Analyse d'images spatio-temporelles dans la Sclérose en Plaques

Christian Barillot (1) , Yogesh Karpate (1) , Alessandro Crimi (1) , Olivier Commowick (1)

1 VisAGeS - Vision, Action et Gestion d'informations en Santé

L'Imagerie par résonance magnétique (IRM) a émergé comme un puissant outil de diagnostic non invasif et de description de l'histoire naturelle des pathologies cérébrales. Ceci est particulièrement le cas dans le contexte de la Sclérose en Plaques (SEP), pour le suivi cette maladie et de son traitement. L'IRM fournit des informations au niveau macroscopique, mais manque de sensibilité et de spécificité dans l'identification de l'étendue de la pathologie sous-jacente. Avec l'avènement de médicaments modificateurs de la maladie, le développement de marqueurs IRM robustes et spécifiques pour caractériser la pathologie au cours du temps devient un besoin crucial. Nous décrivons ici comment l'analyse de données IRM longitudinales associée à des descripteurs d'imagerie, peut permettre de mettre en évidence des formes spécifiques de la maladie, dès son commencement, et ainsi de mieux adapter les traitements en fonction du caractère prédictif ainsi mis en évidence.

Mots clés: Apprentissage automatique; Analyse d'images longitudinales; Neurosciences cliniques; Imagerie biomédicale; Traitement de l'image; Apprentissage automatique.

Domaines: Vision par ordinateur et reconnaissance de formes [cs.CV]

Christian Barillot, Yogesh Karpate, Alessandro Crimi, Olivier Commowick. Analyse d'images spatio-temporelles dans la Sclérose en Plaques. Reconnaissance de Formes et Intelligence Artificielle (RFIA) 2014, Jun 2014, Rouen, France. ⟨hal-00988875⟩