Publié le 2025-12-23 22:02:00. Une nouvelle approche d’apprentissage profond améliore significativement la précision de l’estimation de la densité électronique relative en tomodensitométrie à double énergie, ouvrant la voie à des calculs de dose plus précis et à une meilleure différenciation des matériaux en imagerie médicale.
- Un modèle d’apprentissage profond (DL) a réduit l’erreur absolue moyenne (MAE) pour l’estimation du numéro atomique effectif (EAN) à 0,08 %, surpassant les méthodes conventionnelles.
- L’estimation de la densité électronique relative (RED) obtenue grâce à cette méthode DL affiche une MAE de 0,62 % et une linéarité accrue par rapport aux approches traditionnelles.
- Cette avancée pourrait améliorer la précision des calculs de dose et la différenciation des tissus dans les applications cliniques futures.
Des chercheurs ont développé une nouvelle méthode basée sur l’apprentissage profond (DL) pour affiner l’estimation de la densité électronique relative (RED) en tomodensitométrie à double énergie (DECT). La DECT est une technique d’imagerie qui utilise deux niveaux d’énergie de rayons X pour identifier et quantifier les matériaux en fonction de leur composition atomique. L’amélioration de la précision de la RED est cruciale pour des applications telles que la planification de radiothérapie et la caractérisation des matériaux.
L’étude a utilisé un détecteur de comptage de photons de paillasse pour acquérir des images spectrales d’un fantôme équivalent à un tissu. Un réseau neuronal U-Net modifié a ensuite été entraîné sur des données synthétiques afin de prédire directement le numéro atomique effectif (EAN) des tissus. Ces EAN prédits ont été convertis en RED à l’aide d’un modèle basé sur des principes physiques. Les performances du modèle ont été évaluées sur huit matériaux différents, en comparant les résultats aux méthodes de Rutherford et stœchiométriques traditionnelles.
Les résultats démontrent une nette amélioration de la précision. Le modèle DL a atteint un MAE de 0,08 % pour l’EAN, comparativement à 1,59 % pour la méthode de Rutherford et 1,54 % pour l’approche stœchiométrique. Pour l’estimation de la RED, le modèle DL a obtenu un MAE de 0,62 %, avec des résidus très faibles (entre -0,01 et 0,02) par rapport aux valeurs théoriques. L’analyse d’étalonnage a révélé une linéarité élevée pour les courbes ΔHU-RED conventionnelles (R² ≈ 0,9995), mais la méthode basée sur DL a affiché une linéarité encore supérieure (R² = 0,9998).
Cette étude, menée sur un fantôme, suggère que l’approche DL améliore non seulement la précision de l’estimation de la RED, mais aussi la linéarité de la relation entre les unités Hounsfield (HU) et la RED. Cette amélioration de la linéarité pourrait faciliter la différenciation des matériaux et contribuer à des calculs de dose plus précis dans les futures applications cliniques de la DECT.