Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

La technique neuve emploie l'AI pour définir mieux les différentes parties du cerveau dans les nouveaux-nés

Les scientifiques canadiens ont développé une technique neuve novatrice qui emploie l'artificial intelligence de définir mieux les différentes parties du cerveau dans les nouveaux-nés pendant un examen (MRI) d'imagerie par résonance magnétique.

Les résultats de ceci étude -- une collaboration entre les chercheurs à l'hôpital pour enfants de CHU Sainte-Justine de Montréal et l'école de bureau d'études d'ÉTS -- sont aujourd'hui publié dans les frontières en neurologie.

C'est l'une des première fois que l'artificial intelligence a été utilisé comme moyen de définir mieux les différentes parties d'un cerveau nouveau-né sur un IRM : à savoir la matière grise, la question blanche et le liquide céphalo-rachidien. Jusqu'à aujourd'hui, les outils procurables étaient complexes, souvent mélangé et difficile à atteindre. »

M. Gregory A. Lodygensky, un néonatologiste chez CHU Sainte-Justine et professeur chez Université de Montréal

En collaboration avec professeur Jose Dolz, un expert dans l'analyse d'image médicale et apprentissage automatique à ÉTS, les chercheurs pouvaient adapter les outils aux spécificités du réglage néonatal et puis les valider.

Cette technique neuve permet aux cerveaux des bébés d'être examinés rapidement, exactement et sûrement. Les scientifiques la voient comme moyens importants pour la recherche de support qui adresse non seulement le développement du cerveau dans des soins néonataux, mais également l'efficacité des stratégies neuroprotective.

En évaluant une gamme des outils procurables dans l'artificial intelligence, les chercheurs de CHU Sainte-Justine ont constaté que ces outils ont eu des limitations, en particulier en ce qui concerne la recherche pédiatrique. Des programmes neuroimaging d'aujourd'hui d'analyse sont principalement conçus pour fonctionner sur le « adulte » IRM. L'immaturité cérébrale des nouveaux-nés, avec une inversion des contrastes entre la matière grise et la question blanche, complique de telles analyses.

Inspiré par les travaux les plus récents de Dolz, les chercheurs proposés un réseau neuronal artificiel qui apprend comment combiner efficacement l'information de plusieurs séquences d'IRM. Cette méthodologie a permis pour définir mieux les différentes parties du cerveau dans le nouveau-né automatiquement et pour déterminer un benchmark neuf pour ce problème.

« Nous avons décidé non seulement de partager les résultats de notre étude sur la source ouverte, mais également code informatique, de sorte que les chercheurs de cerveau partout puissent tirer profit de lui, qui bénéficie des patients, » a indiqué Dolz.

CHU Sainte-Justine est l'un des lecteurs les plus importants dans la plate-forme néonatale canadienne de cerveau et a également un des plus grands éléments néonataux au Canada se spécialisant dans le neurodevelopment. En tant qu'élément de la plate-forme, les équipes de recherche mettent en application des projets comme celui-ci dans le but d'améliorer la santé à long terme de ces nouveaux-nés qui sont les plus vulnérables à la lésion cérébrale.

« Dans les études pour évaluer le choc positif et négatif de différents traitements sur la maturation des cerveaux des bébés, nous devons avoir la capacité de mesurer des structures cérébrales avec certitude et fiabilité, » Lodygensky a dit. « En offrant à la communauté scientifique les fruits de toutes nos découvertes, nous les aidons, tout en produisant d'un avantage extraordinaire pour les nouveaux-nés à risque. »

Il a ajouté : « Nous voulons maintenant démocratiser cet outil de sorte que ce devienne le benchmark pour l'étude de la structure cérébrale dans les nouveaux-nés autour du monde. À cet effet, nous continuons à travailler à son generalizability - c.-à-d., son utilisation sur des caractéristiques d'IRM acquises dans différents hôpitaux. »

Source:
Journal reference:

Ding, Y., et al. (2020) Using Deep Convolutional Neural Networks for Neonatal Brain Image Segmentation. Frontiers in Neuroscience. doi.org/10.3389/fnins.2020.00207.