Titre de l’invention : PROCÉDÉ ET SYSTÈME DE CARACTÉRISATION DE DÉSORDRES

PIGMENTAIRES D’UN INDIVIDU

[1 ] L’invention concerne un procédé et un système de caractérisation

bidimensionnelle (2D) et tridimensionnelle (3D) et d’évaluation de l’évolution externe et interne des désordres pigmentaires cutanés.

[2] Pour évaluer les désordres pigmentaires de la peau (grains de beauté, lésions bénignes, lésions malignes, carcinomes, mélanomes ...), les techniques dermatologiques sont basées sur des critères appelés ABCD. Ainsi, un désordre pigmentaire se caractérise par :

- son asymétrie (A),

- sa bordure (B),

- sa couleur (C),

- son diamètre (D).

[3] De plus, les dermatologues essaient d’évaluer la non-uniformité de l’épaisseur du désordre pigmentaire à l’aide des techniques d’imagerie bidimensionnelle dans le domaine d’imagerie visible.

[4] Le défi des dermatologues est d’identifier les « grains de beauté » suspects le plus précocement possible et de développer une nouvelle sémiologie.

[5] Quelques centres de recherche et hospitaliers se sont regroupés, essentiellement en Australie, USA et en Allemagne, pour disposer d’une base de données plus importante et franchir une étape supplémentaire dans la classification des taches pigmentaires par des systèmes experts. Malgré des résultats encourageants, cette approche souffre d’une acquisition limitée à une image couleur

bidimensionnelle souvent non calibrée, dont tout laisse à penser qu’elle restera insuffisante en terme de spécificité et de sensibilité.

[6] Les modèles d’évaluation prédictive du comportement des désordres

pigmentaires (tels que décrits par exemple dans les publications de Yanal Wazaefi, Caroline Marqueste, Giovanni Pellacani, Luc Thomas, “Evidence of a Limited Infra-lndividual Diversity of Nevi: Intuitive Perception of Dominant Clusters Is a Crucial Step in the Analysis of Nevi by Dermatologists”, Journal of

Investigative Dermatology, April 2013, ou de René-Jean Bensadoun, Jean Krutmann, Philippe G Humbert, Thomas Luger,“Algorithm for dermocosmetic use in the management of cutaneous sideeffects associated with targeted therapy in oncology”, Journal of the European Academy of Dermatology and Venereology, February 2013) du comportement des désordres pigmentaires sont limités à des paramètres bidimensionnels sans intégrer les dimensions de profondeur, de volume, de l’épaisseur et de la rugosité surfacique du désordre pigmentaire nécessitant une imagerie précise tridimensionnelle permettant une analyse prédictive.

[7] Le but de l’invention est de pallier ces inconvénients.

[8] Plus précisément l’invention a pour objet un procédé de caractérisation de

désordres pigmentaires cutanés d’un individu qui comporte les étapes suivantes :

— pour chaque désordre pigmentaire :

-- A une date tkm

— acquisition d’images 2D d’un désordre pigmentaire à une date tkm et selon plusieurs angles de vue et reconstruction d’au moins une image 3D à partir desdites images 2D traitées et

— stockage desdites images 2D et 3D dans un premier dossier associé à l’individu, au désordre pigmentaire et à tkm,

— à partir desdites images 2D et 3D, calcul de paramètres prédéfinis du désordre pigmentaire par des premiers moyens de calcul, et stockage desdits paramètres dans un deuxième dossier associé à l’individu, au désordre pigmentaire et à tkm,

— évaluation desdits paramètres par un expert et stockage de l’évaluation dans un troisième dossier associé à l’individu, au désordre pigmentaire et à tkn,

-- itération d’au moins une des quatre étapes précédentes à plusieurs dates tkm jusqu’à tkn, et pour chaque itération :

— comparaison des données des premier, deuxième et troisième dossiers selon au moins une période entre les dates tkn et tkm et identification des évolutions desdites données par des seconds moyens de calcul,

— stockage des évolutions dans au moins un quatrième dossier, associé à l’individu, au désordre pigmentaire et à tkn, avec un quatrième dossier par période,

