Segmentation multimodale et multiclasse des lésions de la moelle épinière par apprentissage profond

Popa, Bianca (2026). Segmentation multimodale et multiclasse des lésions de la moelle épinière par apprentissage profond. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation

PDF Télécharger (10MB) | Prévisualisation

Résumé

Cette étude porte sur la segmentation automatique des deux composantes pathologiques des lésions traumatiques de la moelle épinière—œdème et hémorragie—à partir d’IRM multimodale, et sur leur quantification pronostique. La base de données comprend 148 patients recrutés au Centre de recherche de l’Hôpital du Sacré-Cœur de Montréal, avec annotations manuelles sur 502 coupes sagittales (140 avec T1/T2 sagittal, 122 avec T2 axial). Un pipeline intègre prétraitement, segmentation en cascade, biomarqueurs par niveau vertébral et explicabilité.

Deux contributions ont été développées : une segmentation multiclasse en cascade qui surpasse l’état de l’art sur notre cohorte et distingue œdème et hémorragie, et une analyse pronostique montrant que les biomarqueurs différenciés apportent une valeur prédictive à moyen et long terme au-delà du volume total et de la baseline clinique.

La première contribution est une cascade de deux U-Net 2D exploitant les plans sagittal et axial. Le modèle sagittal (T1, T2, STIR, masque de moelle) produit une segmentation initiale ; ses prédictions sont reportées en axial et servent d’entrée au second modèle. Un terme de perte topologique impose la relation hémorragie entourée d’œdème. Comparée à SciSeg (Spinal Cord Toolbox), notre approche obtient une amélioration médiane du Dice de 0,250 en axial (0,540 vs 0,268, P < 0,001) et 0,054 en sagittal (0,575 vs 0,461, P < 0,001), validation 5-fold. L’œdème est bien segmenté (Dice 0,557), l’hémorragie limitée (Dice 0,135) par le déséquilibre de classes.

La deuxième contribution quantifie les biomarqueurs pronostiques par niveau vertébral (aire, volume, ratio hémorragie/lésion) et évalue leur valeur prédictive pour l’évolution du score ASIA. Modèles emboîtés : baseline clinique (M1), + volume total (M2), + biomarqueurs différenciés (M3), comparés à plusieurs temps dans 39 patients avec suivi longitudinal. Dès 3 mois post-opératoires, les biomarqueurs différenciés améliorent significativement la prédiction de la récupération neurologique par rapport au volume total seul (P = 0,028), avec un effet encore plus marqué à 6 et 12 mois (P < 0,001), tandis qu’aucun gain n’est observé en post-opératoire immédiat (P = 0,258). L’analyse SHAP montre un rôle des caractéristiques contextuelles pour l’hémorragie ; un prototype relie les métriques aux IRM et segmentations.

Titre traduit

Multimodal and multiclass spinal cord injury segmentation using deep learning : towards automated quantification of prognostic metrics with clinical explainability

Résumé traduit

This study addresses automatic segmentation of the two pathological components of traumatic spinal cord lesions—edema and hemorrhage—from multimodal MRI, and their quantification for prognostic assessment. The database comprises 148 patients recruited at the Centre de recherche de l’Hôpital du Sacré-Coeur de Montréal, with manual annotations on 502 sagittal slices (140 with T1/T2 sagittal, 122 with axial T2). A pipeline integrates preprocessing, cascade segmentation, vertebral-level biomarkers and explainability.

Two main contributions were developed : a supervised multiclass cascade that significantly outperforms the state of the art on this cohort and distinguishes edema from hemorrhage, and a prognostic analysis showing that differentiated biomarkers add predictive value for medium- and long-term neurological outcome beyond total lesion volume and clinical baseline.

The first contribution is a cascade of two 2D U-Nets exploiting complementary sagittal and axial information. The sagittal model (T1, T2, STIR, cord mask) produces an initial segmentation ; its predictions are resampled to axial space as an extra input channel for the second model, with a topology loss enforcing hemorrhage surrounded by edema. Compared to SciSeg (Spinal Cord Toolbox), our method achieves median Dice improvement of 0.250 in the axial plane (0.540 vs 0.268, P < 0.001) and 0.054 in the sagittal plane (0.575 vs 0.461, P < 0.001), with 5-fold cross-validation. Edema segmentation is satisfactory (Dice 0.557) ; hemorrhage is limited (Dice 0.135) due to class imbalance and rarity.

The second contribution quantifies prognostic biomarkers per vertebral level (area, volume, hemorrhage-to-lesion ratio) and evaluates their predictive value for ASIA improvement. Nested linear models—clinical baseline (M1), plus total lesion volume (M2), plus differentiated biomarkers (M3)—were compared at several follow-up times in 39 patients with longitudinal data. From 3 months post-surgery onward, differentiated biomarkers significantly improved prediction of neurological recovery compared to total volume alone (P = 0.028), with even stronger effects at 6 and 12 months (P < 0.001), while no gain was observed at the immediate post-operative assessment (P = 0.258). SHAP analysis indicated contextual features for hemorrhage detection ; a visualization prototype links metrics to axial MRI and segmentations.

Type de document:	Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires:	"Mémoire présenté à l'École de technologie supérieure comme exigence partielle à l'obtention de la maîtrise avec mémoire en génie des technologies de l'information". Comprend des références bibliographiques (pages 115-118).
Mots-clés libres:	segmentation, apprentissage profond, lésions médullaires, IRM multimodale, explicabilité
Directeur de mémoire/thèse:	Directeur(-trice) Duong, Luc
Codirecteur:	Codirecteur(-trice) de mémoire/thèse Ratté, Sylvie Mac-Thiong, Jean-Marc
Programme:	Maîtrise en ingénierie > Génie des technologies de l'information
Date de dépôt:	11 juin 2026 14:26
Dernière modification:	11 juin 2026 14:26
URI:	https://espace.etsmtl.ca/id/eprint/3937

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt