Les chercheurs de l'ETH utilisent l'intelligence artificielle pour améliorer la qualité des images enregistrées par une méthode d'imagerie biomédicale relativement nouvelle. Cela ouvre la voie à un diagnostic plus précis et à des appareils plus rentables.

Des scientifiques de l'ETH Zurich et de l'Université de Zurich ont utilisé des méthodes d'apprentissage automatique pour améliorer l'imagerie optoacoustique. Cette technique d'imagerie médicale relativement récente peut être utilisée pour des applications telles que la visualisation des vaisseaux sanguins, étudier l'activité cérébrale, caractériser les lésions cutanées et diagnostiquer le cancer du sein. Cependant, la qualité des images rendues est très dépendante du nombre et de la répartition des capteurs utilisés par l'appareil :plus ils sont nombreux, meilleure est la qualité de l'image. La nouvelle approche développée par les chercheurs de l'ETH permet une réduction substantielle du nombre de capteurs sans renoncer à la qualité d'image résultante. Cela permet de réduire le coût de l'appareil, augmenter la vitesse d'imagerie ou améliorer le diagnostic.

L'optoacoustique (voir encadré) est similaire à certains égards à l'imagerie par ultrasons. Dans ce dernier, une sonde envoie des ondes ultrasonores dans le corps, qui sont réfléchis par le tissu. Les capteurs de la sonde détectent les ondes sonores renvoyées et une image de l'intérieur du corps est ensuite générée. En imagerie optoacoustique, des impulsions laser très courtes sont plutôt envoyées dans le tissu, où ils sont absorbés et convertis en ondes ultrasonores. Comme pour l'imagerie par ultrasons, les ondes sont détectées et converties en images.

Correction des distorsions d'image

L'équipe dirigée par Daniel Razansky, Professeur d'imagerie biomédicale à l'ETH Zurich et à l'Université de Zurich, a cherché un moyen d'améliorer la qualité d'image des dispositifs optoacoustiques à faible coût qui ne possèdent qu'un petit nombre de capteurs à ultrasons.

Pour faire ça, ils ont commencé par utiliser un scanner optoacoustique haut de gamme développé par eux-mêmes et doté de 512 capteurs, qui a fourni des images de qualité supérieure. Ils ont fait analyser ces images par un réseau de neurones artificiels, qui a pu apprendre les caractéristiques des images de haute qualité.

Prochain, les chercheurs ont jeté la majorité des capteurs, de sorte qu'il ne restait que 128 ou 32 capteurs, avec un effet néfaste sur la qualité de l'image. En raison du manque de données, des distorsions connues sous le nom d'artefacts de type stries sont apparues dans les images. Il s'est avéré, cependant, que le réseau de neurones préalablement formé était capable de corriger en grande partie ces distorsions, rapprochant ainsi la qualité d'image des mesures obtenues avec l'ensemble des 512 capteurs.

En optoacoustique, la qualité de l'image augmente non seulement avec le nombre de capteurs utilisés, mais aussi lorsque l'information est captée dans le plus de directions possible :plus le secteur dans lequel les capteurs sont disposés autour de l'objet est grand, meilleure est la qualité. L'algorithme d'apprentissage automatique développé a également réussi à améliorer la qualité des images enregistrées à partir d'un secteur étroitement circonscrit. « Ceci est particulièrement important pour les applications cliniques, comme les impulsions laser ne peuvent pas pénétrer dans tout le corps humain, par conséquent, la région imagée n'est normalement accessible que d'une seule direction, " selon Razansky.

Faciliter la prise de décision clinique

Les scientifiques soulignent que leur approche ne se limite pas à l'imagerie optoacoustique. Parce que la méthode opère sur les images reconstruites, pas les données brutes enregistrées, elle est également applicable à d'autres techniques d'imagerie. "Vous pouvez essentiellement utiliser la même méthodologie pour produire des images de haute qualité à partir de n'importe quel type de données éparses, ", explique Razansky. Il explique que les médecins sont souvent confrontés au défi d'interpréter des images de mauvaise qualité provenant de patients. "Nous montrons que de telles images peuvent être améliorées avec des méthodes d'IA, ce qui facilite l'obtention d'un diagnostic plus précis."

Pour Razansky, ce travail de recherche est un bon exemple de ce à quoi peuvent servir les méthodes existantes d'intelligence artificielle. "Beaucoup de gens pensent que l'IA pourrait remplacer l'intelligence humaine. C'est probablement exagéré, au moins pour la technologie d'IA actuellement disponible, " dit-il. " Cela ne peut pas remplacer la créativité humaine, mais peut nous libérer de quelque laborieux, tâches répétitives."

Dans leurs recherches actuelles, les scientifiques ont utilisé un appareil de tomographie optoacoustique adapté aux petits animaux, et entraîné les algorithmes d'apprentissage automatique avec des images de souris. La prochaine étape sera d'appliquer la méthode à des images optoacoustiques de patients humains, dit Razansky.

Révéler la fonction tissulaire

Contrairement à l'optoacoustique (également appelée photoacoustique), de nombreuses techniques d'imagerie, comme les ultrasons, Radiographie ou IRM, sont principalement adaptés à la visualisation des altérations anatomiques du corps. Pour recevoir des informations fonctionnelles supplémentaires, par exemple concernant le flux sanguin ou les changements métaboliques, le patient doit recevoir des agents de contraste ou des traceurs radioactifs avant l'imagerie. En revanche, la méthode optoacoustique permet de visualiser des informations fonctionnelles et moléculaires sans introduire d'agents de contraste. Un exemple est les changements locaux dans l'oxygénation des tissus, un point de repère important du cancer qui peut être utilisé pour un diagnostic précoce. La teneur en lipides dans les vaisseaux sanguins est un autre marqueur potentiel de la maladie, qui peut aider à une détection précoce des maladies cardiovasculaires.

Ça devrait être noté, cependant, que parce que les ondes lumineuses utilisées en imagerie optoacoustique, contrairement aux autres vagues, ne pénètre pas complètement dans le corps humain, la méthode n'est adaptée qu'à l'investigation des tissus jusqu'à une profondeur de quelques centimètres sous la peau.