Segmentation histologique de l'artère fémorale superficielle du microscanner au scanner à l'aide de l'intelligence artificielle

Le segment artériel fémoro-poplité (FPAS) est l'une des artères les plus longues du corps humain, soumise à la torsion, la compression, la flexion et l'extension du fait des mouvements du membre inférieur.

La chirurgie endovasculaire est considérée comme le traitement de choix de l'artériopathie oblitérante des membres inférieurs, dont les résultats dépendent des forces physiologiques exercées sur la paroi artérielle, de l'anatomie des vaisseaux et des caractéristiques des lésions traitées. La maladie athéromateuse comprend, de façon simplifiée, 3 catégories de plaques : calcifiées, fibreuses et lipidiques.

L'étude de ces plaques et leur différenciation en imagerie et en histologie au niveau du FPAS a déjà fait l'objet de recherches. Pour les traiter, il existe des ballons d'angioplastie et des stents de conceptions et de compositions différentes, avec des propriétés mécaniques et des molécules d'imprégnation différentes. Il n'existe pas de méthode non invasive (imagerie) permettant de différencier avec précision les lésions le long du FPAS.

L'analyse est réalisée à partir du scanner préopératoire, mais il existe des scanners à haute résolution permettant une analyse quasi histologique du tissu. Ce microscanner peut être utilisé ex vivo.

Dans le cadre d'un projet, un algorithme d'apprentissage a été créé (réseaux de neurones convolutifs) pour segmenter automatiquement les coupes de microscanner : après prélèvement du FPAS sur des membres amputés, les images de microscanner ex vivo des artères ont été corrélées à leur histologie. La corrélation a ensuite été réalisée manuellement entre les images de microscanner et les coupes histologiques obtenues. L'algorithme a été entraîné sur ces coupes et sa performance a été validée. La validation de la concordance entre le scanner et le microscanner a fait l'objet de publications scientifiques.