A Unified Model for Highly Accurate ECG-Free Dynamic Coronary Roadmapping Using Spatio-Temporal Transformers

Résumé Technique : Un modèle unifié pour une cartographie dynamique coronaire sans ECG et de haute précision utilisant des Transformers spatio-temporels

Problématique

L'intervention coronaire percutanée (ICP) repose sur des injections répétées d'agents de contraste iodés pour visualiser les artères coronaires et guider les dispositifs interventionnels. Cette pratique augmente l'exposition aux radiations et le risque de néphropathie induite par le contraste, particulièrement chez les patients présentant une insuffisance rénale. La cartographie dynamique coronaire (DRM - Dynamic Coronary Roadmapping) offre une solution en superposant une carte de vaisseaux angiographiques précalculée sur la fluoroscopie en direct, réduisant ainsi le besoin d'injections de contraste répétées.

Cependant, une DRM précise nécessite un appariement de la phase cardiaque rigoureux entre la séquence angiographique et la fluoroscopie en direct, ainsi qu'un suivi de l'extrémité du cathéter fiable pour la compensation du mouvement. Les méthodes existantes font face à des limitations significatives :

• Dépendance à l'ECG : De nombreuses approches reposent sur des signaux ECG pour l'alignement de phase, lesquels ne sont pas toujours disponibles ou fiables en milieu clinique.
• Charge d'annotation : Les méthodes d'apprentissage profond basées sur l'image nécessitent souvent des annotations manuelles denses et étendues (ex: masques de cathéter) pour apprendre les indices de mouvement, ce qui est laborieux et coûteux.
• Complexité modulaire : Les travaux antérieurs traitent généralement l'appariement de phase et le suivi du cathéter à l'aide de modèles distincts, ce qui augmente la complexité computationnelle et entrave les performances en temps réel.
• Décalage de domaine : Les modèles préentraînés sur des images naturelles échouent souvent à capturer les dynamiques inter-images subtiles spécifiques au mouvement cardiaque dans l'imagerie de rayons X.

Méthodologie

Les auteurs proposent un cadre de travail DRM unifié qui réalise simultanément l'appariement de la phase cardiaque et le suivi de l'extrémité du cathéter sans nécessiter de signaux ECG lors de l'inférence. L'approche est structurée en trois étapes principales :

1. Préentraînement spatio-temporel :

   • Un encodeur transformer spatio-temporel à grande échelle est préentraîné sur 16 millions de frames provenant de jeux de données angiographiques et de fluoroscopie non étiquetés.
   • Ce préentraînement permet au modèle d'apprendre des dynamiques de mouvement cardiaque fines et des représentations de caractéristiques robustes spécifiques au domaine médical, répondant ainsi aux limites des modèles entraînés sur des images naturelles.

2. Pipeline d'entraînement unifié :

   • Architecture : Le modèle utilise un encodeur spatio-temporel partagé pour extraire les caractéristiques des séquences angiographiques et de fluoroscopie. Ces caractéristiques sont traitées par un CNN léger pour produire des plongements (embeddings) au niveau de la frame, qui sont ensuite combinés avec des encodages positionnels apprenables et transmis à des couches d'auto-attention multi-têtes (MHA).
   • Tâches auxiliaires : Pour stabiliser l'entraînement et éliminer le besoin d'annotations étendues de masques de cathéter, le modèle emploie deux tâches auxiliaires :
     • Détection de l'onde R de l'ECG : Une tâche de classification binaire prédisant les ondes R pour fournir un indice temporel clair mais parcimonieux pour la phase cardiaque.
     • Suivi de l'extrémité du cathéter : Une tâche de régression de carte de chaleur (heatmap). Puisque les annotations complètes sont rares, les auteurs utilisent un modèle HiFT (Historical Feature Guided Tracker) préentraîné pour générer des pseudo-étiquettes pour les frames non annotées.
   • Fonction de perte : La perte totale est une somme pondérée de la perte de détection de l'onde R (entropie croisée binaire pondérée de manière adaptative), de la perte d'appariement de la phase cardiaque (perte de triplet) et de la perte de suivi de l'extrémité du cathéter (perte Dice).

