Deep Learning Reconstruction Combined with Ultra-Low Pitch Scanning: A Synergistic Strategy for Helical Artifact Suppression in Low-Dose Abdominal CT

L'imagerie médicale est confrontée depuis longtemps à un équilibre difficile. Pour voir clairement l'intérieur du corps humain, les médecins comptent sur les scanners à rayons X qui traversent les tissus pour créer une image. Plus l'image est nette, plus il est facile de repérer des problèmes comme des tumeurs ou des inflammations. Cependant, obtenir une image nette nécessite souvent une dose de rayonnement plus élevée, ce qui comporte ses propres risques, en particulier pour les patients qui ont besoin de contrôles fréquents. Inversement, abaisser la dose de rayonnement pour protéger les patients se traduit souvent par des images granuleuses et bruitées où les détails fins se confondent. Dans l'abdomen, ce problème est accentué par la manière dont le scanner se déplace. À mesure que la machine tourne autour du patient, elle progresse en spirale vers l'avant pour capturer l'ensemble du corps. Si cette spirale est trop large ou trop rapide, des lacunes apparaissent dans les données, créant des traînées et des distorsions appelées artefacts hélicoïdaux. Ces traînées peuvent masquer les parois délicates des intestins, rendant difficile le diagnostic de conditions comme la maladie de Crohn ou les obstructions intestinales. Pendant des décennies, les radiologues ont dû choisir entre un scanner rapide à faible dose avec une mauvaise qualité d'image ou un scanner lent et de haute qualité exposant davantage le patient aux radiations.

Une équipe de chercheurs de l'hôpital général international de Guiqian, en Chine, s'est donné pour mission de briser ce compromis. Ils ont testé une nouvelle approche combinant deux technologies spécifiques pour voir si elles pouvaient fonctionner ensemble afin de résoudre le problème. La première partie de leur stratégie consiste à ralentir le mouvement spiralé du scanner à une vitesse « ultra-basse ». En déplaçant le scanner plus lentement, il capture une quantité de données beaucoup plus dense, comblant ainsi les lacunes qui causent habituellement ces traînées gênantes. La seconde partie de la stratégie utilise un programme informatique moderne basé sur l'apprentissage profond (deep learning). Contrairement aux anciens programmes informatiques qui se contentent de lisser les images granuleuses, ce nouveau programme a été entraîné sur des milliers d'images médicales réelles. Il apprend à reconnaître la différence entre le bruit aléatoire, les artefacts indésirables et l'anatomie réelle du corps. Les chercheurs voulaient savoir si l'utilisation de cette vitesse de balayage lente, associée au programme informatique intelligent, pouvait produire une image de l'abdomen claire et à faible dose, meilleure que ce qui est actuellement possible.

Pour trouver la réponse, les chercheurs ont recruté 90 patients devant subir des scanners abdominaux pour des raisons médicales. Ils ont divisé ces patients en trois groupes afin de comparer différentes méthodes de balayage. Un groupe a reçu un scanner standard utilisant une vitesse conventionnelle et une méthode de traitement d'image traditionnelle. Un deuxième groupe a reçu un scanner légèrement plus lent, utilisant également la méthode traditionnelle. Le troisième groupe a reçu le balayage ultra-lent, mais ce groupe a été divisé en deux : la moitié a été traitée avec la méthode traditionnelle, et l'autre moitié avec le nouveau programme informatique d'apprentissage profond. Les chercheurs ont ensuite mesuré tout, de la quantité de rayonnement reçue par chaque patient à la clarté des images finales. Ils ont observé le niveau de bruit dans les images, la capacité des images à montrer le contraste entre différents tissus, et la fréquence d'apparition des traînées gênantes. Deux radiologues expérimentés, qui ne savaient pas à quel groupe appartenait chaque patient, ont également évalué les images sur une échelle de un à cinq en fonction de la facilité de lecture et de la clarté des détails.

Les résultats ont montré que la combinaison du balayage ultra-lent et du programme d'apprentissage profond était la grande gagnante. Ce groupe spécifique a reçu la plus faible dose de rayonnement de tous les groupes, avec une moyenne de 9,88 unités, comparativement aux doses plus élevées des autres groupes. Plus important encore, les images qu'ils ont produites étaient nettement plus claires. Le programme d'apprentissage profond a réussi à éliminer le bruit granuleux qui affecte habituellement les scanners à faible dose, rendant les images beaucoup plus nettes. Les chercheurs ont constaté que le bruit dans ces images était réduit de plus de moitié par rapport aux scanners standards. Les traînées et les distorsions qui obscurcissent habituellement les parois intestinales ont également été considérablement atténuées. Dans les groupes utilisant les vitesses standard ou légèrement plus lentes, ces artefacts apparaissaient dans la majorité des scanners, rendant souvent certaines parties de l'image difficiles à interpréter. En revanche, le groupe avec le balayage ultra-lent et l'apprentissage profond ne présentait ces artefacts que dans une petite fraction des cas. Les radiologues ont jugé ces images comme excellentes, notant que les parois intestinales et les structures environnantes étaient visibles avec une clarté exceptionnelle.

L'étude suggère que cette double approche fonctionne en attaquant le problème de deux côtés. Premièrement, la vitesse de balayage lente empêche la formation des artefacts en garantissant que la machine capture suffisamment de données. Deuxièmement, le programme d'apprentissage profond nettoie les imperfections restantes, distinguant les structures corporelles réelles du bruit numérique. Cela a permis à l'équipe de réduire considérablement la dose de rayonnement sans sacrifier la qualité de l'image. Les chercheurs ont noté que cette méthode est particulièrement utile pour les patients qui nécessitent des examens répétés au fil du temps, comme ceux qui surveillent des maladies intestinales chroniques, car elle minimise la dose totale de rayonnement reçue tout au long de leur vie. Cependant, ils ont également souligné une limite pratique : comme le scanner se déplace très lentement, le balayage prend plus de temps pour se terminer. Le temps moyen pour ce balayage ultra-lent était de près de neuf secondes, soit plus du double du temps d'un scanner standard. Cela exige que les patients retiennent leur respiration pendant une période plus longue, ce qui peut être difficile pour les personnes très malades, souffrant de douleurs ou incapables de suivre les instructions de respiration.

Malgré le temps de balayage plus long, les conclusions offrent une voie prometteuse pour l'imagerie abdominale. Les chercheurs ont conclu que cette stratégie supprime efficacement les traînées qui gâchent habituellement les images à faible dose tout en maintenant une faible exposition aux radiations. Elle offre un moyen de visualiser les détails complexes du tractus digestif sans le compromis habituel entre sécurité et clarté. Bien que l'étude ait été menée dans un seul hôpital et se soit concentrée spécifiquement sur les organes creux de l'abdomen, les résultats indiquent que cette méthode pourrait devenir une norme pour effectuer ces examens. En combinant un simple ajustement de la vitesse du scanner avec un traitement informatique avancé, les médecins pourront bientôt fournir des diagnostics plus sûrs et plus clairs pour les patients qui en ont le plus besoin.