L’utilisation de cartes de probabilité tissulaires personnalisées et de modèles pour améliorer la précision de l’analyse des images cérébrales chez les patients atteints d’hydrocéphalie à pression normale idiopathique

Contexte académique

L’hydrocéphalie à pression normale idiopathique (Idiopathic Normal Pressure Hydrocephalus, iNPH) est une maladie neurologique courante qui se manifeste principalement par des troubles de la marche, un déclin cognitif et une incontinence urinaire. L’une des caractéristiques neuroradiologiques de l’iNPH est l’hydrocéphalie avec élargissement disproportionné de l’espace sous-arachnoïdien (Disproportionately Enlarged Subarachnoid Space Hydrocephalus, DESH), c’est-à-dire une dilatation marquée des ventricules et de la fissure sylvienne, accompagnée d’un rétrécissement de l’espace du liquide céphalo-rachidien (LCR) au niveau de la convexité supérieure. Ces changements morphologiques posent d’importants défis pour l’analyse statistique et la segmentation des images cérébrales des patients atteints d’iNPH, en particulier lors de l’utilisation de logiciels traditionnels de cartographie statistique paramétrique (comme SPM12), où des erreurs de segmentation des tissus cérébraux et une normalisation spatiale imprécise sont fréquentes.

Pour résoudre ces problèmes, les chercheurs ont développé la Boîte à outils d’anatomie computationnelle (Computational Anatomy Toolbox, CAT12), qui utilise une technique de probabilité a posteriori maximale adaptative (Adaptive Maximum A Posteriori, AMAP) pour la segmentation des tissus cérébraux, permettant de mieux gérer les variations locales d’intensité. Cependant, les paramètres par défaut de CAT12 peuvent ne pas convenir à tous les groupes de patients, en particulier ceux atteints d’iNPH. Par conséquent, cette étude vise à développer et valider des cartes de probabilité tissulaires (Tissue Probability Maps, TPMs) et des modèles personnalisés pour les patients atteints de DESH, afin d’améliorer la précision de la segmentation des images cérébrales et de la normalisation spatiale.

Source de l’article

Cet article a été rédigé par Shigenori Kanno et son équipe, composée de membres du Département de neurologie comportementale et des neurosciences cognitives de l’Université de Tohoku, du Département de neurologie de l’Université de Tokyo, du Département de technologie radiologique du Centre médical de Miyagi Sud, entre autres institutions. L’article a été publié en 2024 dans la revue Fluids and Barriers of the CNS, sous le titre The utility of customised tissue probability maps and templates for patients with idiopathic normal pressure hydrocephalus: a computational anatomy toolbox (CAT12) study.

Processus de recherche

1. Inclusion et regroupement des participants

L’étude a inclus 298 patients atteints d’iNPH et 25 témoins sains (Healthy Controls, HCs). Tous les patients répondaient aux critères de diagnostic des lignes directrices cliniques japonaises pour l’iNPH et avaient subi une IRM cérébrale. L’étude était divisée en deux parties principales : la phase de développement et la phase de validation.

• Phase de développement : Parmi les 298 patients, 169 ont été sélectionnés pour créer des DESH-TPM et des modèles DESH personnalisés. Ces images ont été traitées par segmentation avec CAT12, et finalement, 114 images de patients ont été utilisées pour générer les DESH-TPM et modèles finaux.
• Phase de validation : Les images des 38 patients restants ont été utilisées pour valider l’efficacité des DESH-TPM et des modèles. Parallèlement, les images des 25 témoins sains ont servi de référence.

2. Développement des DESH-TPM et modèles personnalisés

Lors de la phase de développement, les chercheurs ont d’abord utilisé CAT12 pour segmenter les images cérébrales des 169 patients, générant des images de matière grise, matière blanche, LCR, os et tissus mous. Ensuite, un modèle DESH préliminaire et des TPM ont été créés à l’aide de l’algorithme DARTEL (Diffeomorphic Anatomical Registration Through Exponentiated Lie Algebra). Pour faire face à la diversité morphologique du cerveau des patients atteints d’iNPH, les chercheurs ont également créé un masque pour étendre les régions des ventricules et de la fissure sylvienne, suivi d’un lissage par filtre gaussien.

