Avancées dans la technologie de l'IRM fœtale
L'IRM fœtale améliore la détection des problèmes de développement chez les bébés à naître.
― 8 min lire
Table des matières
- Comment ça marche l’IRM fœtale
- L'importance des images détaillées
- Mouvement dans l'IRM fœtale
- Pratiques actuelles en IRM fœtale
- Segmentation automatisée
- Création d'un atlas des organes
- Entraînement de l'algorithme
- Création de courbes de croissance pour un développement normal
- Comparaison entre développement normal et anormal
- Directions futures
- Conclusion
- Source originale
L'IRM fœtale est un outil super utile pour obtenir des images détaillées d'un bébé en développement dans le ventre. Ça bosse avec d'autres techniques comme l'échographie pour donner une idée plus claire de comment le bébé grandit et s'il y a des soucis potentiels. Un des gros avantages de l'IRM, c'est qu'elle nous permet d'avoir une vue en trois dimensions du corps du bébé, ce qui aide les docs à mieux voir les organes et à déceler d'éventuelles anomalies.
Comment ça marche l’IRM fœtale
L'IRM fœtale prend des photos du bébé avec des aimants puissants et des ondes radio. Les images qu'elle fournit offrent une compréhension plus profonde du développement du bébé. L'échographie traditionnelle peut être limitée en termes de détails et des angles sous lesquels on peut prendre des images. Par contre, l'IRM peut créer des images plus nettes et même montrer des détails sur la taille des différents organes.
L'importance des images détaillées
Voir les organes d'un bébé en format 3D est essentiel pour diagnostiquer des soucis. Par exemple, les docs peuvent mesurer la taille des organes comme les poumons, le cœur, le foie et les reins. Des mesures précises aident à suivre la croissance et le développement du bébé, s'assurant qu'il se développe normalement. S'il y a des inquiétudes, comme si le bébé est plus petit que prévu, les docs peuvent prendre des mesures pour surveiller la situation de près.
Mouvement dans l'IRM fœtale
Un des défis pour prendre des images claires du bébé avec l'IRM, c'est le mouvement. Les bébés bougent, et ça peut brouiller les images, rendant difficile d'obtenir une image précise. Pour ça, les chercheurs ont développé des méthodes qui peuvent corriger le mouvement, permettant d'avoir des images plus nettes. Ces techniques avancées améliorent la qualité des images et aident les médecins à faire de meilleures évaluations.
Pratiques actuelles en IRM fœtale
Actuellement, il n'y a pas de méthodes standard largement acceptées pour diviser les différents organes dans les images d'IRM fœtale. Différentes études utilisent diverses approches selon les objectifs spécifiques de leur recherche. Cette absence d'uniformité peut mener à des incohérences dans la façon dont les infos sont rapportées. Beaucoup de professionnels s'appuient sur leur expérience et adaptent leurs méthodes à leurs besoins particuliers.
Dans les pratiques traditionnelles, mesurer les tailles des organes dans les IRM implique souvent de tracer les organes manuellement sur des coupes bidimensionnelles. Cette méthode prend du temps et peut mener à des erreurs à cause des différences d'interprétation des images par différents médecins. Avec les dernières avancées technologiques, on cherche à automatiser ce processus pour le rendre plus rapide et fiable.
Segmentation automatisée
Des études récentes ont commencé à utiliser des méthodes automatisées pour identifier et segmenter les organes dans les images d'IRM fœtale. Ça implique d'utiliser des algorithmes informatiques capables d'apprendre à reconnaître les différents organes en se basant sur des exemples précédents. En entraînant ces algorithmes, les chercheurs espèrent créer des outils qui peuvent segmenter avec précision les organes dans de nouvelles images sans nécessiter autant de travail manuel.
Cette automatisation permet non seulement de gagner du temps, mais aussi de réduire les risques d'erreur humaine. Ça peut rendre le processus d'analyse des données d'IRM fœtale plus efficace, permettant aux prestataires de soins de se concentrer davantage sur le soin aux patients plutôt que sur une analyse d'images qui dure longtemps.
Création d'un atlas des organes
Un atlas du corps fœtal normal a été créé à partir d'images de bébés en bonne santé. Ce modèle moyen aide les médecins à comprendre l'apparence typique et la taille des organes à différents stades de la grossesse. L'atlas peut servir de point de référence pour comparer le développement des bébés individuels.
En ayant cette image moyenne, les professionnels de la santé peuvent mieux identifier ce qui est normal et ce qui pourrait indiquer un problème. Par exemple, si le cœur ou les poumons d'un bébé sont significativement plus petits que ce qui est montré dans l'atlas, ça peut inciter à une enquête plus approfondie.
Entraînement de l'algorithme
Pour développer des méthodes automatisées de segmentation des organes, les chercheurs ont collecté un ensemble de données d'images d'IRM fœtales et les ont organisées pour l'entraînement. Ils ont défini les différents organes dans les images, ce qui a aidé l'ordinateur à apprendre à identifier et à segmenter ces zones dans de nouvelles images automatiquement.
