Optimisation des paramètres d'acquisition en scanner et en IRM : Réduction de la dose de rayonnement et amélioration de la qualité d'image

Abstract

Dans le souci de réduire les risques liés à l’exposition cumulative aux rayonnements ionisants, la réduction de dose en tomodensitométrie (TDM) s’impose de plus en plus comme une pratique courante, notamment chez les patients soumis à des examens répétitifs. Toutefois, cette diminution de dose entraîne une dégradation notable de la qualité des images, caractérisée essentiellement par l’augmentation du bruit. Ce travail s’inscrit dans une démarche d’amélioration de la qualité des images TDM à faible dose à travers l’évaluation de différentes techniques de débruitage. Un bruit gaussien simulé a été introduit sur des images originales, et six méthodes ont été étudiées : les filtres moyen, médian, et Wiener, la décomposition en ondelettes , une approche de reconstruction itérative, ainsi que le modèle DnCNN basé sur l’apprentissage profond. L’analyse des performances, réalisée à l’aide des métriques PSNR, SSIM et MSE, a révélé que la combinaison du réseau DnCNN avec le filtre médian permet d’atteindre un bon équilibre entre réduction du bruit et préservation des structures anatomiques. Ces résultats mettent en évidence la pertinence des approches fondées sur l’intelligence artificielle dans le contexte de l’optimisation des protocoles d’imagerie à faible dose.