3. Validation de l’efficacité des DESH-TPM et modèles

Lors de la phase de validation, les chercheurs ont comparé la précision de la segmentation cérébrale et de la normalisation spatiale sous trois conditions : - Condition personnalisée : Utilisation des DESH-TPM et des modèles DESH pour la segmentation et la normalisation. - Condition standard : Utilisation des paramètres par défaut de CAT12 pour la segmentation et la normalisation. - Condition de référence : Utilisation des paramètres par défaut de CAT12 pour segmenter et normaliser les images des témoins sains.

4. Analyse des données et résultats

Les chercheurs ont calculé les taux de concordance de normalisation des images de matière grise et de matière blanche à l’aide de l’algorithme de similarité structurelle 3D (3D-SSIM) et ont évalué les types d’erreurs lors de la segmentation. Les principaux types d’erreurs incluaient : - Erreur 1 : Identification erronée de la dure-mère et/ou des structures extradurales comme tissus cérébraux. - Erreur 2 : Identification erronée des zones d’hypointensité de la matière blanche (White Matter Hypointensity, WMH) comme matière grise. - Erreur 3 : Déficits dans les images du LCR.

Principaux résultats

1. Taux d’erreurs de segmentation

• Erreur 1 : Sous condition personnalisée, le taux d’erreur était de 10,5 % ; sous condition standard, de 44,7 % ; et sous condition de référence, de 13,6 %. La condition personnalisée a significativement réduit le taux d’identification erronée de la dure-mère et des structures extradurales.
• Erreur 2 : Sous condition personnalisée, le taux d’erreur était de 18,4 % ; sous condition standard, de 42,1 % ; et sous condition de référence, de 0 %. La condition personnalisée a significativement amélioré la précision de l’identification des WMH.
• Erreur 3 : Sous condition personnalisée, le taux d’erreur était de 97,4 % ; sous condition standard, de 84,2 % ; et sous condition de référence, de 28 %. La condition personnalisée n’a pas significativement amélioré la précision de la segmentation des images du LCR.

2. Précision de la normalisation spatiale

La condition personnalisée a montré les taux de concordance de normalisation les plus élevés pour les images de matière grise et de matière blanche, en particulier dans la région de la convexité supérieure. Sous condition standard, les images de matière grise présentaient un décalage notable dans la région de la convexité supérieure, tandis que la précision de la normalisation sous condition de référence se situait entre les deux.

Conclusion et signification

Cette étude démontre que l’utilisation de DESH-TPM et de modèles DESH personnalisés peut significativement améliorer la précision de la segmentation de la matière grise et de la matière blanche dans les images cérébrales des patients atteints d’iNPH, en particulier dans la région de la convexité supérieure. Cependant, la condition personnalisée n’a pas amélioré la précision de la segmentation des images du LCR, probablement en raison de l’hétérogénéité de l’intensité du LCR dans les scanners IRM à haut champ magnétique. Les recherches futures devront développer des algorithmes pour surmonter ce défi.

Points forts de l’étude

• Innovation : Cette étude est la première à développer des TPM et des modèles personnalisés pour les patients atteints d’iNPH, améliorant significativement la précision de la segmentation cérébrale et de la normalisation spatiale.
• Valeur pratique : Cette recherche fournit de nouveaux outils pour l’analyse des images cérébrales des patients atteints d’iNPH, facilitant un diagnostic et une évaluation thérapeutique plus précis.
• Limites : La condition personnalisée n’a pas amélioré la précision de la segmentation des images du LCR, nécessitant une optimisation future des algorithmes.

Autres informations pertinentes

Les chercheurs ont également constaté que lors de l’utilisation de scanners IRM à haut champ magnétique (comme le Siemens Magnetom Vida 3T), l’intensité du LCR dans la région de la convexité supérieure était significativement plus faible, tandis qu’elle était plus élevée dans la région de la base du crâne. Cette hétérogénéité d’intensité pourrait être la principale cause des erreurs de segmentation des images du LCR. Les recherches futures viseront à développer de nouveaux algorithmes pour remédier à cette lacune.

---

Grâce à cette étude, les chercheurs ont fourni de nouvelles solutions pour l’analyse des images cérébrales des patients atteints d’iNPH. Bien que certains défis subsistent, ces résultats jettent des bases importantes pour les recherches futures et les applications cliniques.