Une approche d'apprentissage automatique centrée sur l'humain pour le suivi de l'articulation muscle-tendon dans les images échographiques

La recherche biomécanique et clinique sur la marche consiste à observer les muscles et les tendons des membres afin d’étudier leur fonctionnement et leur comportement. Ainsi, les mouvements de points anatomiques spécifiques, tels que les jonctions muscle-tendon, sont fréquemment mesurés. Nous proposons une approche fiable et efficace dans le temps basée sur l’apprentissage automatique pour suivre ces jonctions dans des vidéos d’échographie et aider les biomécaniciens cliniciens dans l’analyse de la marche. Pour faciliter ce processus, une méthode fondée sur l’apprentissage profond a été introduite. Nous avons rassemblé un jeu de données étendu, couvrant trois mouvements fonctionnels, deux muscles, recueilli sur 123 sujets sains et 38 sujets atteints, avec trois systèmes d’échographie différents, et comprenant au total 66 864 images échographiques annotées utilisées pour l’entraînement de notre réseau. En outre, nous avons intégré des données provenant de laboratoires indépendants, curatées par des chercheurs aux niveaux d’expérience variés. Pour évaluer notre méthode, un jeu de test diversifié a été sélectionné, indépendamment vérifié par quatre spécialistes. Nous démontrons que notre modèle atteint des performances comparables à celles des quatre spécialistes humains dans la localisation de la jonction muscle-tendon. Notre méthode permet un suivi rapide des jonctions muscle-tendon, avec des temps de prédiction pouvant atteindre 0,078 seconde par image (soit environ 100 fois plus rapide que l’étiquetage manuel). Tous nos codes, modèles entraînés et jeu de test ont été rendus accessibles au public, et notre modèle est disponible gratuitement en tant que service en ligne via https://deepmtj.org/.