Extraction automatique de biomarqueurs sur examens tomodensitométriques standards

Automated biomarkers extraction on conventional computed tomagraphy scanners

• Auteur / Autrice : Pierre-Jean Lartaud
• Direction : Loïc Boussel, Olivier Nempont
• Type : Thèse de doctorat
• Discipline(s) : Ingénierie biomédicale, biotechnologie
• Date : Soutenance le 30/09/2022
• Etablissement(s) : Lyon 1
• Ecole(s) doctorale(s) : École doctorale Interdisciplinaire Sciences-Santé (Villeurbanne ; 1995-....)
• Partenaire(s) de recherche : Laboratoire : CREATIS - Centre de Recherche et d'Application en Traitement de l'Image pour la Santé (Lyon ; 2007-....)
• Jury : Président / Présidente : Michel Dojat
• Jury : Examinateurs / Examinatrices : Su Ruan, Laure Fournier-Dujardin, Hervé Liebgott
• Jury : Rapporteur / Rapporteuse : Michel Dojat, Su Ruan

Mots clés

Mots clés contrôlés

Maladies cardiovasculaires

Imagerie médicale -- Qualité de l'image

Imagerie médicale -- Appareils et matériel

Examens médicaux

Traitement du signal -- Techniques numériques -- Appareils et matériel

Mots clés libres

Biomarqueurs d'imagerie

Segmentation

Cardiovasculaire

Calcifications

Tavi

Tdm

TDM spectrale

Imaging biomarkers

Segmentation

Cardiovascular

Calcifications

Tavi

Computed tomography

Spectral CT

Résumé

L'extraction de biomarqueurs d'imagerie quantitatifs est centrale à la méthodologie de la médecine de précision. Ils sont quotidiennement utilisés pour le diagnostic, le pronostic et le suivi des pathologies. À cet égard, le scanner est une modalité de choix, étant la modalité de référence pour de nombreuses pathologies thoraciques, et produisant de grandes quantités de données volumétriques hautement reproductibles et cohérentes. En imagerie TDM, différents protocoles sont utilisés en fonction de l'indication de l'examen. Les biomarqueurs sont conçus pour être extraits sur des protocoles d'imagerie spécifiques afin de favoriser leur reproductibilité, et sont donc dépendants de l'indication de l'examen. La mise en place d'une extraction automatisée et systématique de ces biomarqueurs indépendamment de l'indication serait d'une grande aide dans la pratique clinique, permettant la découverte fortuite de pathologies et gagnant ainsi un temps précieux en termes de gestion de la maladie pour le patient. Cependant, les défis liés à la variabilité des protocoles (dose, noyaux de reconstruction, résolution, synchronisation...) sont considérables. Parmi eux, les différents protocoles d'injection de produit de contraste induisent d'énormes disparités de contraste le long de la circulation. La segmentation de la ROI est pour la plupart des biomarqueurs une étape critique, vulnérable aux changements de protocoles. Pour surmonter la variabilité induite par le protocole d'injection du produit radio-opaque, nous avons proposé des méthodes basées sur des données de TDM spectrale pour entraîner des réseaux robustes à ces variations de contraste. Lorsque des données d'entraînement spectrales sont disponibles, des images spécifiques telles que des images virtuelles monoénergétiques et virtuelles sans contraste sont utilisées pour imiter les différentes concentrations d'agent de contraste dans la circulation. Comme ces données sont rarement disponibles, nous avons développé un processus d'augmentation alternatif utilisant un réseau de conversion d'images TDM conventionnelles à spectrales. Appliquées à la segmentation cardiaque multi-classes, ces méthodes permettent des améliorations significatives de la segmentation sur des images TDM peu ou pas contrastées. En utilisant la segmentation cardiovasculaire, une fonction de coût masquée a ensuite été créée pour un réseau de segmentation du calcium aortique, qui montre des performances aussi robustes sur des scans contrastés que non contrastés. Comme étude de validation sur des protocoles de TDM non standards par rapport à la référence, les volumes ventriculaires ont été calculés sur des scanners sans synchronisation ECG et comparés aux volumes extraits à l'aide d’annotations manuelles sur des images IRM T2 Ciné. Une sensibilité et une spécificité élevées ont été trouvées pour la détection des dilatations des ventricules gauche et droit. Enfin, nous avons illustré l'intérêt de l'extraction automatique de biomarqueurs pour l'évaluation du risque cardiovasculaire. Nous avons mené une étude sur 808 patients ayant bénéficié d’un scanner avant une implantation de valve aortique par voie percutanée (TAVI). Les biomarqueurs ont été extraits des images et utilisés avec d'autres données cliniques pour créer un score de risque de mortalité toutes-causes à un an. Ce score montre de meilleures performances que les scores présentés dans la littérature ou utilisés en pratique clinique.

Quantitative imaging biomarkers extraction is a key component of the growing field of precision medicine. They are daily used for diagnostic, prognostic and follow up of pathologies. In this regard, CT scan is a modality of choice, being the gold standard modality for many thoracic pathologies, and producing large quantities of highly reproductible and coherent volumetric data. In CT imaging, various protocols are used according to the examination’s indication. Biomarkers are designed to be extracted on specific imaging protocols to favor their reproducibility, and therefore are dependent to the examination’s indication. Implementing an automated and systematic extraction of these biomarkers regardless of indication would be of great help in clinical practice, allowing for fortuitous discovery of pathologies and saving therefore a precious time in terms of disease management for the patient. However, the challenges related to the variability of protocols (dose, reconstruction kernels, resolution, synchronization…) are considerable. Among them, the various contrast medium injection protocols induce huge disparities of contrast along the circulation. The ROI segmentation is for most biomarkers a critical step, vulnerable to protocol changes. To overcome the variability induced by the radiopaque medium injection protocol, we proposed methods based on spectral CT data to train networks robust to these contrast variation. When spectral training dataset are available, specific images such monoenergetic and virtual non contrast images are used to mimic different contrast agent concentration in the circulation. Since spectral data are scarce, we developed an alternative augmentation process using a trained conventional-to-spectral CT images translation network. Applied to multi-labels heart segmentation, these methods allow for significant segmentation’s improvements on low- to non-contrasted CT scans. Using the cardiovascular segmentation, a masked loss was then created for an aortic calcium segmentation network, which shows equivalently robust performances on contrasted and non-contrasted scans. As a validation study on non-standard CT protocols against gold standard, the ventricular volumes were computed on non-ECG-gated scans and compared to volumes extracted using manually annotated MRI T2 Cine scans. High sensitivity and specificity were found for the detection of left and right ventricles dilatation. Finally, we illustrated the interest of automatic biomarkers extraction for cardiovascular risk assessment. We conducted a study on 808 patients who underwent a CT scan before a transcatheter aortic valve implantation (TAVI). The biomarkers were extracted out of the images, and used along other clinical data to create a risk score for all cause one year mortality. This score shows better performances than scores presented in the literature or used in clinical practice.