Abstract
L’imagerie par résonance magnétique (IRM) du cerveau est utilisée sur les nouveau-nés pour évaluer l’évolution du cerveau et diagnostiquer des maladies neurologiques. Ces examens nécessitent souvent une analyse quantitative des différents tissus du cerveau, de sorte qu’avoir une segmentation précise est essentiel. Dans cet article, nous proposons une méthode automatique rapide de segmentation en différents tissus des images IRM 3D de cerveaux de nouveau-nés ; elle utilise un réseau de neurones totalement convolutif (FCN) et du transfert d’apprentissage. Par rapport aux approches similaires qui reposent soit sur des patchs 2D ou 3D, soit sur des FCN totalement 3D, notre méthode est beaucoup plus rapide : elle ne prend que quelques secondes, et une seule modalité (T2) est nécessaire. Afin de prendre les informations 3D en compte, trois coupes 2D successives sont empilées pour former une image 2D en couleurs, dont l’ensemble sur tout le volume sert d’entrée à un FCN, pré-entraîné sur ImageNet pour la classification d’images naturelles. Nos expériences sur un ensemble de données de référence montrent que notre méthode obtient des résultats du niveau de ceux de l’état de l’art.