A Hybrid Unet-gnn Architecture For Enhanced Medical Image Segmentation

Résumé: La délimitation précise des tumeurs cérébrales à partir des données d’imagerie par ré- sonance magnétique (IRM) est cruciale pour la planification efficace du traitement et le suivi de la maladie. Cette thèse propose une nouvelle approche computationnelle pour la segmentation des tumeurs cérébrales qui combine les forces des réseaux neuronaux convo- lutionnels (CNN) et des réseaux neuronaux graphiques (GNN). Le modèle hybride proposé intègre une architecture U-Net CNN avec des GNN afin de tirer parti de leurs capacités complémentaires : la capacité du U-Net à capturer les motifs spatiaux locaux et l’aptitude des GNN à modéliser les dépendances à longue portée et les informations relationnelles. Des expériences approfondies sur les ensembles de données du défi de segmentation des tumeurs cérébrales BraTS 2020 ont démontré le potentiel de la méthodologie proposée. Comparé au modèle U-Net de base, l’intégration des GNN a conduit à des améliora- tions substantielles de la précision de segmentation, incluant une augmentation de 2,63% du coefficient de similarité de Dice pour la région tumorale complète, une amélioration de 2,18% pour le noyau de la tumeur, et une impressionnante amélioration de 3,71% pour la délimitation de la région de la tumeur en rehaussement. Ces résultats soulignent l’efficacité de la combinaison des architectures CNN et GNN pour capitaliser sur leurs forces complémentaires afin de faire progresser la segmentation des images de tumeurs cérébrales. L’approche proposée fournit un cadre pour définir précisément les limites et les sous-régions des tumeurs, en utilisant les ressources computationnelles pour permet- tre une quantification et une caractérisation plus précises de la morphologie des tumeurs. Cela peut finalement aider à la prise de décisions cliniques et à la planification du traite- ment tout en contribuant aux efforts continus pour développer des techniques robustes et automatisées de segmentation des tumeurs cérébrales.

Publié dans la revue: