Segmentation multidimensionnelle basée sur l’apprentissage profond et évaluation volumétrique du liquide des sinus sphénoïdaux sur scanner post‑mortem dans des cas de noyade

Pourquoi cela compte au‑delà de la salle d’autopsie

Lorsqu’une personne est retrouvée morte dans l’eau, même des médecins légistes expérimentés peuvent avoir du mal à affirmer avec confiance s’il s’agit d’une noyade ou si la mort est survenue pour une autre raison avant la submersion. Un indice subtil est le liquide qui s’accumule dans une petite cavité remplie d’air, en profondeur derrière le nez, appelée le sinus sphénoïdal. Mesurer ce liquide sur des scanners post‑mortem pourrait aider, mais le faire manuellement est lent et dépend fortement du lecteur des images. Cette étude explore si les techniques modernes de vision par ordinateur peuvent détecter et mesurer automatiquement ce liquide, offrant un soutien plus rapide et plus cohérent pour des enquêtes de noyade complexes.

Une cavité cachée porteuse d’indices importants

Dans les cas de noyade, le liquide s’infiltre souvent dans les sinus paranasaux, de petites chambres dans les os du visage. Le sinus sphénoïdal, niché profondément dans le crâne, suscite un intérêt particulier car le liquide qui s’y accumule peut être analysé pour détecter des algues microscopiques et des taux de sel suggérant si la noyade a eu lieu en eau douce ou en eau de mer. Des travaux antérieurs ont montré que les scanners effectués après la mort peuvent approcher les volumes de liquide retrouvés plus tard à l’autopsie. Mais pour obtenir ces chiffres, les experts devaient délimiter la région liquidienne coupe par coupe sur un ordinateur — une tâche fastidieuse, difficile à standardiser et impraticable pour un grand nombre de cas.

Apprendre aux ordinateurs à repérer le liquide

L’équipe de recherche s’est tournée vers une famille de systèmes d’analyse d’images largement utilisée en imagerie médicale, connus sous le nom de modèles d’apprentissage profond de type U‑Net. Ils ont rassemblé des scanners post‑mortem de 165 personnes dont la noyade avait été confirmée à l’autopsie. Un observateur expérimenté a tracé manuellement le liquide dans le sinus sphénoïdal pour créer une carte de référence permettant aux ordinateurs d’apprendre. Les cas ont été répartis en groupes d’entraînement, de validation et de test afin que les modèles soient évalués sur des données qu’ils n’avaient pas vues auparavant. Les scientifiques ont ensuite construit trois versions du système : une qui analysait des coupes CT individuelles (2D), une qui considérait chaque coupe avec ses deux voisines (2.5D), et une qui traitait de petits blocs tridimensionnels de la tête d’un seul tenant (3D).

Performances des modèles

Les trois modèles ont pu repérer le liquide du sinus sphénoïdal sur les scanners de test d’une manière très proche du tracé de l’expert humain. Les approches 2D et 2.5D se sont montrées les plus fiables pour délimiter la forme et les contours du liquide, tandis que la version 3D était un peu moins précise et plus variable d’un cas à l’autre. Quand l’équipe a converti ces contours en volumes réels de liquide, les estimations automatiques se situaient à une fraction de millilitre des valeurs de référence, et les différences n’étaient pas statistiquement significatives. Les volumes prédits et manuels évoluaient de concert, avec des corrélations très fortes pour les trois modèles, ce qui suggère que les mesures générées par l’ordinateur peuvent remplacer les mesures manuelles fastidieuses.

Pourquoi l’approche intermédiaire l’a emporté

Le modèle 2.5D, qui examine une coupe avec ses voisines immédiates, a offert le meilleur équilibre entre précision et praticabilité. Il bénéficie d’un certain contexte tridimensionnel, ce qui l’aide à distinguer le vrai liquide des os et des tissus mous voisins, tout en évitant les fortes demandes de calcul et l’instabilité qui peuvent affecter les modèles 3D complets — en particulier lorsque la structure d’intérêt est minuscule et n’apparaît que sur quelques coupes. Pour les centres médico‑légaux chargés et disposant de ressources informatiques limitées, cette stratégie intermédiaire pourrait être le choix le plus réaliste pour un usage courant.

Ce que cela signifie pour les enquêtes futures sur les morts

Pour les non‑spécialistes, la conclusion principale est que les ordinateurs peuvent désormais repérer et mesurer de façon fiable une petite poche de liquide profondément dans la tête sur des scanners post‑mortem, avec des performances proches de celles d’un expert humain. L’étude montre que de telles mesures automatisées peuvent être produites rapidement et de manière reproductible, ouvrant la voie à l’utilisation des données CT pour étayer des diagnostics de noyade avant même le début de l’autopsie. Bien que ce travail monocentrique doive encore être testé à plus grande échelle et étendu à d’autres sinus et à des décès non liés à la noyade, il dessine un avenir où l’analyse d’images avancée renforce discrètement les preuves dans certaines des questions les plus difficiles de la médecine légale.

Citation: Heo, JH., Kim, MJ., Jang, S.J. et al. Multi-dimensional deep learning–based segmentation and volumetric assessment of sphenoid sinus fluid on postmortem CT in drowning cases. Sci Rep 16, 13800 (2026). https://doi.org/10.1038/s41598-026-44094-3

Mots-clés: diagnostic de noyade, scanner post‑mortem, imagerie médico‑légale, apprentissage profond, liquide des sinus