BeSt-LeS : Évaluation de la segmentation des lésions vasculaires cérébrales à l'aide de la supervision profonde

L' AVC (accident vasculaire cérébral) est devenu un fardeau important pour la santé mondiale, et il est donc nécessaire d'avoir des remèdes et des stratégies de prévention pour surmonter ce défi. Pour cela, l'identification immédiate de l'AVC et la stratification du risque constituent la tâche principale des cliniciens. Afin d'aider les cliniciens experts, les modèles de segmentation automatisée sont essentiels. Dans cette étude, nous avons utilisé le jeu de données publiquement disponible ATLAS v2.0 pour évaluer divers modèles supervisés de type U-Net en fin à fin. Plus précisément, nous avons évalué ces modèles sur des images cérébrales 2D et 3D, en utilisant des métriques standard. Nous avons obtenu le score Dice le plus élevé de 0,583 pour le modèle basé sur les transformateurs en 2D et de 0,504 pour le modèle U-Net résiduel en 3D respectivement. Nous avons effectué un test de Wilcoxon pour les modèles 3D afin d'établir une corrélation entre le volume d'AVC prédit et le volume réel. Pour assurer la reproductibilité, le code et les poids du modèle sont rendus publiquement disponibles : https://github.com/prantik-pdeb/BeSt-LeS.