Segmentation automatique de la moelle épinière sur des images de résonance magnétique par propagation de modèles déformables

Les lésions de la moelle épinière, induites par des traumas (e.g. accident de la route) ou par des maladies neurodégénératives, touchent plus 85 000 personnes au Canada avec environ 4250 nouveaux cas chaque année1. Elles ont de plus un impact majeur sur la vie quotidienne des personnes atteintes, en provoquant des pertes de sensibilité et de contrôle moteur dont la gravité dépend de la taille et de l'emplacement des lésions. Bien qu'il existe des approches thérapeutiques permettant d'améliorer la réhabilitation fonctionnelle des patients, toutes ces approches se heurtent à une inconnue majeure : l'étendue des dégâts causés par les lésions. Un diagnostic précoce et précis des maladies neurodégénératives touchant la moelle épinière permettrait d'améliorer grandement l'efficacité de leurs traitements. Depuis de nombreuses années, l'IRM a prouvé son potentiel dans le diagnostic et le pronostic des lésions de la moelle épinière (Cadotte, 2011; Cohen-Adad et al., 2011). Ce domaine manque cependant encore d'outils complètement automatisés permettant l'extraction et la comparaison de métriques cliniques reliées à la structure de la moelle (aire de section transverse, volume, etc.). La segmentation de la moelle épinière sur des images IRM anatomiques peut fournir des mesures d'aires et de volumes de la moelle (Losseff et al., 1996) et peut quantifier son atrophie en cas de maladies neurodégénératives telles que la sclérose en plaques (Chen et al., 2013) et la sclérose latérale amyotrophique (Cohen-Adad et al., 2011). Ce projet de maîtrise vise à développer une méthode de segmentation complètement automatique de la moelle épinière, fonctionnant sur plusieurs types d'images IRM (pondérées en T1 et en T2) et sur n'importe quel champ de vue (cervical ou thoracique), et permettant d'extraire et de comparer des mesures précises de la moelle épinière. La revue de la littérature a permis de mettre en évidence le manque de méthode de segmentation automatique de la moelle épinière fonctionnant sur n'importe quel type de contraste et de champ de vue. Elle a toutefois fait ressortir une série de propriétés intéressantes, dans les méthodes semi-automatiques existantes, pouvant être combinées pour former une méthode complètement automatisée.