Réseaux de neurones convolutifs en médecine nucléaire : applications à la segmentation automatique des tumeurs gliales et à la correction d’atténuation en TEP/IRM

Convolutional neural networks group together a set of architectures whose elementary units are inspired by biological neurons. They are able to estimate and extract internal representations (filters) by learning from annotated data. They are then convoluted with our images to classify or predict. Our objective through two examples is to try to better understand the potential of the latter in nuclear medicine and to understand their limits. We will first study a segmentation procedure that can be assimilated to a classification problematic where we try to predict for each voxel a category. For this we will rely on a cohort of 37 patients with glial tumors explored within initial staging by 18-F-Fluoro-ethyl-thyrosine PET. In a second time, we will focus on estimating CT scans from ZTE MRI sequences and to evaluate its impact on attenuation correction during tomographic reconstruction in 47 patients referred for neurodegenerative diseases.Les réseaux de neurones convolutifs regroupent un ensemble d’architectures dont les unités élémentaires sont inspirées des neurones biologiques. Ils permettent d’estimer et d’extraire par un ensemble de techniques d’apprentissage, des représentations internes (filtres) qui sont ensuite convoluées avec nos images pour classer, prédire... Notre objectif au travers de deux exemples est de tenter de mieux comprendre les potentialités de ces derniers en médecine nucléaire et d’en appréhender les limites. Nous étudierons donc dans un premier temps une procédure de segmentation qui peut être assimilée à un problème de classification où l’on cherche à prédire pour chaque voxel une catégorie. Pour cela nous nous appuierons sur une cohorte de 37 patients avec des tumeurs gliales explorées dans leur bilan initial en TEP à la 18-F-Fluoro-ethyl-thyrosine. Dans un second temps nous nous intéresserons à estimer des TDM à partir de la séquence IRM ZTE et d’évaluer son impact sur la correction d’atténuation lors de la reconstruction tomographique chez 47 patients adressés dans le cadre de pathologies neuro-dégénératives