Université de Rennes Utilité d'un outil de fusion d'images (LoBI : Longitudinal Brain Imaging) pour améliorer la sensibilité au diagnostic de la progression des méningiomes irradiés à l’aide d’une séquence pondéré T1 Spin Echo injectée avec saturation de graisse Usefulness of an image fusion tool (LoBI: Longitudinal Brain Imaging) to improve the sensitivity for diagnosing the progression of irradiated meningiomas on a T1 Spin Echo gadolinium enhanced fat saturation sequence MéningiomeRadiothérapieNeuro-IRM diagnosticDétection de progressionFusion d’image Codage Couleur Automatisé (FIACC, ACC) MeningiomaRadiotherapyBrain MRIDiagnostic imagingLesion change detectionAutomated Color CodingHumanRetrospective Studie Méningiome Radiothérapie Imagerie pour le diagnostic Traitement d'images -- Techniques numériques Cerveau‎ Imagerie par résonance magnétique‎ Évolution de la maladie Introduction : Un outil de fusion d'images avec codage couleur automatisé (FIACC) a récemment été mis au point pour le suivi diagnostique par IRM de la sclérose en plaques. Via une fusion dans les 3 plans des images de 2 examens différents et un traitement algorithmique du signal, il met en évidence les modifications de lésions par cartographie couleur. Initialement développé pour les séquences FLAIR (pondérée T2), son utilisation quotidienne nous a amené à le tester sur des séquences pondérées en T1 après injection de gadolinium dans le suivi d'autres pathologies intracrâniennes, notamment tumorales. L'objectif principal de cette étude est d'utiliser cet outil d'imagerie FIACC pour évaluer sa capacité à améliorer la détection de la progression en IRM des méningiomes intracrâniens traités par radiothérapie, sur des séquences pondérées T1 après injection de gadolinium et saturation de la graisse. Matériel et méthodes : Deux radiologues ont comparé rétrospectivement et en aveugle 202 IRM de 101 patients présentant un ou plusieurs méningiomes irradiés. Une première lecture a été réalisée de manière conventionnelle sur le PACS, puis une seconde en utilisant l'outil FIACC. L’annotation diagnostic de ces IRM (diminution, stabilité, progression), l’indice de confiance au diagnostic (1 à 5) selon une échelle subjective de Likert, ainsi que la mesure du temps total d'interprétation ont été saisi. Ces deux lectures ont été réalisées à au moins 8 semaines d'intervalle, indépendamment par chaque radiologue et sur la même console. Résultats : La concordance inter observateur était bonne lors de la lecture à l’aide de l’outil FIACC (k = 0,64, p < 0,01), alors qu’elle était faible lors de la lecture conventionnelle (k = 0,38, p < 0,01). Le taux de diagnostics correctement classés était plus élevé pour les deux lecteurs (93% vs 88% pour le 1er lecteur et 87% vs 82% pour le 2ème lecteur), avec une concordance bonne à excellente selon le radiologue (k = 0,82 vs 0,62 pour le lecteur 1 ; k = 0,75 vs 0,64 pour le lecteur 2) lors de l’utilisation de l’outil FIACC. En tenant compte du temps de prétraitement de l'image, le temps d'interprétation n’a pas augmenté. Seul le lecteur 2 a bénéficié d'une réduction de temps significative (116 ± 36 vs. 157 ± 51 secondes, p < 0,01) lors de la session avec l’outil FIACC. L'indice de confiance au diagnostic n’a pas diminué. Il s'est amélioré significativement de 0,3 point seulement pour le lecteur 2 (4,7 ± 0,5 vs. 4,4 ± 0,8, p < 0,01). Conclusion : Comparativement à une lecture conventionnelle, l'utilisation d'un outil de fusion d’image avec codage couleur automatisé (FIACC) a amélioré l’évaluation diagnostic du suivi IRM des méningiomes irradiés, en particulier dans la détection de la progression, avec un accord inter observateur bon, le tout sans augmenter le temps d'interprétation. Introduction: A fusion imaging with automated color-coding tool (FIACC) has recently been developed for MRI diagnostic follow-up in multiple sclerosis. The software merges images from two different examinations in 3D and uses algorithmic signal processing to identify new lesions through color mapping. Although initially developed for FLAIR (T2-weighted) sequences, its daily use has led us to evaluate it on T1-weighted sequences after gadolinium injection in the follow-up of other intracranial pathologies, particularly tumors. The main objective of this work is to use this FIACC imaging tool to assess its ability to improve the detection of MRI progression of intracranial meningiomas treated with radiotherapy, on T1-weighted sequences after gadolinium injection and fat saturation. Materials and methods: Two radiologists, one senior (reader 1) and one junior (reader 2), retrospectively and blindly compared 202 MRI scans from 101 patients who had one or more irradiated meningiomas. A first reading was performed conventionally on the PACS, then a second reading using the FIACC tool. The radiologists independently recorded the diagnostic annotation (decrease, stability, progression) and confidence index (rated 1-5 on a Likert scale) of the MRIs. The total interpretation time was also measured. These two sessions were carried out with a washout of at least 8 weeks. Results: Inter-rater agreement was godd (K = 0.64, p < 0.01) when reading with the FIACC tool, but faire (K = 0.38, p < 0.01) when reading conventionally. The rate of correctly classified diagnoses was higher for both readers (93% vs. 88% for reader 1 and 87% vs. 82% for reader 2), with good to excellent agreement depending on the radiologist (K = 0.82 vs. 0.62 for reader 1 and K = 0.75 vs. 0.64 for reader 2) when reading with the FIACC tool. Considering image preprocessing time, interpretation time decreased by 19% (30 seconds) when reading with the FIACC tool. Only reader 2 had a significant reduction (116 ± 36 vs. 157 ± 51 seconds, p < 0.01). The confidence index of the reader 2 improved by 0.3 points (4.7 ± 0.5 vs. 4.4 ± 0.8, p < 0.01), while the reader 1 decreased by 0.2 points (4.6 ± 0.7 vs. 4.4 ± 0.8, p = 0.1). Conclusion: Compared to conventional reading, employing a fusion imaging tool with automated color coding (FIACC) enhances the assessment of MRI follow-up of irradiated meningiomas. This technique, especially in the detection of progression, improved interobserver agreement and did not increase interpretation time. Electronic Thesis or DissertationText en fr application/pdf1 : 1971 Kohttps://ged.univ-rennes1.fr/nuxeo/site/esupversions/76f70e27-7a97-4e66-ba43-d25951a1d208 Voisin Steven 1993-03-27 FR 281280193 steven.voisin@gmail.com 2023URENM149 http://www.theses.fr/2023URENM149 2023-10-10 Radiologie et Imagerie Médciale Universite de Rennesthesis.degree.grantor_1 26693823X Doctorat (thèse d'exercice) non ouiLassalleNicolasintervenant_1227192109 ddc:610 LassalleNicolasUniversite de RennesSciences et technologie, medecine, pharmacie, odontologie, droit, economie, gestion, philosophie ASCII PDF 2018070 Steven VOISIN restriction 2023-10-10 2024-01-10