Le défi
Un centre d’ophtalmologie devait estimer avec précision le volume de graisse et de muscle de l’œil humain. Cette information est essentielle pour suivre la santé oculaire, évaluer l’efficacité des interventions et mener des analyses comparatives.
L’estimation de ces volumes reposait sur des mesures manuelles, longues et sujettes aux erreurs. Le centre voulait une méthode automatisée et fiable pour cette étape de la prise en charge.
Notre solution
Nous nous sommes concentrés sur les IRM de l’orbite et avons développé un modèle de deep learning qui segmente les tissus graisseux et musculaires sur chaque coupe. En additionnant les tissus segmentés sur l’ensemble des coupes, on obtient une estimation précise du volume de ces structures anatomiques de l’œil.
Le modèle traite les vues coronale, sagittale et axiale de l’œil, ce qui couvre toute la région orbitaire.
- Segmentation coupe par coupe des tissus graisseux et musculaires sur les IRM de l’orbite
- Estimation du volume de graisse et de muscle à partir des coupes segmentées
- Prise en charge des vues coronale, sagittale et axiale
- Comparaison des volumes avant et après une intervention
Le résultat
En automatisant la segmentation des tissus graisseux et musculaires, la solution fournit aux ophtalmologues des estimations de volume précises sans mesure manuelle, au service d’évaluations plus complètes.
Comme le modèle permet des comparaisons avant-après, les cliniciens peuvent quantifier l’évolution des volumes de graisse et de muscle et mesurer l’effet d’une intervention chirurgicale, d’un traitement ou de l’évolution d’une maladie sur les structures oculaires. Ce projet complète nos travaux Eye Metrics en ophtalmologie.
