Extension du jeu de données Medical Decathlon : segmentation du côlon et du cancer colorectal à partir d'images de tomographie computed

Le cancer colorectal est le troisième cancer le plus fréquent dans l’hémisphère occidental. La segmentation du côlon et du cancer colorectal à l’aide de la tomographie computée constitue un problème urgent en médecine. En effet, un système capable de résoudre cette problématique permettrait la détection précoce du cancer colorectal, faciliterait la recherche de l’anomalie par le radiologue et accélérerait de manière significative le processus de diagnostic. Toutefois, la plupart des publications scientifiques en traitement d’images médicales reposent sur des jeux de données fermés et non publics. Ce papier présente une extension du jeu de données Medical Decathlon, enrichie de marquages spécifiques au cancer colorectal, afin d’améliorer la qualité des algorithmes de segmentation. Un radiologue expérimenté a validé ces données, les a classées selon leur qualité, puis les a publiées dans le domaine public. À partir des résultats obtenus, nous avons entraîné des modèles de réseaux neuronaux basés sur l’architecture UNet en utilisant une validation croisée à cinq plis, atteignant une performance en indice Dice de $0,6988 \pm 0,3$. Les marquages publiés contribueront à améliorer la détection du cancer colorectal et à simplifier la tâche du radiologue dans la description des examens.