— pour chaque quatrième dossier, regroupement des premier, deuxième, troisième et quatrième dossiers associés à tkn dans un cinquième dossier à l’individu, au désordre pigmentaire et à tkn, définissant un Instantané du désordre pigmentaire,

— agrégation des cinquièmes dossiers dans un sixième dossier à l’individu et au désordre pigmentaire, définissant un Profil dynamique du désordre pigmentaire,

— itération des étapes précédentes pour obtenir un sixième dossier pour chaque autre désordre pigmentaire de l’individu, et

— génération pour l’individu d’une base de connaissances de ses désordres pigmentaires agrégeant les sixièmes dossiers.

[9] Le procédé selon l’invention permet de générer pour un individu A, une Base de Connaissances de ses Désordres Pigmentaires BCDP(A) contenant plusieurs champs de données.

[10] L’invention a également pour objet un système de caractérisation de

désordres pigmentaires cutanés d’un individu, comprenant un processeur programmé pour mettre en oeuvre les étapes suivantes :

— pour chaque désordre pigmentaire :

-- A une date tkm

— acquisition d’images 2D d’un désordre pigmentaire à une date tkm et selon plusieurs angles de vue et reconstruction d’au moins une image 3D à partir desdites images 2D traitées et

— stockage desdites images 2D et 3D dans un premier dossier associé à l’individu, au désordre pigmentaire et à tkm,

— à partir desdites images 2D et 3D, calcul de paramètres prédéfinis du désordre pigmentaire par des premiers moyens de calcul du système, et stockage desdits paramètres dans un deuxième dossier associé à l’individu, au désordre pigmentaire et à tkm,

— acquisition d’une évaluation desdits paramètres et stockage de l’évaluation dans un troisième dossier associé à l’individu, au désordre pigmentaire et à tkn,

-- itération d’au moins une des quatre étapes précédentes à plusieurs dates tkm jusqu’à tkn, et pour chaque itération :

— comparaison des données des premier, deuxième et troisième dossiers selon au moins une période entre les dates tkn et tkm et identification des évolutions desdites données par des seconds moyens de calcul du système,

— stockage des évolutions dans au moins un quatrième dossier, associé à l’individu, au désordre pigmentaire et à tkn, avec un quatrième dossier par période,

— pour chaque quatrième dossier, regroupement des premier, deuxième, troisième et quatrième dossiers associés à tkn dans un cinquième dossier à l’individu, au désordre pigmentaire et à tkn, définissant un Instantané du désordre pigmentaire,

— agrégation des cinquièmes dossiers dans un sixième dossier à l’individu et au désordre pigmentaire, définissant un Profil dynamique du désordre pigmentaire,

- itération des étapes précédentes pour obtenir un sixième dossier pour chaque autre désordre pigmentaire de l’individu, et

- génération pour l’individu d’une base de connaissances de ses désordres pigmentaires agrégeant les sixièmes dossiers.

[1 1 ] D’autres caractéristiques et avantages de l’invention apparaîtront à la lecture de la description détaillée qui suit, faite à titre d’exemple non limitatif et en référence aux dessins annexés dans lesquels :

[12] [Fig.1 a] est une représentation schématique du contenu de la Base de

Connaissances des Désordres Pigmentaires BCDP(A) de l’individu A,

[13] [Fig.1 b] en est une représentation schématique plus détaillée,

[14] [Fig.2a] est une représentation schématique d’un système d’imagerie d’un désordre pigmentaire cutané,

[15] [Fig.2b] est une représentation schématique d’un exemple de dispositif

d’acquisition d’images 2D de ce système d’imagerie, selon une coupe verticale,

[16] [Fig.3] représente schématiquement le contenu d’un premier dossier de

Données_2D03D(A,#k,tkn) du désordre pigmentaire #k à la date tkn de l’individu A,

[17] [Fig.4a] représente schématiquement le contenu d’un deuxième dossier de Données_ParaCalcul(A,#k,tkn) du désordre pigmentaire #k à la date tkn de l’individu A,

