Affordable Access

Nouvelles approches pour l'imagerie photoacoustique des vaisseaux sanguins : imagerie quantitative 3D de fluctuations et reconstruction assistée par apprentissage profond

Authors
  • Godefroy, Guillaume
Publication Date
Oct 12, 2021
Source
HAL
Keywords
Language
French
License
Unknown
External links

Abstract

L’imagerie de la vascularisation présente un intérêt considérable pour de multiples applications de santé, incluant le diagnostic de pathologies, le guidage d’intervention chirurgicale, le suivi de traitement ou encore la recherche biomédicale. Si plusieurs modalités permettent aujourd’hui d’imager la vascularisation, l’utilisation de dispositifs bimodaux combinant l’imagerie photoacoustique (PA) et l’imagerie ultrasonore (US) constitue une approche prometteuse. La sensibilité de l’imagerie PA à l’hémoglobine et l’apparition de méthodes sensibles au flux en imagerie US permettent de cartographier avec précision le réseau vasculaire au sein des tissus biologiques à des profondeurs de l’ordre de plusieurs cm et des résolutions allant jusqu’à la dizaine de µm. L’excellente résolution temporelle de l’imagerie US permet d’obtenir une multitude d’informations quantitatives sur la dynamique du flux sanguin. Au travers d’approches spectroscopiques, l’imagerie PA fournit quant à elle de précieuses données sur les molécules imagées telles que leurs concentrations, et des indicateurs biologiques d’intérêt tels que la saturation en oxygène peuvent être cartographiés. Les travaux menés au cours de cette thèse consistent en la mise en place d’un dispositif permettant de réaliser simultanément des images 3D avec ces deux modalités, et le développement de nouvelles méthodes de reconstruction et de traitement en imagerie PA. Ces méthodes ont pour but de corriger sur les images PA les artefacts dits de visibilité et ceux liés à l’utilisation de réseaux de capteurs parcimonieux. Dans une première approche, l’analyse statistique de la fluctuation du signal PA liée au flux sanguin permet de corriger ces artefacts et d’obtenir une image proportionnelle à l’énergie absorbée. L’approche est appliquée in vivo sur des embryons de poulet et une mesure quantitative de la saturation en oxygène est obtenue. Dans une seconde approche s’appuyant sur l’apprentissage profond (deep learning), un réseau de neurone a été implémenté, permettant de résoudre ces artefacts à partir d’une unique acquisition une fois le réseau entrainé. L’architecture utilisée permet d’inclure une estimation de l’incertitude de la prédiction, fournissant la localisation des erreurs dites d’hallucination. D’abord démontrée en 2D sur des échantillons tests, l’approche est ensuite appliquée en 3D et de premiers résultats expérimentaux sur l’embryon de poulet sont présentés.

Report this publication

Statistics

Seen <100 times