Les algorithmes d'IA délimitent et identifient les tumeurs dans les images médicales, sur différentes parties du corps et modalités d'imagerie.La segmentation tumorale est une tâche spécifique de l'analyse d'images médicales où les algorithmes d'IA délimitent les contours exacts des tumeurs dans les images médicales. Cela est crucial pour la planification du traitement, comme la radiothérapie, où les médecins doivent cibler la tumeur avec précision tout en épargnant les tissus sains. La segmentation peut être réalisée sur diverses modalités d'imagerie, notamment l'IRM, le scanner et l'échographie, et sur différentes parties du corps comme le cerveau, la prostate ou le sein.
Les premières méthodes de segmentation reposaient sur le tracé manuel ou des techniques classiques de traitement d'images comme le seuillage et la croissance de régions. L'introduction des réseaux entièrement convolutifs vers 2015 a révolutionné le domaine, permettant une segmentation automatique et plus précise.
Les modèles de segmentation, souvent basés sur des architectures U-Net, prennent une image en entrée et produisent un masque au niveau du pixel qui étiquette chaque pixel comme tumoral ou non tumoral. Le réseau est entraîné sur des images où les contours des tumeurs ont été annotés manuellement par des experts. Grâce à l'entraînement, le modèle apprend à reconnaître les caractéristiques visuelles des contours tumoraux, telles que les formes irrégulières, les contrastes d'intensité et les différences de texture. Les modèles avancés peuvent également intégrer le contexte spatial des volumes 3D, améliorant ainsi la précision.
La segmentation tumorale est utilisée dans la planification de la radiothérapie, la navigation chirurgicale et le suivi de la croissance tumorale dans le temps, comme le montrent des études sur le cancer de la prostate et le glioblastome.
Certains algorithmes de segmentation peuvent fonctionner avec une imagerie 'sans lentille', reconstruisant les formes des tumeurs à partir d'ombres dans une seule image, comme cela a été démontré pour la détection du cancer du sein.


