[18] Et [Fig.4b] représente schématiquement la génération du premier dossier de Données_2D03D(A,#k,tkn) et du deuxième dossier de

Données_ParaCalcul(A,#k,tkn), [19] [Fig.5] représente schématiquement le contenu d’un troisième dossier de Données_ParaExpertMétier(A,#k,tkn) du désordre pigmentaire #k à la date tkn de l’individu A,

[20] [Fig.6a] représente schématiquement le contenu d’un quatrième dossier de Données_EvoCalclul(A,#k,tkn) du désordre pigmentaire #k à la date tkn de l’individu A,

[21 ] [Fig.6b] représente schématiquement, la génération de ce quatrième dossierr de Données_EvoCalcul(A,#k,tkn),

[22] [Fig.7] est une représentation schématique du contenu d’un cinquième

dossier correspondant à un Instantané du Désordre Pigmentaire IDDP(A,#k,tkn) pour le désordre pigmentaire #k à la date tkn de l’individu A,

[23] [Fig.8] est une représentation schématique du contenu d’un sixième dossier correspondant au Profil Dynamique du Désordre Pigmentaire PDDP(A,#k) pour le désordre pigmentaire #k de l’individu A,

[24] [Fig.9] est une représentation schématique d’une Base de Connaissances Globale des Désordres Pigmentaires (BCGDP).

[25] D’une figure à l’autre, les mêmes éléments sont repérés par les mêmes

références.

[26] Le procédé selon l’invention permet de générer pour un individu A, une Base de Connaissances de ses Désordres Pigmentaires BCDP(A) contenant plusieurs champs de données, comme montré figures 1 a et 1 b, chaque champ étant dédié à un désordre pigmentaire #k identifié sur l’individu A ; k = {1 ,2,...,K}, K étant le nombre de ses désordres pigmentaires.

[27] Plus précisément, le procédé de caractérisation des désordres pigmentaires d’un individu A comporte les étapes suivantes pour chaque désordre

pigmentaire 60 (ou #k) :

[28] Acquisition d’images 2D du désordre pigmentaire selon plusieurs angles de vue Q, à une date tkm et reconstruction d’au moins une image 3D à partir de ces images acquises 2D via un procédé algorithmique de type tomographie réflective fondé sur la transformation inverse de Radon. Pour cette acquisition et reconstruction d’images on utilise de préférence un système d’imagerie d’un désordre pigmentaire décrit en relation avec les figures 2a et 2b. Il comporte un dispositif A d’acquisition d’images comprenant :

- au moins un émetteur de sources lumineuses optimisées afin de permettre la pénétration de l’onde dans l’épiderme et le derme, cet émetteur étant configuré pour éclairer ledit désordre 60,

- un ensemble de récepteurs, (ce ou) ces émetteurs et récepteurs fonctionnant dans les bandes visibles, infrarouges (IR) et proche IR et/ou les bandes des 1 ère (0,65pm - 0,95pm) et 2ème (1 pm - 1 ,35pm) fenêtres thérapeutiques ; émetteur et récepteur peuvent être regroupés en un émetteur-récepteur 3 comme montré sur la figure 2b,

- des moyens de positionnement des récepteurs selon au moins deux angles de vue 0i de manière à obtenir au moins une image par angle de vue, ces récepteurs étant répartis selon une calotte sphérique de rayon r ; ces moyens de

positionnement peuvent être un rail 2 comme montré sur la figure 2b sur lequel sont positionnés des émetteurs-récepteurs 3 selon des positions Pn fixes (ou 1 émetteur-récepteur 3 qui coulisse sur le rail 2 selon des positions Pn variables),

- une structure 1 de protection du dispositif d’acquisition et de l’opérateur 50, comportant une fenêtre de positionnement des récepteurs de manière à les diriger vers le désordre pigmentaire 60, la structure étant destinée à être positionnée sur la peau et présentant une surface externe opacifiée sauf sur la fenêtre de positionnement ; la fenêtre peut être équipée d’une loupe 4 comme montré sur la figure 2b,

Comme on peut le voir figure 2a, il comporte en outre :

- une unité B de traitement des images S1 acquises 2D, qui comporte en outre un module de reconstruction 3D à transformation de Radon réflective de manière à obtenir une image 3D reconstruite S3 à partir des images 2D traitées S2,

- des moyens de visualisation qui comportent des moyens de visualisation D1 des images traitées 2D et des moyens de visualisation D3 de l’image 3D reconstruite. Un autre système d’imagerie 2D et 3D peut bien sûr être utilisé tel que celui décrit dans le brevet US 8,836,762 « Optronic System and method dedicated to identification for formulating three-dimensional Images » ou des systèmes de reconstruction 3D stéréoscopique.

