Segmentation histologique de l'artère fémorale superficielle du microscanner au scanner à l'aide de l'intelligence artificielle
Segmentation histologique de l'artère fémorale superficielle du microscanner au scanner à l'aide de l'intelligence artificielle : une étude de faisabilité (CTPred)
Promoteur : University Hospital, Strasbourg, France
Titre et résumé traduits de l’anglais par le portail, à partir de la fiche publiée par le registre source, le 13 septembre 2026. Traduction automatique, sans relecture médicale : elle ne modifie ni n’interprète le contenu ; en cas de doute, le texte original fait foi.
Texte original (anglais)
Histological Segmentation of the Superficial Femoral Artery From Microscan to CT Using Artificial Intelligence
Histological Segmentation of the Superficial Femoral Artery From Microscan to CT Using Artificial Intelligence: a Feasibility Study (CTPred)
The femoropopliteal artery segment (FPAS) is one of the longest arteries in the human body, undergoing torsion, compression, flexion and extension due to lower limb movements. Endovascular surgery is considered to be the treatment of choice for the peripheral arterial disease, the results of which depend on the physiological forces on the arterial wall, the anatomy of the vessels and the characteristics of the lesions being treated. The atheromatous disease includes, in a simple way, 3 categories of plaques: calcified, fibrous, and lipidic. The study of these plaques and their differentiation in imaging and histology in the FPAS has already been the subject of research. To treat them, there are angioplasty balloons and stents with different designs and components, with different mechanical properties and different impregnated molecules. There is no non-invasive method (imaging) to accurately differentiate lesions along the FPAS. The analysis is performed from the preoperative CT scan, but there are high-resolution scanners that allow a quasi-histological analysis of the tissue. This microscanner can be used ex vivo. In the framework of a project, the learning algorithm was be créated (Convolutional Neural Networks) to automatically segment microscanner slices: after taking FPAS from amputated limbs, we correlated ex-vivo microscanner images of the arteries with their histology. The correlation was then performed manually between the microscanner images, and the histological sections obtained. the algorithm well be trained on these slices and validated its performance. The validation of the CT and microscanner concordance was the subject of scientific publications.
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.
Vous quittez essai-clinique.com pour le site externe clinicaltrials.gov, géré par l’organisme responsable de l’annonce. La candidature, les questions d’éligibilité et toute information médicale se traitent uniquement là-bas.
Important
essai-clinique.com ne recueille pas de candidature et ne détermine pas votre éligibilité. Ne transmettez aucune information médicale au site.
Les critères affichés sont une synthèse des informations disponibles. Seul l’organisme responsable de l’étude peut confirmer l’éligibilité d’une personne.