Use case : projet de Reconstruction d’images 3D grâce à l’IA pour la tomographie à rayons X

Thales est reconnue pour ses compétences dans les domaines de l’aérospatial, la défense, le digital, le médical et la sécurité. En effet, l’entreprise possède une grande expertise, de plus de 60 ans, dans le secteur de l’imagerie médicale et a accompagné toutes les grandes transitions technologiques dans ce domaine.

C’est sur le site de Moirans, en collaboration avec Trixell (Joint-Venture entre Thales (51%), Philips Healthcare et Siemens Healthineers (49% respectivement)), que sont conçus les détecteurs numériques plats. Ces solutions de détection à rayons X, sont accompagnées d’un logiciel de traitement d’image et de services digitaux à forte valeur ajoutée, développés par Thales, et constituent le cœur des systèmes de radiologie. Thales est d’ailleurs, depuis des décennies, présent dans près de 50% des examens radiologiques dans le monde !

Pour mettre à disposition des chirurgiens, équipés de systèmes mobiles de radiologie, de l’imagerie 3D habituellement réalisée avec des systèmes plus imposants, Thales a décidé de faire appel à l‘expertise Kaizen, via le KZS Lab. Retour sur ce beau projet.

L’imagerie 3D mobile pour assister le personnel médical sur le terrain

Système à Rayons X de type C-Arm

Le projet KaizenLAB, en collaboration avec Thales, a été lancé début 2019. Celui-ci s’articule autour d’un concept, en cours de développement, de reconstruction d’images 3D à partir d’images 2D générées par un système mobile chirurgical à rayons X de type C-Arm. Le système C-Arm tire son nom de sa forme en « C » comme on peut le voir dans la figure à droite. Ce type de scanner est dit « mobile » et permettrait d’obtenir des images 3D de l’anatomie d’un patient afin d’assister les médecins et chirurgiens en leur permettant d’avoir plus de précisions dans leurs manipulations lors d’opérations chirurgicales.

Le principe utilisé dans ce type de système d’imagerie est la tomographie. La tomographie est une technique, très utilisée en imagerie médicale, qui permet de reconstruire le volume 3D d’un objet à partir d’une série de mesures 2D effectuées par tranches depuis l’extérieur de cet objet. L’aboutissement de ce projet serait l’acquisition d’images 3D d’une très grande précision provenant de mobiles chirurgicaux C-Arm.

Des déformations mécaniques inéluctables

La problématique est que le C-Arm n’est pas un système fixe comme la plupart des scanners à rayons X des hôpitaux. Il peut donc subir des déformations mécaniques liées à son transport, au terrain sur lequel il est utilisé ou simplement à sa conception. De plus, la prise d’images à l’aide de ce mobile génère des vibrations et des écarts de calibrations entre chaque image 2D. Ces déformations vont créer des imprécisions au niveau des images en sortie qu’il faut alors corriger avant de pouvoir générer une image 3D de haute qualité.

Ce projet a donc pour objectif de résoudre ces imprécisions. Il va se dérouler en deux phases distinctes. Tout d’abord, le scanner doit être calibré à l’aide d’une mire de calibration qui lui permettra de prendre en compte les déformations lors de la reconstruction de l’image en 3D. Ces calculs restent valables lorsque l’acquisition est répétable, i.e. le scanner suit exactement la même trajectoire lors de la calibration et lors de la prise d’images. En revanche, ceci ne modélise pas parfaitement le comportement du scanner. Une fois que cette méthode sera développée, le but sera de réaliser la calibration sans mire en appliquant un algorithme.

En effet, afin de prendre en considération toutes les déformations possibles pendant la prise d’image, la calibration sera réalisée à chaque prise d’image en temps réel. Pour cela, des capteurs radio-opaques seront disposés sur le corps du patient à des endroit spécifiques dont la position est connue. Cette méthode permettra de déterminer presque parfaitement l’espace dans lequel se situe le C-Arm et donc finalement de reconstruire une image 3D d’une très grande précision.

La mire de calibration : un élément central et complexe

Image à rayons X d’une mire cylindrique

La mire de calibration est un cylindre en PVC dans lequel sont positionnées des billes radio-opaques. Ces billes permettent de créer une signature de la position de la mire dans l’espace qui déterminera les caractéristiques du milieu dans lequel se trouve le scanner à l’aide de différentes prises de vue. Ce type de mire a été développé par Thales et a bien sûr été breveté. Le  point majeur est ensuite de détecter ces billes dans la mire cylindrique et de connaître leur position exacte dans l’image. C’est sur cette dernière partie que le projet prend toute son importance.

Un Challenge nommé AI Challenge 4 Health en collaboration avec Kaizen Solutions a été lancé en mars 2019 afin de détecter ces billes présentes dans la mire cylindrique et de connaître leur position exacte à l’aide de différentes méthodes de Machine Learning. Ce Challenge s’est terminé le 24 juin 2019. Pour en savoir plus, vous pouvez évidemment nous contacter ou consulter la page.

Détection de billes sur mire cylindrique

Pour la création du challenge, les images des mires cylindriques ont été découpées en petites imagettes pouvant contenir jusqu’à 2 billes. Ces imagettes ont été annotées de manière à donner le nombre de billes présentes dans l’image et leur position. Cette base de données à été utilisée pour entraîner des réseaux de neurones afin que ceux-ci apprennent à déterminer ces caractéristiques. Les résultats obtenus après reconstruction de l’image de la mire à partir de la détection des billes par un réseau de neurones sont très encourageants. Ici, la figure montre une image de mire cylindrique dont les billes ont été détectées par le réseau de neurones.

Un nouvel enjeu : détecter des capteurs sur fond anatomique

Le KZS LAB poursuit maintenant le projet, en collaboration avec Thales, à l’aide des résultats de ce challenge. En effet, notre expertise dans le domaine de la Data Science et du Machine Learning permettra d’optimiser la calibration du détecteur C-Arm à l’aide de réseaux de neurones. Pour la suite du projet, une méthode sera à développer afin de pouvoir détecter les capteurs radio-opaques sur fonds anatomique. Un nouveau défi pour lequel le LAB sera amené à montrer sa force d’innovation et son expertise dans ce secteur en grande expansion.

Pour bénéficier de l’expertise de Kaizen Solutions et du LAB, n’hésitez pas à nous faire part de vos besoins et programmer un échange.

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée.