L'intelligence artificielle améliore l'imagerie
Des chercheurs de l'ETH utilisent l'intelligence artificielle pour améliorer la qualité des images dans une méthode relativement nouvelle d'imagerie médicale. Cela permettra à l'avenir de mieux diagnostiquer les maladies et de fabriquer des appareils moins chers.
![Vaisseaux sanguins](/de/news-und-veranstaltungen/eth-news/news/2019/09/kuenstliche-intelligenz-verbessert-bildgebung/_jcr_content/news_content/fullwidthimage/image.imageformat.930.100993790.jpg)
Des scientifiques de l'ETH Zurich et de l'Université de Zurich ont utilisé des méthodes d'apprentissage automatique pour améliorer l'imagerie optoacoustique. Ce procédé relativement récent d'imagerie médicale permet par exemple de visualiser les vaisseaux sanguins à l'intérieur du corps, d'étudier l'activité cérébrale ou de diagnostiquer le cancer du sein et les maladies de la peau. La qualité d'image fournie par un appareil dépend toutefois fortement de son nombre de capteurs et de leur répartition : Plus il y en a, meilleure est la qualité de l'image. La nouvelle approche des chercheurs de l'ETH permet de réduire considérablement le nombre de capteurs tout en conservant la même qualité d'image. Cela permet de réduire les co?ts des appareils, d'augmenter la vitesse d'imagerie ou d'améliorer le diagnostic.
L'optoacoustique (voir encadré) présente certaines similitudes avec l'imagerie par ultrasons. Dans ce dernier cas, une sonde envoie dans le corps des ondes ultrasonores qui sont réfléchies par les tissus. Des capteurs placés dans la sonde détectent les ondes sonores renvoyées, à partir desquelles il est possible de créer une image de l'intérieur du corps. L'imagerie optoacoustique, quant à elle, consiste à envoyer des impulsions laser extrêmement rapides dans les tissus, où elles sont absorbées et transformées en ondes ultrasonores. Celles-ci sont ensuite détectées de manière similaire à l'imagerie par ultrasons afin de créer une image.
Correction des distorsions d'image
Les chercheurs, dirigés par Daniel Razansky, professeur d'imagerie biomédicale à l'Université de Zurich et à l'ETH Zurich, ont cherché un moyen d'améliorer la qualité d'image des appareils optoacoustiques peu co?teux, qui ne possèdent que quelques capteurs à ultrasons.
Pour ce faire, ils ont d'abord utilisé un appareil optoacoustique de haute qualité qu'ils avaient eux-mêmes développé et qui comportait 512 capteurs, fournissant des images de grande qualité. Ils les ont ensuite fait analyser par un réseau neuronal artificiel. Le réseau a alors appris les caractéristiques des images de haute qualité.
Les chercheurs ont ensuite désactivé une grande partie des capteurs, de sorte qu'il n'en restait plus que 128 ou 32, avec des conséquences négatives sur la qualité de l'image : en raison du manque de données, des signaux parasites en forme de bandes traversaient l'image. Il s'est toutefois avéré que le système d'apprentissage automatique formé au préalable était en mesure de corriger ces distorsions gr?ce à son algorithme. La qualité de l'image s'est ainsi nettement améliorée et était comparable à celle d'une mesure avec 512 capteurs.
![Exemples](/de/news-und-veranstaltungen/eth-news/news/2019/09/kuenstliche-intelligenz-verbessert-bildgebung/_jcr_content/news_content/fullwidthimage_294914286/image.imageformat.930.284029795.jpg)
En optoacoustique, la qualité de l'image augmente non seulement avec le nombre de capteurs utilisés, mais aussi lorsque l'objet examiné est saisi dans le plus grand nombre possible de directions différentes : plus le secteur dans lequel les capteurs sont disposés autour de l'objet examiné est grand, meilleure est la qualité. L'algorithme développé a également été en mesure d'améliorer considérablement la qualité des images capturées à partir d'un seul secteur étroitement circonscrit. "Ceci est important pour les applications cliniques, car les impulsions laser utilisées ne traversent pas tout le corps humain, et la plupart des parties proches de la surface du corps humain ne peuvent être capturées que dans une seule direction", explique Razansky.
Faciliter le travail des médecins
Comme le soulignent les scientifiques, leur approche ne se limite pas à l'imagerie optoacoustique. Comme la technique n'analyse pas les données brutes, mais les images finies, elle convient également à d'autres méthodes d'imagerie. "En général, on peut l'utiliser pour produire des images de bonne qualité avec moins de données brutes", explique Razansky. Selon lui, les médecins sont parfois confrontés à des données d'imagerie de mauvaise qualité qu'ils doivent interpréter. "Nous montrons que les méthodes d'intelligence artificielle permettent d'améliorer de telles images, ce qui simplifie leur interprétation".
Pour Razansky, ce travail de recherche est un bon exemple de ce à quoi les méthodes d'intelligence artificielle actuellement existantes peuvent être appliquées. "Beaucoup de gens pensent que l'IA pourrait remplacer l'intelligence humaine. Mais je pense que cela est surestimé, du moins en ce qui concerne les méthodes d'IA actuelles", dit-il. "Celles-ci ne permettent pas de remplacer la créativité humaine, mais elles sont adaptées pour soulager l'homme des t?ches répétitives fastidieuses".
Pour ce travail de recherche, les scientifiques ont utilisé un appareil de tomographie optoacoustique adapté aux petits animaux, et ils ont entra?né le système d'apprentissage automatique avec des images de souris. La prochaine étape consistera à appliquer la méthode à des images optoacoustiques de tissus humains, explique Razansky.
Rendre visible la fonction des tissus
Contrairement à l'optoacoustique (ou photoacoustique), de nombreuses méthodes d'imagerie - dont les ultrasons, les rayons X et l'IRM - ne reproduisent que les structures de l'intérieur du corps. Pour obtenir en plus des informations fonctionnelles, par exemple sur le métabolisme, il faut administrer au patient des produits de contraste ou des traceurs radioactifs avant l'imagerie. En revanche, la méthode optoacoustique fournit des informations fonctionnelles et moléculaires même sans produit de contraste, par exemple des modifications locales de la concentration d'oxygène dans le sang - une information importante pour la détection précoce du cancer - ou la teneur en lipides des parois des vaisseaux sanguins, ce qui sert au diagnostic des maladies cardiovasculaires.
Comme les ondes lumineuses utilisées dans l'imagerie optoacoustique ne traversent pas complètement le corps, contrairement à d'autres ondes, la méthode ne convient toutefois que pour examiner des tissus jusqu'à une profondeur de quelques centimètres sous la peau.
Référence bibliographique
Davoudi N, Deán-Ben XL, Razansky D : Deep learning optoacoustic tomography with sparse data, Nature Machine Intelligence, 16 septembre 2019, doi : page externe10.1038/s42256-019-0095-3