Un pipeline automatisé avancé pour la segmentation des tumeurs cérébrales sur IRM 

La délimitation précise des lésions constitue une étape importante dans la radiochirurgie stéréotaxique (SRS) pour le traitement des tumeurs intracrâniennes. Alors que cette tâche repose sur l’expertise des cliniciens, des chercheurs ont mis au point et intégré cliniquement un pipeline automatisé de segmentation multitumeur utilisant des modèles de deep learning nnU-Net tridimensionnels. Testé dans une étude présentée dans phiRO, il s'est montré capable d’identifier et de segmenter automatiquement quatre types fréquents de tumeurs intracrâniennes : les métastases cérébrales, les adénomes hypophysaires, les schwannomes vestibulaires et les méningiomes [1].

Un flux de travail clinique automatisé

Le système automatisé surveille en continu l’arrivée des examens IRM au format DICOM, sélectionne automatiquement le modèle de segmentation adapté au type de tumeur, puis les transfère les résultats directement vers le logiciel de planification du traitement.

Des performances prometteuses

Pour dévelo