A partir de ces images 2D et 3D, le procédé comporte les étapes suivantes : [29] Stockage des images 2D (acquises) et 3D (reconstruite) dans un premier dossier « Données_2D03D(A,#k,tkm) » associé à l’individu A, au désordre pigmentaire #k, auxdits angles de vue Q et à la date tkm (qui est par exemple la date de l’image acquise avec le dernier angle de vue). Ce premier dossier montré figure 3 contient donc :

- des images 2D du désordre pigmentaire #k acquises à la date tkm et à des angles 0ki ; i = {1 , 2,..., I}, I étant le nombre d’images acquises,

- et l’image 3D(A,#k,tkm) reconstruite à partir de ces images 2D du désordre pigmentaire #k à la date tkm.

[30] A partir des images 2D et/ou 3D, calcul de paramètres prédéfinis du désordre pigmentaire #k par des premiers moyens de calcul MOD1 du système selon l’invention, et stockage des paramètres dans un deuxième dossier

« Données_ParaCalcul(A,#k,tkm) » comme montré figure 4a et 4b, associé à l’individu A, au désordre pigmentaire #k, et à la date tkm. Les paramètres du deuxième fichier Données_ParaCalcul(A,#k,tkn) sont par exemple :

- Asymétrie (ParaCalculA) : degré d’asymétrie en vue perpendiculaire du désordre pigmentaire ayant comme source l’image 2D en vue perpendiculaire du désordre pigmentaire #k,

- Bordure (ParaCalculB) : irrégularités (écarts) du contour du désordre

pigmentaire par rapport au contour moyen calculé en vue perpendiculaire ayant comme source l’image en vue perpendiculaire du désordre pigmentaire #k,

- Couleur (ParaCalculC) : couleurs en vue perpendiculaire issue de l’analyse chromatique des couleurs ayant comme source l’image 2D en vue

perpendiculaire du désordre pigmentaire #k,

- Diamètre plan (ParaCalculD) : diamètre du cercle englobant le désordre pigmentaire en vue perpendiculaire ayant comme source l’image 2D en vue perpendiculaire du désordre pigmentaire #k,

- Isodensité 3D du désordre pigmentaire permettant d’obtenir un volume délimité par la surface tridimensionnelle ayant comme source l’image 3D reconstruite du désordre pigmentaire #k à la date tkn ;

- Diamètre volumique : diamètre de la sphère englobant le volume 3D global du désordre pigmentaire #k,

- Epaisseur du désordre pigmentaire #k au-dessus de la surface de la peau calculé dans la coupe principale verticale de l’image 3D du désordre pigmentaire #k,

- Profondeur à partir de la surface de la peau du désordre pigmentaire calculée dans la coupe principale verticale de l’image 3D du désordre pigmentaire #k,

- Nombre de racines du désordre pigmentaire en profondeur à partir de la surface de la peau ayant comme source l’image 3D du désordre pigmentaire #k,

- Irrégularité de la profondeur du désordre pigmentaire à partir de la surface de la peau ayant comme source l’image 3D du désordre pigmentaire #k,

- Surface couverte sur la peau par le désordre pigmentaire #k ayant comme source l’image 3D du désordre pigmentaire #k,

- Volume en pm ³ , des voxels contenus dans l’isodensité 3D du désordre pigmentaire.

L’utilisateur peut définir sa propre coupe d’analyse dans l’image 3D du désordre pigmentaire pour extraire ses propres paramètres d’intérêt.

