Projet : EPIDAURE - epidaure

<body bgcolor="#FFFFFF" text="#000000" link="#9944EE" vlink= "#0000FF" alink="#00FF00">  <a name="CHILD_LINKS"><strong>Sous-sections</strong></a> <ul> <li><a name="tex2html563" href= "resul_analyseDef_mn.html#SECTION00064100000000000000" target="main"><small>Processus évolutifs dans des images tridimensionnelles</small></a></li> <li><a name="tex2html564" href= "resul_analyseDef_mn.html#SECTION00064200000000000000" target="main"><small>Suivi de déformations dans des séquences temporelles d'images ultrasonores 3D</small></a></li> <li><a name="tex2html565" href= "resul_analyseDef_mn.html#SECTION00064300000000000000" target="main"><small>Utilisation d'un modèle biomécanique du coeur pour calculer la fonction ventriculaire cardiaque à partir d'échocardiographies 4D.</small></a></li> </ul> <hr /> <h2><a name="SECTION00064000000000000000">Analyse du mouvement et des déformations</a></h2>  <a name="EPIDAURE_resultats_analyseDef"></a> <p><strong>Mots clés :</strong> <i>déplacement, évolution, sclérose en plaques, cancérologie, mouvement apparent, déformation, champ de vecteur .</i></p> <h3><a name="SECTION00064100000000000000"></a> <a name= "Rey"></a><br /> Processus évolutifs dans des images tridimensionnelles</h3> <blockquote> <i>Une partie de cette étude a été menée en collaboration avec les services de neurologie et de radiologie de l'hÔpital Pasteur à Nice, et avec le service hospitalier Frédéric Joliot du CEA à Orsay.</i> </blockquote> <p><br /> <br /> <span class="textbf">Participants :</span> David Rey, Hervé Delingette, Grégoire Malandain, Nicholas Ayache.<br /> <br /></p> <p>On s'intéresse ici à la détection de processus évolutifs dans des séquences temporelles. Nous avons progressé sur trois points.</p> <p>D'une part, du point de vue méthodologique, nous avons tenté d'apporter quelques améliorations à l'approche décrite dans le rapport d'activité 1999 [<a href= "bibliographie_Toc.html#Rey:RR:98" target= "contents">RSDA98</a>] [<a href= "bibliographie_Toc.html#Rey:IPMI:99" target= "contents">RSDA99</a>] (et article soumis au journal MedIA, [<a href="bibliographie_Toc.html#Rey:MedIA:00" target= "contents">31</a>]) :</p> <ul> <li>développement de méthodes pour réaliser le seuillage de l'image du Jacobien du champ des déformations automatiquement afin de retrouver et de segmenter les régions évolutives entre deux images ;</li> <li>étude du biais temporel entre les images, et implantation d'algorithmes pour le corriger ;</li> <li>simplification de la méthode générale d'analyse temporelle grâce à un calcul symétrique du champ de vecteurs entre deux images [<a href= "bibliographie_Toc.html#Cachier00b" target= "contents">37</a>] au lieu du calcul des champs direct et réciproque.</li> </ul> <p>D'autre part, dans le cadre d'une collaboration avec l'hÔpital Pasteur de Nice, nous construisons une base de données d'images IRM de patients atteints de sclérose en plaques et suivis médicalement. Nous construisons également une base d'images sur des sujets de contrÔle. L'analyse temporelle réalisée grâce à la méthode décrite dans le rapport d'activité de l'année 99 peut alors être appliquée pendant le suivi médical [<a href= "bibliographie_Toc.html#Rey00" target= "contents">51</a>,<a href= "bibliographie_ct.html#lebrun-al2000" target= "contents">44</a>]. Par ailleurs, les images de contrÔle ont permis d'établir que le biais temporel entre deux images IRM perturbe sensiblement le calcul du champ des déformations apparentes, et nous cherchons comment nous affranchir de cette difficulté.</p> <p>Enfin, nous avons travaillé sur la visualisation et le recalage d'images temporelles de tenseurs de diffusion d'un patient atteint de CADASIL (Cerebral Autosomal Dominant Arteriolopathy AND Subcortical Infarcts and Leucoencephalopathy) afin de pouvoir réaliser une analyse de ces images au cours du temps. Les images nous ont été fournies par le service hospitalier Frédéric Joliot du CEA d'Orsay (voir section <a href= "inter_national_Toc.html#actionMC2">8.2.2</a>). Nous utilisons des images scalaires extraites des images de tenseur de diffusion pour effectuer les recalages. De plus, nous recalons les images de tenseur sur les images anatomiques correspondantes (figure <a href= "resul_analyseDef_Toc.html#fig:rectenseurs">13</a>).</p> <div align="center"> <a name="fig:rectenseurs"></a><a name="1570"></a> <table> <caption align="bottom"> <strong>Figure 13:</strong> <i class= "slanted"><small class="SMALL">Deux acquisitions temporelles de tenseurs de diffusion du même patient alignées sur les images anatomiques. Les tenseurs sont représentés par des ellipsoïdes en chaque point dont la couleur donne une indication sur sa forme (sphérique, planaire, ou linéaire). Il est ensuite possible de remettre les deux images de tenseur dans le même repère grâce au recalage des images anatomiques temporelles.