Skip to Main content Skip to Navigation
Master Thesis

L'Intelligence Artificielle (IA) de l'adulte à l'enfant : évaluation de deux algorithmes d'IA pour la segmentation du cerveau et des tumeurs dans une population pédiatrique

Résumé : Contexte : des algorithmes de segmentation des tumeurs cérébrales et d'extraction cérébrale basés sur l'intelligence artificielle (IA) ont été développés chez les adultes et ont permis un diagnostic et un suivi plus standardisés des tumeurs cérébrales. Le développement de tels outils pour des populations pédiatriques présente des difficultés en raison de la disponibilité limitée de données d'entraînement pour le développement de l'IA. L'adaptation et le transfert d'algorithmes entrainés sur une population adulte à une population pédiatrique pourraient permettre de surmonter ces restrictions. L’objectif était d’évaluer deux algorithmes (extraction cérébrale HDBET et segmentation tumorale HD-GLIOMA) dans une cohorte représentative de tumeurs cérébrales pédiatriques. Méthodes : dans une cohorte rétrospective de mai 2015 à janvier 2020, nous avons comparé des masques experts de cerveau et de tumeurs avec des masques de segmentation automatisés générés par différents algorithmes d’intelligence artificielle. Nous avons utilisé le coefficient de Dice et une échelle de notation visuelle pour évaluer la qualité et la précision des algorithmes. Nous avons étudié la faisabilité pour la pratique clinique en utilisant les masques pour grader les tumeurs en fonction des données de la séquence de diffusion avec des analyses ROC. Résultats : nous avons inclus 43 patients (âge moyen 7 ans ±5 [écart-type], 26 garçons). Les résultats de la segmentation étaient excellents pour l'extraction du cerveau (coefficient de Dice moyen 0.99, intervalle entre 0.85 et 1), modérés pour la segmentation des tumeurs prenant le contraste (Dice moyen 0.67 intervalle entre 0 et 1), et faibles pour les anomalies du signal T2 non rehaussées (DICE moyen 0.41). Le grading automatisé des tumeurs montrait de bonnes performances (AUC = 0,863) mais tendait à être moins précis que les masques d'experts (AUC = 1, p = 0,22). Conclusion : HD-BET fournit une extraction cérébrale pédiatrique fiable. HD-GLIOMA fonctionne modérément pour la segmentation tumorale de la partie rehaussée. Certaines améliorations sont nécessaires pour adapter cet algorithme aux tumeurs cérébrales pédiatriques. Une adaptation minutieuse des algorithmes d'IA aux maladies rares, par exemple des patients adultes aux patients pédiatriques, pourrait être une approche appropriée pour surmonter les bases de données limitées dans certaines indications.
Complete list of metadata

https://dumas.ccsd.cnrs.fr/dumas-03402022
Contributor : Faculté de Médecine Amu Connect in order to contact the contributor
Submitted on : Monday, October 25, 2021 - 3:05:19 PM
Last modification on : Wednesday, November 10, 2021 - 3:38:11 AM

File

HDGLIOMA_the`se finale.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : dumas-03402022, version 1

Collections

Citation

Maxime Drai. L'Intelligence Artificielle (IA) de l'adulte à l'enfant : évaluation de deux algorithmes d'IA pour la segmentation du cerveau et des tumeurs dans une population pédiatrique. Sciences du Vivant [q-bio]. 2021. ⟨dumas-03402022⟩

Share

Metrics

Record views

7

Files downloads

2