[31 ] Evaluation des paramètres calculés par un expert et stockage des paramètres évalués dans un troisième dossier associé « Données_ParaExpert(A,#k,tkm) », montré figure 5. L’expert qui évalue ces paramètres est un médecin ou un système-expert reconnu dans le domaine.

[32] Itération d’au moins une des quatre étapes précédentes à plusieurs dates tkm jusqu’à tkn (tkn>tkm) ; au moins un des trois dossiers (premier, deuxième et troisième) est ainsi obtenu autant de fois que d’itérations. Généralement les quatre étapes sont itérées et trois nouveaux dossiers sont alors obtenus.

[33] Pour chaque itération, comparaison des données des premier, deuxième et troisième dossiers selon au moins une période entre les dates tkn et tkm et identification des évolutions de ces données (images 2D, 3D, paramètres tels que différents paramètres présents asymétrie, bordure, couleur...) dans les premier, deuxième et troisième dossiers par des seconds moyens de calcul MOD2 du système selon l’invention, et stockage des évolutions desdites données dans un quatrième dossier « Données_EvoCalcul(A,#k,tkn) » comme montré figure 6a et 6b.

[34] Les moyens MOD2 de calcul des comparaisons et d’identification des

évolutions des désordres pigmentaires permettent par exemple à l’utilisateur (opérateur non médecin, ou médecin) de réaliser :

- La comparaison grâce à l’image 3D, des dimensions des surfaces, des

irrégularités des surfaces et des volumes du désordre pigmentaire #k entre la date tkm et la date tkn ;

- La comparaison des paramètres calculés suivants : les asymétries, les bordures, les couleurs, les diamètres (plans et volumiques), les épaisseurs au-dessus de la peau, les profondeurs à partir de la surface de la peau, les nombres de racines en profondeur à partir de la surface de la peau, les irrégularités de l’épaisseur de la profondeur et les surfaces couvertes sur la peau du désordre pigmentaire #k entre la date tkm et la date tkn ;

- La comparaison des paramètres A, B, C et D évalués par l’expert métier pour le même désordre pigmentaire #k entre la date tkm et la date tkn ;

- La définition d’autres éléments particuliers de comparaison du même désordre pigmentaire #k à des dates tkm et tkn différentes, comme par exemple, la comparaison d’images 2D prises au même angle de vue ou la comparaison des coupes dans les volumes 3D ou tout autre élément particulier de comparaison.

- l’identification de l’évolution est par exemple : « pas d’évolution » ou « évolution positive », ou ...

[35] Puis regroupement des quatre dossiers associés à tkn dans un cinquième

dossier « IDDP(A,#k,tkn) » représentant un Instantané Du Désordre Pigmentaire #k de l’individu l à la date tkn, comme montré figure 7.

[36] Les moyens de calcul MOD2 sont interactifs avec l’utilisateur (opérateur non médecin, ou médecin) en lui donnant la possibilité de créer pour le même désordre pigmentaire #k, différents quatrièmes dossiers selon la période

d’évolution choisie entre tkm et tkn (période complète ou partielle). En effet, la comparaison du même désordre pigmentaire #k entre les dates tkm et tkn peut être effectuée à partir :

1. d’une évolution incrémentale unitaire si n = m+1 , et/ou

2. d’une évolution quelconque si n > m+1 , et/ou

3. d’une évolution globale si n correspond à la dernière date et m à la première date du désordre pigmentaire. [37] Il en résulte donc au moins autant de cinquièmes dossiers instantanés

« IDDP(A,#k,tkn) » que d’itérations d’une part et de différentes périodes

d’évolution entre tkn et tkm d’autre part.

[38] Ainsi pour un individu l et pour un désordre pigmentaire #k les situations

possibles pour un Instantané du Désordre Pigmentaire IDDP(A,#k,tkn) à la date tkn peuvent être :

- Situation partielle 1 : des prises de vue 2D et d’images 3D à la date tkn sont réalisées, dans ce cas le premier dossier Data_2D03D (A,#k,tkn) est généré automatiquement, le deuxième dossier Données_ParaCalcul(A,#k,tkn) est généré par les moyens MOD1 de calcul des paramètres du désordre pigmentaire. Les moyens de calcul MOD2 permettent la génération du troisième dossier

Données_EvoCalcul(A,#k,tkn) s’il existe au moins un dossier

Données_EvoCalcul(A,#k,tkm) antérieur.

- Situation partielle 2 : pas de prises de vue 2D et pas d’images 3D à la date tkn, donc le dossier Données_2D03D(A,#k,tkn) est vide et le 2ème dossier

Données_ParaCalcul(A,#k,tkn) aussi, mais si une évaluation du désordre pigmentaire #k est faite par l’expert métier à cette date tkn, alors le troisième dossier Données_ParaExpertMétier(A,#k,tkn) est généré et le module MOD2 génère à son tour le quatrième dossier Données_EvoCalcul(A,#k,tkn) s’il existe au moins un troisième dossier Données_ParaExpertMétier(A,#k,tkm) antérieur ;

- Situation complète : des prises de vue 2D et d’images 3D à la date tkn sont réalisées et une évaluation est réalisée par l’expert métier à cette date tkn ; dans ce cas tous les quatre dossiers

Données_2D03D(A,#k,tkn),Données_ParaCalcul(A,#k,tkn),

Données_ParaExpertMétier(A,#k,tkn) et Données_EvoCalcul(A,#k,tkn) sont générés.

[39] D’autres situations équivalentes sont également possibles.

[40] Ces IDDP(A,#k, tkn) sont agrégés dans un sixième dossier « PDDP(A,#k) » qui représente un Profil Dynamique du Désordre Pigmentaire #k de l’individu A, comme montré figure 8.

[41 ] Les étapes précédentes sont réitérées pour chaque autre désordre

pigmentaire de l’individu. On obtient alors pour chaque autre désordre

pigmentaire un Profil Dynamique du Désordre Pigmentaire de l’individu A. [42] On peut alors générer pour l’individu l une Base de Connaissances de ses Désordres Pigmentaires « BCDP(A) » agrégeant les sixièmes dossiers, c’est-à- dire ses Profils Dynamiques pour chaque Désordre Pigmentaire comme déjà montré figure 1 b. L’un des avantages de cette base BCDP(A) par rapport aux bases conventionnelles réside dans le fait que l’on peut voir à l’intérieur du désordre pigmentaire à travers l’image 3D du désordre pigmentaire par des coupes ou des représentations de type MIP (Maximum Intensity Projection) et que l’on peut permettre à l’expert de quantifier le comportement évolutif du désordre pigmentaire à l’aide d’un ensemble d’équations prédictives établies à partir de la base de connaissances globales de désordres pigmentaires définie ci- après.

[43] Une Base de Connaissances Globale des Désordres Pigmentaires (BCGDP) peut être créée par l’agrégation des Bases de Connaissances des Désordres Pigmentaires BCDP(A) de plusieurs individus [A1 , A2,..., Ap}, p étant le nombre d’individus de la base, comme déjà montré figure 9.

[44] A titre d’exemple non limitatif, l’agrégation de connaissances des désordres pigmentaires de plusieurs individus dans une base de connaissances globale des désordres pigmentaires est en lien avec un critère de sélection de type : tranche d'âge, sexe, localisation géographique ...

[45] Cette base de connaissances globale de désordres pigmentaires contribue à des analyses statistiques globales, à l’établissement d’équations prédictives (basées sur les descripteurs représentatifs issus des analyses univariées de type Kaplan-Mayer et multivariées de type modèles de Cox) partant des paramètres d’évolution bi ou tridimensionnels, et de paramètres de rugosité par exemple, et également comme bases d’entrées pour réaliser des évaluations automatiques à l’aide de technologies avancées comme l’apprentissage profond (« Deep

Learning » en anglais) par exemple.

[46] Le procédé selon l’invention s’applique principalement au domaine biomédical dans l’identification précoce de désordres cutanés ou sous-cutanés.

[47] Un autre exemple d’application est l’orthodontie qui nécessite un suivi de

l’évolution interne de la gencive et des racines dentaires.