Apprentissage automatique pour la reconstruction d'images médicales multimodales – MultiRecon

L'imagerie médicale multimodale (ex : TEP/TDM ou TEP/TRM) joue un rôle important pour les diagnostiques et la recherche. L’apprentissage machine pour l’imagerie multimodale (AMM) vise à développer des méthodes capables de traiter les informations d’images multimodales, permettant ainsi « d’apprendre » les dépendances entre les modalités. La reconstruction d’image par AMM exploite les dépendances entre les images, ce qui permet de réduire le bruit et de réduire la dose administrée au patient tout en conservant la même qualité d’image. Cependant, les approches traditionnelles par apprentissage de dictionnaire sont coûteuse en mémoire et sont difficilement utilisables en reconstruction d’images multimodales. Les objectifs du projet MultiRecon sont : (i) le développement de techniques mathématiques d’apprentissage de dictionnaires de convolution multidimensionnels, moins coûteux en mémoire, pour la reconstruction jointe d’images multimodales en TEP/TDM et TEP/IRM, (ii) de généraliser ces méthodes pour l’imagerie dynamique (estimation/compensation du mouvement et l’imagerie cinétique), et (iii) de disséminer cette recherche par l’implémentation de ces nouvelles méthodes sur la plateforme open source CASToR.