Détection et diagnostic automatisés des DRG pathologiques chez les patients PHN à l'aide de l'apprentissage profond et de la résonance magnétique

Nos recherches antérieures ont confirmé des différences dans les aspects macroscopiques et microscopiques entre l'imagerie des ganglions de la racine dorsale (DRG) lésés chez les patients atteints de névralgie postherpétique (PHN) et des témoins sains. De plus, notre étude a révélé que même si la localisation des lésions cutanées est une méthode classique en pratique clinique, il existe encore un certain taux de divergence avec le DRG lésé observé en imagerie par résonance magnétique (IRM). Ceci suggère la valeur significative de l’IRM dans le diagnostic des DRG lésés chez les patients PHN. Pour les patients atteints de névralgie herpétique zona, il est encore plus crucial d’identifier clairement le DRG lésé par IRM. Cependant, en raison de la petite taille et de la morphologie variée des lésions de DRG, le diagnostic de DRG lésé par IRM nécessite des connaissances spécialisées en neuroanatomie et en imagerie, ce qui pose un défi aux cliniciens. L’identification rapide et précise des DRG lésés est cruciale pour la thérapie interventionnelle, car elle constitue une cible thérapeutique essentielle pour la douleur neuropathique.

La série d'algorithmes YOLO (You Only Look Once) est actuellement des algorithmes de détection d'objets en temps réel en une seule étape largement utilisés, notamment YOLOv1-YOLOv8. Grâce à leur vitesse de détection extrêmement élevée, ils permettent une détection d’objets en temps réel. YOLOv5 et YOLOv8 sont désormais largement utilisés dans diverses applications telles que la conduite autonome, la vidéosurveillance et le suivi d'objets [66,67]. De plus, la série YOLO est de plus en plus utilisée dans le domaine médical, notamment dans la détection des tumeurs et des lésions de la capsule articulaire, démontrant une bonne précision, de bons taux de rappel et une bonne efficacité de détection [68]. Cette étude vise à utiliser l'algorithme YOLOv8 pour développer un modèle de détection d'objets rapide et précis, tout en évaluant ses performances. Il vise à valider la faisabilité et l'efficacité de la détection des ganglions de la racine dorsale (DRG) lésés dans la névralgie postherpétique en temps réel à l'aide de ce modèle, fournissant une base pour un diagnostic précoce pour les praticiens cliniques et permettant une localisation rapide et précise des DRG lésés.