Automatic method for segmentation of a thrombus and a lesion in a three-dimensional brain image
Procédé automatique de segmentation d'un thrombus et d'une lésion dans une image tridimensionnelle cérébrale
Résumé
One aspect of the invention relates to an automatic method for the segmentation of a thrombus and a lesion caused by the thrombus in a three-dimensional brain image, said method comprising the following steps: - supervised training of at least one primary recurrent artificial neural network in order to provide a lesion prediction from an image; - supervised training of at least one secondary recurrent artificial neural network in order to provide a thrombus prediction from an image; - using each trained primary recurrent artificial neural network on each image of a set of images obtained from the three-dimensional image, and merging the lesion predictions obtained in order to obtain a set of lesion segmentations: o if the set of lesion segmentations comprises at least one segmentation, selecting the widest segmentation as the lesion segmentation; - using each trained secondary recurrent artificial neural network on each image of a set of secondary images obtained from the three-dimensional image, and merging the thrombus predictions obtained in order to obtain a set of thrombus segmentations: o if the set of thrombus segmentations comprises at least one segmentation, selecting, as the thrombus segmentation, the segmentation corresponding to a proximity condition dependent on the lesion segmentation.
Procédé automatique de segmentation d’un thrombus et d’une lésion dans une image tridimensionnelle cérébrale Un aspect de l’invention concerne un procédé automatique de segmentation d’un thrombus et d’une lésion engendrée par le thrombus dans une image tridimensionnelle cérébrale, comportant les étapes suivantes : Entraînement supervisé d’au moins un réseau de neurones artificiels récurrents primaire pour fournir une prédiction de lésion à partir d’une image ;Entraînement supervisé d’au moins un réseau de neurones artificiels récurrents secondaire pour fournir une prédiction de thrombus à partir d’une image ;Utilisation de chaque réseau de neurones artificiels récurrents primaire entraîné, sur chaque image d’un ensemble d’images obtenu à partir de l’image tridimensionnelle, et fusion des prédictions de lésion obtenues pour obtenir un ensemble de segmentations de lésion :Si l’ensemble de segmentations de lésion comporte au moins une segmentation, sélection de la segmentation la plus large comme segmentation de la lésion ;Utilisation de chaque réseau de neurones artificiels récurrents secondaire entraîné, sur chaque image d’un ensemble d’images secondaire obtenu à partir de l’image tridimensionnelle, et fusion des prédictions de thrombus obtenues pour obtenir un ensemble de segmentations de thrombus :Si l’ensemble de segmentations de thrombus comporte au moins une segmentation, sélection de la segmentation répondant à une condition de proximité dépendant de la segmentation de la lésion comme segmentation du thrombus.