Méthode de post-traitement des données IRM multi-paramétriques des gliomes : premières applications en imagerie peropératoire

Introduction Grâce aux nouveaux imageurs haut champ, il est maintenant possible de proposer un bilan preoperatoire resonance magnetique ncleaire (RMN) des tumeurs gliales tres complet [1] . Le bilan IRM initial est compose de differentes sequences, chacune apportant un nouveau parametre important pour le diagnostic. Ce dernier regroupe : – des sequences anatomiques (volume T1 GADO, T2 FLAIR) ; – l’imagerie de perfusion (rCBV, rCBF, MTT, TTP) ; – l’imagerie en tenseur de diffusion (CDA, FA) ; – l’imagerie fonctionnelle de repos ( resting state ) ; – la spectroscopie multinoyaux (1H, 31P, 23Na). Une des principales avancees est l’utilisation de noyaux alternatifs (31P, 23Na) permettant ici, grâce a une sequence de spectroscopie 3D, de dresser un bilan metabolique et energetique de la zone lesionnelle. Grâce a la nouvelle plateforme peroperatoire du centre hospitalier universitaire de Poitiers, nous pouvons proposer une continuite entre les acquisitions pre- et peroperatoires. En effet, ces bilans sont effectues sur une meme machine (Skyra 3 T, Siemens Healthineers, Erlangen, Germany). La fiabilite des donnees (reproductibilite, suivi transversal) doit, a terme, etre automatisee au maximum pour eviter les interventions manuelles parfois sources d’approximations. Les solutions existantes de traitement des donnees pre- et peroperatoire qui permettent de fusionner tous ces flux de donnees RMN sont tres partielles, voire inexistantes, pour les donnees multinoyaux. Une fois les donnees acquises et traitees, ces dernieres vont tout d’abord etre utilisees pour la prise en charge du patient, mais aussi pour la recherche en imagerie medicale et l’alimentation de modeles biomathematiques realistes [2] . Methode Nous proposons une methode de post-traitement des images dans le but de standardiser les donnees multi-parametriques post-traitees pour qu’elles puissent etre utilisees plus facilement. La methode utilise les acquisitions 3D haute resolution comme support de l’information. Les autres acquisitions sont ensuite recalees sur ce support dans le but de pouvoir fusionner leurs informations. En developpant un flux de traitement en langage python et en utilisant differentes bibliotheques logicielles dediees (Simple ITK [3] , Numpy [4] et Dipy [5] , par exemple), nous automatisons la chaine de traitements. Les informations preoperatoires ainsi recalees sur les images peroperatoires seront ainsi reinjectees sur le navigateur du bloc dans le but de permettre au neurochirurgien d’optimiser son geste en accedant aux zones bio-metaboliquement actives de la tumeur persistant apres le premier geste.