Original paperModèles de lésions mammaires basés sur des images mammaires radiographiques tridimensionnelles

Cet article présente une méthode de création de modèles informatiques de lésions mammaires de formes irrégulières à partir d’images de tomosynthèse mammaire numérique (TMD) de patients ou de cadavres de seins et d’images de tomographie assistée par ordinateur (TAO) du corps entier. L’approche comprend six étapes de base : (a) normalisation de l’intensité des images tomographiques ; (b) réduction du bruit de l’image ; (c) binarisation de la zone de la lésion ; (d) application d’opérations morphologiques pour réduire davantage le niveau des artefacts ; (e) application d’une technique de croissance de région pour segmenter la lésion ; et (f) création d’un modèle de lésion 3D final. L’algorithme est semi-automatique car la sélection initiale de la région de la lésion et les graines pour la croissance de la région sont effectuées de manière interactive. Un outil logiciel, réalisant toutes les étapes nécessaires, a été développé en MATLAB. La méthode a été testée et évaluée par l’analyse d’ensembles anonymes d’images de patients ayant subi un traitement par tomodensitométrie et présentant des lésions. Des radiologues expérimentés ont évalué la segmentation des tumeurs dans les coupes et les formes de lésions 3D obtenues. Ils ont conclu à une délimitation assez satisfaisante des lésions. En outre, pour trois cas de DBT, une délimitation des tumeurs a été effectuée indépendamment par les radiologues. Dans tous les cas, les volumes d’anomalies segmentés par l’algorithme proposé étaient plus petits que ceux délimités par les experts. Les coefficients de similarité de Dice calculés pour l’algorithme-radiologue et le radiologue-radiologue ont montré des valeurs similaires. Un autre cas de tumeur sélectionné a été introduit dans un modèle de calcul du sein pour évaluer l’algorithme de manière récursive. La différence de volume relative entre le volume tumoral de référence et celui obtenu en appliquant l’algorithme sur le volume synthétique de l’étude virtuelle par DBT est de 5%, ce qui démontre la performance satisfaisante de l’algorithme de segmentation proposé. L’outil logiciel que nous avons développé a été utilisé pour créer des modèles de différentes anomalies du sein, qui ont ensuite été stockés dans une base de données pour être utilisés par les chercheurs travaillant dans ce domaine.