Contrôle qualité des acquisitions en IRM

Contexte

Ce projet s’inscrit dans le cadre plus global du développement d’un outil de contrôle qualité des images IRM et scanner.
Cette première partie de l’outil consiste à faire une vérification post-acquisition de la couverture du FOV. Il se décompose en deux étapes, d’une part pour la couverture des acquisitions corps entier, et d’autre part pour l’examen du foie.

Réalisation

Équipe adalab

L’équipe est constituée d’une ingénieure spécialisée dans l’analyse de données de santé.

Étape 1 : Analyse de la couverture anatomique tête/mi-cuisse

L’objectif était de vérifier que la zone anatomique couverte par le FOV s’étendait bien de la base de la tête au bas du pelvis. Pour cela, un algorithme a été entraîné pour identifier la partie anatomique correspondant à chaque coupe de l’IRM.

Voici les étapes que nous avons suivies pour la réalisation de cette étape :

• Développement d’un outil d’annotation des coupes
• Annotation des données sur deux types de séquence IRM
• Implémentation d’un modèle d’apprentissage en deep learning
• Hyperparamétrisation et comparaison de deux modèles de classification (ResNet50 et Unet2D)
• Implémentation d’un algorithme décisionnel sur la qualité de couverture à partir de l’identification des coupes.

Étape 2 : Contrôle qualité de l’acquisition IRM foie

L’objectif était de vérifier que la zone anatomique couverte par le FOV incluait bien l’intégralité du foie. Pour cela, un algorithme open-source (et libre de droit) de segmentation du foie a été utilisé.

Voici les étapes que nous avons suivies pour la réalisation de cette étape :

• Test et choix de modèles pré-entrainés
• Adaptation du modèle aux format de données DICOM
• Implémentation du pipeline complet de vérification du FOV avec un algorithme décisionnel
• Validation sur la base de données fournie pour le projet

Durée : 21 jours

Expertises engagées : Imagerie médicale, IRM, Format DICOM, Data analyse, Modélisation