Quand l’intelligence artificielle améliore le traitement d’images radiographiques

Des chercheurs du CEA - DAM qui s’intéressent à l’imagerie médicale, c’est surprenant ! Et pourtant, une équipe rassemblant le CEA - DAM et le CEA - DES vient d’obtenir des résultats prometteurs sur le traitement d’images radiographiques à l’aide de l’intelligence artificielle (IA) [1]. Ils ont montré que l’on pouvait fortement améliorer la qualité des scanners médicaux par des techniques d’apprentissage même avec très peu de données d’entraînement. Au-delà du domaine médical, l’objectif des chercheurs est d’améliorer le traitement de radiographies obtenues avec l’installation Epure [2], destinée à valider des simulations numériques contribuant à la garantie des performances des armes nucléaires françaises.

En médecine, le scanner (aussi appelé CT-scan) est un outil essentiel exploitant des radiographies pour établir des diagnostics précis en visualisant des structures anatomiques à trois dimensions. Il est toutefois important de minimiser la quantité de rayons X reçus par les patients, notamment les plus fragiles, sans trop dégrader la qualité des images. La diminution du nombre de prises de vue radiographiques permet aussi de raccourcir les temps d’examen et de traiter quotidiennement un plus grand nombre de patients. Dans tous les cas, il s’agit in fine de tirer le maximum d’information d’un petit nombre d’images radiographiques.

Pour améliorer ces images en utilisant l’intelligence artificielle (IA), il est nécessaire d’entraîner un modèle. Mais cela nécessite habituellement de grands volumes d’images, ce qui est difficilement envisageable dans le domaine médical. En outre, dans une configuration défavorable, c’est-à-dire avec très peu de prises de vue, les approches génératives peuvent « halluciner », c’est-
à-dire ajouter ou déformer des structures en s’éloignant de l’image réelle.

La stratégie retenue [1] apporte une solution en combinant de manière innovante deux approches a priori éloignées. La première favorise les formes les plus vraisemblables et ne nécessite pas d’exemple d’entraînement. La seconde extrait de l’information d’un grand nombre d’exemples d’entraînement et l’injecte pour améliorer le résultat à trois dimensions. La méthode résultante peut fonctionner sans données d’entraînement, mais peut aussi bénéficier d’un petit jeu d’exemples (quelques dizaines) pour améliorer ses performances, comme illustré pour un cas d’usage médical sur la figure 1. Les résultats sont au rendez-vous : avec seulement neuf radiographies prises selon neuf angles de vue différents, notre modèle de traitement de données médicales n’est pas sujet aux hallucinations observées habituellement avec l’IA. L’approche que nous avons proposée permet ainsi de réduire à faible coût le nombre de radiographies nécessaire pour réaliser l’image 3D du scanner. Compte tenu du maintien de la qualité de reconstruction, et plus particulièrement l’absence de structures hallucinées, malgré un nombre réduit d’angles de vue, il s’agit d’une avancée importante pour l’imagerie médicale.

Cette approche pourra-t-elle s’appliquer au traitement des radiographies issues de l’installation Epure ? Moyen expérimental au meilleur niveau mondial situé au centre de Valduc, Epure est un élément clé du programme Simulation du CEA - DAM. Il vise à réaliser des radiographies d’un objet dense en mouvement [2]. L’enjeu des expériences est de valider une partie de la simulation numérique du fonctionnement des armes nucléaires. Plus précisément, ces expériences sont conçues pour caractériser avec la plus grande précision le comportement des matières nucléaires dans les conditions thermodynamiques extrêmes rencontrées durant la phase de compression de la matière. Elles sont nécessaires aux concepteurs d’armes et aux théoriciens pour éprouver la validité et la pertinence des simulations numériques et des modèles physiques qu’ils développent, et ainsi démontrer qu’ils maîtrisent toute la physique en jeu et sa complexité.

Comme en médecine, le moyen Epure ne donne accès qu’à un petit nombre d’images de l’objet. En effet, l’installation ne comportait encore récemment qu’un seul axe radiographique, c’est-à-dire que nous ne pouvions radiographier l’objet que selon un seul angle. Depuis la fin de 2025, trois axes radiographiques sont disponibles, permettant de réaliser une image de l’objet selon trois angles simultanément (voir schéma de l’installation sur la figure 2). Par conséquent, notre approche tirant parti de l’IA pour traiter un petit nombre d’images médicales devrait bénéficier aux images obtenues sur Epure. Des travaux complémentaires préciseront les bénéfices pour garantir des performances à la hauteur des exigences requises par le programme Simulation.