ENSTA Bretagne : travaux de recherche en imagerie médicale

Des travaux de recherche en traitement d’images médicales pour améliorer les diagnostiques

Recherche
Sciences et Technologies de l’Information et de la Communication
Depuis plus de 5 ans, Ali Mansour, enseignant-chercheur à l’ENSTA Bretagne/Lab-STICC travaille aux côtés de médecins du CHRU de Brest afin de déterminer de nouvelles méthodes de traitement d’images médicales. Avec son équipe, il s’appuie sur les techniques de classification automatique et d’intelligence artificielle pour améliorer l'interprétation d’images échographiques, d’élastographie et d’IRM notamment. L’objectif visé est une meilleure identification et caractérisation de certaines pathologies.
ENSTA Bretagne : recherche sur la formation de thrombus
© Thibaud Berthomier / ENSTA Bretagne - Lab-STICC

Des premiers travaux effectués sur la thrombose veineuse profonde, plus communément connue sous le nom de phlébite.

Cette maladie, dont la principale complication est l’embolie pulmonaire, est reconnue comme étant multifactorielle. Elle associe des facteurs génétiques et des facteurs de risque acquis (cancer, immobilisation, acte de chirurgie, grossesse). 

Entre 2017 et 2019, dans le cadre de sa thèse de doctorat (1) à l’ENSTA Bretagne, Thibaud Berthomier a cherché à identifier et caractériser des thromboses par l’analyse d’images acoustiques (échographies et élastographies) afin de déterminer la structure du caillot de sang appelé « thrombus » et d’essayer d’en déduire le ou les facteurs responsables de sa formation.

L’une des difficultés rencontrées portaient sur la qualité des images : selon le type d’équipement utilisé, l’opérateur, la position du capteur… les écarts rencontrés rendent plus complexes la caractérisation de l’image. Afin de mieux les calibrer et ainsi améliorer la qualité du traitement, les travaux de thèse de Thibaud ont permis de faire évoluer et de mieux standardiser le protocole d’acquisition de données.  
 

Des premiers résultats concluants pour le syndrome de Gougerot-Sjörden (glandes salivaires)

En parallèle, la méthode de pré-traitement d’images développée par Thibaud a été testée sur des échographies et élastographies de glandes salivaires. Les premiers résultats sont concluants pour la maladie de Gougerot-Sjördren. Ils feront l’objet d’une publication scientifique.
 

L’apport de l’intelligence artificielle

Depuis octobre 2020, Aurélien Olivier, poursuit ces travaux, dans le cadre d’une seconde thèse (2) à l’ENSTA Bretagne (laboratoire Lab-STICC) en collaboration avec le Dr Clément Hoffmann (travail de thèse également).

Ses recherches sur la détection des caillots sanguins par une analyse profonde des images intègrent des données issues d’une banque de données d’imagerie incluant échographies, IRM, scanners et scintigraphies. 

Les données anonymes, acquises par plusieurs hôpitaux français et néerlandais, associent des images et des informations médicales (facteurs à risque des patients). Le travail consiste donc à classifier les images et identifier les corrélations entre la structure d’un thrombus et le phénotype clinique correspondant.
A terme, l’objectif est de permettre aux praticiens de bénéficier d’informations complémentaires sur les facteurs de risque : des informations non détectables par l’œil humain, utiles au diagnostic. 

C’est un réel plaisir de travailler avec les équipes du CHRU de Brest sur ces sujets innovants et porteurs de sens. Les premiers résultats encourageants ouvrent de nouvelles perspectives de recherche dans le domaine de l’imagerie médicale. Ils laissent entrevoir des résultats d’imagerie plus précis intégrant des données augmentées, utiles aux praticiens.

conclut Ali Mansour.

(1)    Identification et caractérisation du thrombus veineux par imagerie échographique mode B couplée à l’élastographie. Thèse de Thibaud Berthomier, soutenue le 13/11/18 à l’ENSTA Bretagne et financée par le CHRU de Brest et la Région Bretagne. Lien : https://tel.archives-ouvertes.fr/tel-02366284/document
(2)    Méthodes statistiques et deep learning pour la caractérisation de thrombose veineuse profonde en échographie et élastographie. Thèse de Aurélien OLIVIER, commencée en octobre 2020 à l’ENSTA Bretagne, financée par le CHRU de Brest et Brest Métropole.

 

Autres publications scientifiques parues sur cette thématique :
T. Berthomier, A. Mansour, L. Bressollette, F. Le Roy and D. Mottier, "Deep venous thrombus characterization: ultrasonography, elastography and scattering operator", Advances in Science, Technology and Engineering Systems Journal Vol. 2, Volume 2, Issue 3, Page No 48-59 (2017).
T. Berthomier, A. Mansour, L. Bressollette, F. Le Roy, D. Mottier, Venous blood clot structure characterization using scattering operator, in the 2nd International Conference on Frontiers of Signal Processing (ICFSP 2016), Warsaw, Poland, October 15-17, 2016.
T. Berthomier, A. Mansour, L. Bressollette, F. Le Roy, D. Mottier, Venous blood thrombosis: database creation, image preprossesing, in the 2nd International Conference on Frontiers of Signal Processing (ICFSP 2016), Warsaw, Poland, October 15-17, 2016.
T. Berthomier, A. Mansour, L. Bressollette, F. Le Roy, D. Mottier L. Frechier, B. Hermenault, Scattering Operator and Spectral Clustering for Ultrasound Images: Application on Deep Venous Thrombi, in the 19th International Conference on Biomedical Signal and Image Analysis (ICBSIA 2017), Paris, France, November 20-21, 2017
T. Berthomier, A. Mansour, L. Bressollette, D. Mottier, F. Le Roy, B. Hermenault, C. Hoffmann, L. Frechier, Unsupervised clustering using High Order Statistics Analysis for Ultrasound Images of Thrombi, In IEEE International Conference on Bioinformatics and Biomedicine (BIBM 2018), Madrid, Spain, December 3-6, 2018.

contact

Ali Mansour
Enseignant-chercheur
Equipe SI3, Laboratoire Lab-STICC (UMR CNRS 6285)
+33 (0)2 98 34 87 88