP/TDM. Les lésions métastatiques ont été manuellement déélinées par un médecin nucléaire. Parmi les 1200 lésions contourées, 67 étaient localisées dans le foie.
Notre approche consiste dans un premier temps a segmenter le foie sur les images TDM pour délimiter la zone de recherche des lésions hépatiques. Nous avons entrainé un algorithme d’apprentissage profond basé sur le U-Net en utilisant une base de données TDM publique (LiTS, 130 patients) sur laquelle le foie et les lésions hépatiques ont été contourées. Apres recalage rigide TEP/TDM, les masques binaires du foie issus de la premiere étape ont été rééchantillonnés dans le domaine des images TEP. Enfin, les lésions ont été extraites des images TEP par l’utilisation d’un classifieur SVM prenant en compte les seuls pixels appartenant au foie dont le SUV est supérieur a 2,5 et les labels correspondant (lésion ou non lésion).
Une validation croisée a été utilisée pour tenir compte du faible nombre de patients.
Résultats:
Un Dice score de 0,95 a été obtenu pour la segmentation du foie sur les images TDM.
Les segmentations des lésions sur la TEP ont obtenu une sensibilité de 0,47, une valeur prédictive positive (vpp) de 0,80 et une spécificité de 0,99. Les résultats de la vpp et de la spécificité démontrent la capacité du modele a correctement détecter les lésions malignes présentes, tandis que la sensibilité relativement faible traduit une légere sous-estimation de l’étendue des lésions.
Conclusion:
Cette étude préliminaire a permis de mettre en avant une méthode automatique pour détecter les lésions dans les images TEP en combinant l’information provenant de la TDM et de la TEP.
A terme, cette brique pourra s’intégrer dans les développements permettant d’automatiser la segmentation de toutes les lésions métastatiques dans le cadre du cancer du sein.
