Vous êtes ici : Accueil > Actualités > Une reconstruction d’images améliorée grâce à l’apprentissage profond et au détecteur ClearMind

Découvertes et avancées | Résultat scientifique | Tomographie par émission de positons | Caractérisation | Physique des particules | Intelligence artificielle

TEP

Une reconstruction d’images améliorée grâce à l’apprentissage profond et au détecteur ClearMind


​​À l'aide d'un algorithme innovant de deep learning, des chercheurs de la Direction des énergies du CEA (Isas) et de la DRF (Irfu et Joliot) ont amélioré la localisation des interactions des photons gamma dans le détecteur développé dans le cadre du projet ClearMind. Un pas vers une imagerie TEP plus robuste et plus précise.
Publié le 5 novembre 2024

La tomographie par émission de positons (TEP) est une technique d'imagerie essentielle pour le diagnostic en oncologie, en neurologie et en cardiologie. Mais comment aller plus loin en matière de résolution spatiale ?

La question est complexe… comme l'est l'imagerie. En effet, le radiopharmaceutique (radioactif) injecté au patient n'est pas détecté directement. Il se désintègre en émettant un positon qui, après un court trajet dans l'organisme, s'annihile avec son antiparticule (un électron) en produisant simultanément deux photons gamma, se propageant dos à dos. Pour réaliser la double détection de photons gamma en coïncidence, une couronne de capteurs est disposée tout autour du patient. Il faut donc non seulement localiser avec soin les interactions des photons gamma avec le matériau sensible (le scintillateur), mais aussi les dater le plus précisément possible.

Substituer aux détecteurs pixellisés des monocristaux scintillants

Dans un projet récent (ClearMind), des physiciens de l'Irfu ont proposé de substituer au détecteur pixellisé classique d'un capteur TEP, un matériau scintillant utilisé en physique des particules : un monocristal de tungstate de plomb PbWO4. Après avoir absorbé un photon gamma, le scintillateur émet de la lumière bleue par effet Cherenkov, ainsi que des photons de scintillation, également dans le domaine visible. Grâce à un couplage optimisé entre le cristal et le photodétecteur, les chercheurs piègent et détectent rapidement les rares photons Cherenkov, puis les photons de scintillation, émis plus tardivement. Ils projettent d'abaisser la résolution temporelle du capteur en dessous de 100 picosecondes (10-12 s). Les photons Cherenkov portent l'information temporelle et les photons de scintillation, l'information spatiale. Ensemble, ils permettent de reconstruire, avec davantage de précision qu'auparavant, les interactions des photons gamma avec le scintillateur.

Une reconstruction plus robuste et plus précise

C'est à cette tâche que s'est attelé un consortium de chercheurs de DRF-Irfu, de DRF-Joliot (SHFJ) et de DES-Isas. Ils ont développé une méthode innovante de deep learning pour améliorer la localisation des interactions des photons gamma dans les scintillateurs issus du projet ClearMind. 

Plus précisément, ils ont utilisé un réseau de neurones à densité (Density Neural Network), entraîné sur des simulations détaillées du détecteur. La « fonction de coût » guidant l'apprentissage du réseau de neurones intègre les contraintes des effets des bords du détecteur, ainsi qu'une estimation de l'incertitude inhérente au processus de reconstruction. Ils sont ainsi parvenus à un relevé plus fiable et précis des coordonnées spatiales des interactions gamma pour l'imagerie TEP.

Leur méthode ouvre la voie à une imagerie médicale plus précise et fiable en lien avec l'IA de confiance et pourrait s'appliquer à l'analyse de données d'autres capteurs complexes.



Haut de page