2019-01-04 23:54:11 +0000 2019-01-04 23:54:11 +0000
2
2

Apprentissage automatique pour la numérisation d'images médicales

Je suis à la recherche d'un sujet d'intérêt dans le domaine de l'apprentissage machine et de la vision par ordinateur. Plus précisément, je cherche à savoir si la vision par ordinateur peut être appliquée pour classer les scanners d'images médicales et/ou prédire l'état futur d'un scanner. Je ne suis pas un professionnel de la santé, donc pour que le problème soit réalisable, j'ai l'intention de faire des recherches sur le thème de la numérisation d'images.

Ce que j'aimerais savoir est :

Quel est l'état actuel de la technologie de numérisation des images ?

Quelles sont ses faiblesses ?

J'ai beaucoup d'inconnues et je ne sais pas par où commencer pour acquérir une connaissance de base.

Les recommandations de livres sont les bienvenues, par exemple ce livre semble être un bon point de départ : Par exemple le livre “Medical Imaging for the Health Care Provider : Practical Radiograph Interpretation ” : https://www.amazon.com/Medical-Imaging-Health-Care-Provider-ebook/dp/B01HUNOJPG

L'ensemble de données que j'ai l'intention d'utiliser pour cette recherche est “ DeepLesion ” https://www.nih.gov/news-events/news-releases/nih-clinical-center-releases-dataset-32000-ct-images

Update : cela semble être un bon point de départ : Medical imaging - image quality ?

Update 2 :

J'ai l'intention d'utiliser des images et des données annotées de DeepLesion pour développer une IA afin de diagnostiquer l'état futur et/ou actuel d'un scan. L'état futur d'un scan se réfère à la prédiction de l'état futur des attributs du scan. Les attributs sont ceux qui sont contenus dans l'ensemble de données annotées de DeepLesion, qui comprend le diamètre de la lésion, le sexe et l'âge du patient. Je vais donc tenter de prédire un ou une combinaison de ces attributs.&nbsp ;

A ce stade, je ne vise pas à ce que le modèle d'IA réalise un diagnostic ou un pronostic mais fournisse une prédiction des attributs qui aide le professionnel de santé à réaliser le diagnostic ou le pronostic. En raison de la présence de lésions profondes, le praticien de santé dans ce cas est un radiographe.&nbsp ;

D'autres types de prédictions/classifications de plus haut niveau que je peux envisager sont la détection de lésions du foie, des poumons, des reins.

Le type de prédictions dépend du type de données disponibles.&nbsp ;

Une autre question de recherche que je me pose est de savoir quel type de prédictions est le plus utile pour le praticien. Cela m'aidera à orienter mes recherches.

Réponses (2)

5
5
5
2019-01-05 17:36:28 +0000

Les méthodes d'imagerie diagnostique couramment utilisées le sont :

  • l'échographie
  • la radiographie
  • la tomodensitométrie (CT)
  • l'imagerie par résonance magnétique (IRM)
  • la scintigraphie ou le scanner aux radionucléides (injection d'un traceur radioactif dans une veine, attente de sa collecte dans un certain organe, par exemple la glande thyroïde, et prise d'une image de la distribution du traceur avec un scanner)

Toutes les techniques mentionnées ont plusieurs variantes, par exemple l'échographie Doppler, une IRM avec contraste, etc. Le site Wikipédia Imagerie médicale comporte un “index” plus détaillé des techniques avec des liens vers les différents articles.

Sur Biology SE, il existe une liste de sites web qui fournissent des images en libre accès , dont certains sont accompagnés de descriptions de cas. Avant d'acheter un livre, je vous recommande vivement de vous faire une idée précise des types de livres qui peuvent vous servir. Un livre qui peut être excellent pour un médecin ou un étudiant en médecine peut être inutile pour vous. Je vous recommande également, pour commencer, de choisir UNE technique d'imagerie et de faire quelques recherches à ce sujet, plutôt que d'utiliser toutes les techniques d'imagerie à la fois ; les problèmes de l'échographie sont sensiblement différents de ceux du scanner.

Exemples de faiblesses des techniques d'imagerie :

  • Un CT et une IRM, au moins, sont coûteux.
  • Une radiographie ne peut montrer que les lésions qui sont significativement plus ou moins radio-opaques que les tissus environnants (par exemple, elle ne peut montrer que les calculs biliaires riches en calcium mais pas les autres).
  • Une IRM de la vésicule biliaire ne peut pas distinguer de manière fiable les polypes non cancéreux des cancers Radio Graphics ).
  • Le problème le plus courant est probablement que, malgré une sensibilité élevée (capacité à détecter une lésion), la spécificité (capacité à révéler/prédicter un type exact de lésion) des scanners CT et IRM peut encore être faible.

Une question courante pour un praticien de la santé qui reste souvent sans réponse après l'imagerie est : la lésion est-elle cancéreuse ou non ou quelle est la probabilité qu'elle se transforme en cancer. Par exemple, les polypes de la vésicule biliaire de plus de 10 mm sont nettement plus susceptibles d'être cancéreux que les plus petits, mais on ne sait pas si le risque augmente après 5 mm ou après 15 mm, par exemple. De plus, il arrive que l'imagerie ne parvienne pas à montrer si le cancer s'est propagé aux organes voisins.

EDIT :

Pour prédire une lésion sur une image CT, vous devez savoir à quoi ressemble une image CT normale et à quoi ressemble une lésion. La connaissance de ce qu'est une lésion provient de la comparaison entre de nombreuses images CT et les situations physiques réelles découvertes lors d'une opération. Maintenant, pour étendre ces connaissances au-delà de ce que vous pouvez voir de vos propres yeux sur une image CT, vous devez à nouveau comparer de nombreuses images CT (à l'aide d'un programme informatique) avec les résultats de l'opération.

J'imagine que cela nécessiterait un projet auquel participeraient plusieurs radiologues, chirurgiens et experts en informatique expérimentés. Un projet devrait se concentrer sur une seule question, par exemple : Quels sont les prédicteurs du cancer de la vésicule biliaire dans les excroissances anormales de la vésicule biliaire détectées sur une image CT ? Il faudrait ensuite comparer des milliers d'images de tomodensitométrie et de résultats d'opérations pour trouver d'éventuelles associations.

1
1
1
2019-03-02 20:53:07 +0000

Je voudrais faire une recommandation, en tant que chercheur travaillant également dans le domaine de l'imagerie médicale. Vous indiquez que vous êtes intéressé par la prédiction du diamètre des lésions, du sexe et de l'âge des patients à partir des scanners. Cependant, lorsqu'un radiologue lit un scan, il connaît déjà le sexe et l'âge du patient car ces informations se trouvent dans le dossier médical. Il connaît également la raison de la scintigraphie. Par exemple, il verra souvent un affichage du type “Mme Smith est une femme de 55 ans avec des antécédents de cancer du poumon” en même temps que le scan lui-même. (Et ils peuvent cliquer sur le dossier médical du patient et voir tout ce qui s'y trouve s'ils le souhaitent). Donc, je pense qu'il vaut mieux ne pas prédire des choses qui sont déjà connues du médecin. Il existe de nombreuses autres tâches d'imagerie médicale intéressantes que vous pouvez effectuer avec l'ensemble de données DeepLesion, comme par exemple prédire s'il y a une lésion dans le scanner.

Voici quelques autres ressources qui pourraient vous aider :

  1. aperçu de l'anatomie de base du thorax pour la radiologie ](https://glassboxmedicine.com/2019/01/25/anatomy-for-radiology-chest/) et de l'abdomen pour la radiologie ](https://glassboxmedicine.com/2019/02/02/anatomy-for-radiology-abdomen/)
  2. Termes de localisation en radiologie ](https://glassboxmedicine.com/2019/01/22/anatomy-for-radiology-terms-of-location/)
  3. Comment lire des radiographies normales du thorax . Les radiographies du thorax ne sont pas des CTs, mais si vous venez d'apprendre l'imagerie médicale, il est plus facile de commencer par des radiographies du thorax et de passer ensuite aux CTs
  4. Interprétation des CTs abdominaux