Le processus d'entraînement consiste à utiliser de nombreuses images pour enseigner à l'algorithme à quoi ressemblent des organes sains. Plus l'algorithme a d'exemples, mieux il devient pour reconnaître les organes avec précision. Après l'entraînement, on peut tester l'algorithme sur de nouvelles images pour voir combien il performe par rapport aux méthodes traditionnelles.
Création de courbes de croissance pour un développement normal
Avec l'aide de la segmentation automatisée, les chercheurs peuvent créer des courbes de croissance qui montrent comment les organes fœtaux se développent typiquement avec le temps. Ces courbes sont essentielles pour suivre si les organes d'un bébé grandissent au rythme attendu. Elles servent de guides visuels qui aident les prestataires de soins à comparer rapidement le développement d'un bébé par rapport aux normes établies.
Avec ces courbes de croissance, les médecins peuvent plus facilement repérer quand un bébé pourrait être à risque, comme ceux diagnostiqués avec des conditions comme la restriction de croissance fœtale. Ça signifie que les docs peuvent intervenir plus tôt si nécessaire, ce qui améliore les résultats pour le bébé.
Comparaison entre développement normal et anormal
En utilisant la méthode de segmentation automatisée, les chercheurs ont aussi examiné les différences de taille des organes entre les fœtus en développement normal et ceux avec des restrictions de croissance. Cette comparaison aide à identifier quels organes pourraient être affectés par des schémas de croissance anormaux. Comprendre ces différences peut guider de nouvelles investigations et interventions.
Dans les études, des différences significatives ont été trouvées dans les tailles des organes entre les cas normaux et ceux avec des restrictions de croissance. Ça confirme l'utilité des méthodes automatisées pour identifier des problèmes de santé potentiels.
Directions futures
Le développement de la segmentation automatisée et la création de courbes de croissance des organes représentent un pas en avant significatif dans l'imagerie fœtale. Bien que cette technologie soit encore en évolution, les travaux futurs pourraient se concentrer sur l'affinement des processus de segmentation pour inclure plus d'organes.
De plus, les chercheurs pourraient explorer l'impact de divers facteurs comme la santé maternelle, la génétique et les influences environnementales sur le développement fœtal. Ça pourrait mener à des approches plus adaptées pour surveiller les grossesses et aborder les problèmes potentiels.
L'objectif est d'avoir un système complet et précis pour analyser l'IRM fœtale qui peut être largement adopté. Un tel système ne ferait pas seulement améliorer la qualité des soins pour les futures mamans, mais aiderait aussi à maintenir la santé de leurs bébés.
Conclusion
L'IRM fœtale est un outil puissant pour surveiller la croissance et le développement des bébés à naître. Les avancées dans les techniques d'imagerie, en particulier avec l'utilisation de méthodes de segmentation automatisées, simplifient le processus d'analyse de ces images. En créant des courbes de croissance moyennes et en les comparant avec des fœtus ayant des restrictions de croissance, les prestataires de soins peuvent offrir de meilleurs soins.
Le travail en cours dans ce domaine continue de repousser les limites de ce qui est possible dans l'imagerie prénatale. Avec chaque avancée, il y a un potentiel pour de meilleurs résultats pour les mamans et leurs bébés, rendant l'avenir des soins de santé fœtale prometteur.
Titre: 3D T2w fetal body MRI: automated organ volumetry, growth charts and population-averaged atlas
Résumé: Structural fetal body MRI provides true 3D information required for volumetry of fetal organs. However, current clinical and research practice primarily relies on manual slice-wise segmentation of raw T2-weighted stacks, which is time consuming, subject to inter- and intra-observer bias and affected by motion-corruption. Furthermore, there are no existing standard guidelines defining a universal approach to parcellation of fetal organs. This work produces the first parcellation protocol of the fetal body organs for motion-corrected 3D fetal body MRI. It includes 10 organ ROIs relevant to fetal quantitative volumetry studies. We also introduce the first population-averaged T2w MRI atlas of the fetal body. The protocol was used as a basis for training of a neural network for automated organ segmentation. It showed robust performance for different gestational ages. This solution minimises the need for manual editing and significantly reduces time. The general feasibility of the proposed pipeline was also assessed by analysis of organ growth charts created from automated parcellations of 91 normal control 3T MRI datasets that showed expected increase in volumetry during 22-38 weeks gestational age range. In addition, the results of comparison between 60 normal and 12 fetal growth restriction datasets revealed significant differences in organ volumes.
Auteurs: Alena Uus, M. Hall, I. Grigorescu, C. Avena Zampieri, A. Egloff Collado, K. Payette, J. Matthew, V. Kyriakopoulou, J. V. Hajnal, J. Hutter, M. A. Rutherford, M. Deprez, L. Story
Dernière mise à jour: 2023-09-18 00:00:00
Langue: English
Source URL: https://www.medrxiv.org/content/10.1101/2023.05.31.23290751
Source PDF: https://www.medrxiv.org/content/10.1101/2023.05.31.23290751.full.pdf
Licence: https://creativecommons.org/licenses/by/4.0/
Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.
Merci à medrxiv pour l'utilisation de son interopérabilité en libre accès.