3. Stratégie d'inférence :

   • Phase hors ligne : Un modèle de détection de contraste identifie un cycle cardiaque dans la séquence angiographique. Une fenêtre temporelle de 10 frames est utilisée pour précalculer et stocker les plongements angiographiques et les cartes de vaisseaux (roadmaps).
   • Phase en ligne : Une fenêtre glissante de 10 frames de fluoroscopie est traitée en temps réel. Le modèle calcule les plongements pour la frame actuelle et les fait correspondre à tous les plongements angiographiques stockés via une similitude cosinus.
   • Vote majoritaire : Pour renforcer la robustesse, une stratégie de post-traitement par vote majoritaire agrège les prédictions de la fenêtre temporelle. Cela génère un score de confiance basé sur la fréquence de vote, qui est corrélé à l'erreur d'appariement de phase.

Contributions clés

• Premier préentraînement spatio-temporel pour la DRM : Ce travail introduit la première utilisation d'un encodeur spatio-temporel préentraîné sur 16 millions de frames médicales pour la compensation du mouvement cardiaque dans la DRM, atteignant des performances d'appariement de phase supérieures aux méthodes existantes.
• Cadre unifié efficace en annotations : En intégrant la détection de l'onde R de l'ECG et le suivi de l'extrémité du cathéter (utilisant des pseudo-étiquettes) comme tâches auxiliaires, le modèle atteint une convergence stable sans nécessiter d'annotations manuelles étendues de masques de cathéter.
• Architecture unifiée en temps réel : La conception réalise conjointement l'appariement de phase et le suivi du cathéter dans un seul modèle, réduisant considérablement la latence d'inférence par rapport aux approches séquentielles en deux étapes.
• Post-traitement sensible à la confiance : La stratégie de vote majoritaire améliore non seulement la robustesse, mais fournit également un score de confiance qui est inversement corrélé à l'erreur d'appariement de phase, offrant un mécanisme pratique d'estimation de l'incertitude en milieu clinique.

Résultats

Des évaluations exhaustives sur des jeux de données cliniques de rayons X démontrent les points suivants :

• Précision de l'appariement de phase : La méthode proposée atteint des performances de pointe avec une erreur de distance moyenne de 56,31 ms (4,38 % du cycle cardiaque) et un écart-type de 0,66 frame. Elle surpasse les modèles de référence utilisant des CNN préentraînés sur ImageNet, DINOv2 et les approches précédentes basées sur la perte de triplet (AIT).
• Robustesse : Le modèle maintient une erreur de distance inférieure à une frame pour environ 82 % des cas de test. Le score de confiance prédit efficacement l'amplitude de l'erreur ; les prédictions avec des scores de confiance élevés (>0,8) présentent des erreurs médianes proches de zéro.
• Suivi du cathéter : Sous initialisation automatique, le modèle unifié atteint une erreur de suivi moyenne de 1,58 mm, ce qui est statistiquement comparable à la référence HiFT (1,45 mm) qui nécessite une initialisation manuelle, malgré le recours du modèle unifié aux pseudo-étiquettes.
• Efficacité : La formulation unifiée en une seule étape améliore considérablement le débit, opérant jusqu'à 84 fps pour les backbones basés sur les CNN, contre environ 20 fps pour les pipelines séquentiels en deux étapes.

Signification et affirmations

L'article affirme que ce travail représente une étape importante vers une cartographie dynamique coronaire entièrement automatisée, en temps réel et pratique. En exploitant un préentraînement spatio-temporel à grande échelle et des tâches auxiliaires soigneusement conçues, le cadre réduit avec succès la dépendance vis-à-vis des données étiquetées étendues et des signaux ECG externes.

Les auteurs soulignent que leur approche :

1. Se généralise mieux à travers diverses conditions d'imagerie et de mouvements cardiaques par rapport aux modèles préentraînés sur des images naturelles.
2. Permet un déploiement clinique en fournissant un score de confiance qui permet aux opérateurs d'évaluer la fiabilité de la sortie du système.
3. Équilibre précision et efficacité, offrant une solution unifiée qui est à la fois très précise et informatiquement efficace, ce qui la rend adaptée à une intégration dans les flux de travail interventionnels en direct.

L'article conclut avec modestie, reconnaissant que bien que l'erreur moyenne soit faible, des cas aberrants persistent dans des situations difficiles (ex: angles de vue extrêmes ou rognage partiel des vaisseaux). Les travaux futurs pourraient nécessiter des stratégies de robustesse supplémentaires, telles que des tâches auxiliaires additionnelles (ex: détection de guide) ou une optimisation multi-tâche plus avancée, pour combler l'écart restant vers un déploiement clinique totalement fiable.