French
English
- Participants
J.C. Richard, M. Orkisz, A. Morales Pinzón, L. Bitker
- Collaborations nationales et internationales
Projet C15M04, programme ECOS Nord :
M. Hernández Hoyos (Universidad de los Andes, Bogotá, Colombie)
L. Flórez Valencia (Pontificia Universidad Javeriana, Bogotá, Colombie)
Projet 34852WG, PHC Polonium :
A. Fabijańska (Politechnika Łódzka, Pologne)
- Question
Est-il possible de modifier le pronostic du SDRA en utilisant le scanner thoracique pour adapter les réglages de la ventilation mécanique au profil d’aération individuel des patients ?
- Objectifs
Evaluer le recrutement alvéolaire et les phénomènes de recrutement-dérecrutement intracycle pour chaque réglage du ventilateur sur modèle expérimental puis sur patient. Déterminer le réglage le plus adapté pour chaque individu. Evaluer l’impact sur le pronostic d’une stratégie basée sur le scanner pour adapter les réglages de la ventilation mécanique chez le patient avec SDRA en comparaison avec un groupe contrôle.
- Méthodologie
Segmentation d'images scanner : parenchyme [bib]MORA-17b[/bib], voies respiratoires [bib]LIDA-17[/bib], vaisseaux [bib]ORKI-14[/bib], [bib]RUDY-14[/bib]. Recalage en cascade et hybride [bib]GOME-16[/bib] : niveaux de gris et appariement de graphes [bib]MORA-17a[/bib]. Nouvelle définition du recrutement ramenée à l'échelle du voxel [bib]ORKI-19[/bib].
Le verrou méthodologique principal est la mise au point d’un algorithme de segmentation du poumon en temps réel (de l’ordre de 30 min à 1 h).
- Résultats et illustrations
Sensibilité de 94,3% et précision de 92,8% dans l'appariement de graphes représentant l'arbre bronchique segmenté dans des images à différentes pressions expiratoires
Figure 1. Exemple d'arbres bronchiques segmentés à des pressions expiratoires différentes, et de graphes correspondants à apparier.
Superposition (coefficient de Dice) de 96,3% en moyenne entre les résultats de segmentation automatique, obtenus par la méthode auto-atlas, et les tracés manuels de référence, avec tout de même une moins bonne superposition (81%) dans la zone la moins contrastée en SDRA : le tiers inférieur, proche du diaphragme
Figure 2. Exemple de segmentation 3D de poumons obtenue par la méthode automatique (en rouge, colonnes du milieu et à droite) et manuellement, à l'aide d'un logiciel interactif (colonne de gauche), superposés aux tracés manuels 2D de référence (en vert). A noter la bonne superposition malgré l'absence de contraste.
Possibilité de visualiser le recrutement à l'échelle du voxel, grâce au recalage d'images 3D, et bonne cohérence (coefficient de détermination supérieur à 0,95) entre le recrutement régional et les valeurs du recrutement local intégrées sur la région considérée [bib]ORKI-19[/bib].
Figure 3. Carte de recrutement intra-tidal local 3D superposée à l'image scanner originale d'un sujet avec SDRA expérimental.
- Soutiens financiers
Bernard Dräger award de l’European Society of Intensive Care Medicine - ECCRN 2010 : 15000 Euros.
- Autres publications de l'équipe
- Médicales : [bib]BITK-20a[/bib], [bib]BITK-19b[/bib], [bib]BITK-19[/bib], [bib]RICH-19[/bib], [bib]RICH-14[/bib], [bib]GIRA-14[/bib].
- En traitement d'images : [bib]MORA-16b[/bib], [bib]SOLO-16[/bib], [bib]FLOR-15[/bib], [bib]MORA-14c[/bib], [bib]MORA-14b[/bib], [bib]MORA-14a[/bib].