</small></i> </caption> <tr> <td> <table cols="2"> <col align="center" /> <col align="center" /> <tr> <td valign="baseline" align="center" nowrap= "nowrap"> <img width="232" height="189" align="bottom" border="0" src="img42.png" alt= "\includegraphics [scale=0.4]{images/Rey1}" /></td> <td valign="baseline" align="center" nowrap= "nowrap"> <img width="254" height="207" align="bottom" border="0" src="img43.png" alt= "\includegraphics [scale=0.4]{images/Rey2}" /></td> </tr> </table> </td> </tr> </table> </div> <h3><a name="SECTION00064200000000000000"></a><a name= "PascalUSUS"></a><br /> Suivi de déformations dans des séquences temporelles d'images ultrasonores 3D</h3> <p><br /> <br /> <span class="textbf">Participants :</span> Xavier Pennec, Pascal Cachier, Nicholas Ayache.<br /> <br /></p> <p><strong>Mots clés :</strong> <i>Recalage non rigide rapide, images ultrasonores 3D, suivi temporel .</i></p> <p>Lors d'une intervention neurochirurgicale, le cerveau s'affaisse et se déforme. Pour conserver un positionnement précis des instruments par rapport aux structures cérébrales, il est nécessaire d'estimer la déformation à partir d'informations per-opératoires. Les images ultrasonores (US) 3D sont pour cela une modalité qui peut prendre une importance considérable car elles ont un coût très inférieur à l'IRM interventionnelle et offrent la possibilité d'acquérir des séquences temporelles en temps réel. Elles ont par contre un faible rapport signal sur bruit.</p> <p>Nous avons poursuivi cette année le travail sur le recalage non rigide d'images US 3D en développant un nouveau type de transformations non-rigides intermédiaires entre les déformations libres (champ de déformation contenant le déplacement de chaque voxel) et les transformations paramétriques : au lieu de calculer la transformation en un point <span class="MATH"><i>x</i></span> par interpolation des déplacements <span class= "MATH"><i>t</i><sub>i</sub></span> des voxels <span class= "MATH"><i>x</i><sub>i</sub></span> voisins, on la calcule par convolution gaussienne :  <span class="MATH"><i>T</i>(<i>x</i>) = <img width="19" height="24" align="middle" border="0" src="img44.png" alt= "$ \sum_{i}^{}$" /><i>t</i><sub>i</sub>.<i>G</i><sub><img width="8" height="11" align="bottom" border="0" src="img45.png" alt= "$\scriptstyle \sigma$" /></sub>(<i>x</i> - <i>x</i><sub>i</sub>)</span>. On obtient donc une déformation en tout point de l'espace paramétrée par les <span class= "MATH"><i>t</i><sub>i</sub></span> aux sites <span class= "MATH"><i>x</i><sub>i</sub></span> (que l'on peut prendre sur une grille différente de celle des voxels). Dans les algorithmes de descente de gradient précédemment développés [<a href="bibliographie_Toc.html#Pennec:MICCAI:99" target= "contents">PCA99</a>] [<a href= "bibliographie_ct.html#Cachier:MMBIA:00" target= "contents">36</a>], l'usage de cette paramétrisation revient à lisser spatialement le gradient et le Hessien du critère, ce qui permet d'éviter certains minima locaux et de favoriser des transformations plus lisses.</p> <div align="center"> <a name="PigBrain"></a><a name="1572"></a> <table> <caption align="bottom"> <strong>Figure 14:</strong> En haut, 3 images de la séquence d'images ultrasonores d'un cerveau de cochon ou un ballon est dégonflé pour simuler le drainage d'un kyste. Nous y avons superposé la trace de la segmentation du ballon (effectuée dans la première image de la séquence US), cette segmentation étant déformée grâce au champ de déformation estimé par notre algorithme de suivi. Les résultats sont très encourageants. En bas, nous présentons la déformation d'une grille pour montrer la régularité du champ obtenu. </caption> <tr> <td> <div align="center"> <div align="center"></div> <div align="center">  <img width="147" height="147" align="bottom" border="0" src="img49.png" alt= "\includegraphics [width=4.5cm]{images/cyst_grid_0}" /> </div> <div align="center"></div> <table cols="3"> <col align="center" /> <col align="center" /> <col align="center" /> <tr> <td valign="baseline" align="center" nowrap= "nowrap"> <img width="147" height="147" align="bottom" border="0" src="img46.png" alt= "\includegraphics [width=4.5cm]{images/cyst_virtual_seg_0}" /></td> <td valign="baseline" align="center" nowrap= "nowrap"> <img width="147" height="147" align="bottom" border="0" src="img47.png" alt= "\includegraphics [width=4.5cm]{images/cyst_virtual_seg_1}" /></td> <td valign="baseline" align="center" nowrap= "nowrap"> <img width="147" height="147" align="bottom" border="0" src="img48.png" alt= "\includegraphics [width=4.5cm]{images/cyst_virtual_seg_2}" /></td> </tr> <tr> <td valign="baseline" align="center" nowrap= "nowrap">US1 + segment.</td> <td valign="baseline" align="center" nowrap= "nowrap">US + segm. déformée (t=2)</td> <td valign="baseline" align="center" nowrap= "nowrap">US + segm. déformée (t=3)</td> </tr> <tr> <td valign="baseline" align="center" nowrap= "nowrap"></td> <td valign="baseline" align="center" nowrap= "nowrap"> <img width="147" height="147" align="bottom" border="0" src="img50.png" alt= "\includegraphics [width=4.5cm]{images/cyst_grid_1}" /></td> <td valign="baseline" align="center" nowrap= "nowrap"> <img width="147" height="147" align="bottom" border="0" src="img51.png" alt= "\includegraphics [width=4.5cm]{images/cyst_grid_2}" /></td> </tr> <tr> <td valign="baseline" align="center" nowrap= "nowrap">Grille originale</td> <td valign="baseline" align="center" nowrap= "nowrap">Grille déformée (t=2)</td> <td valign="baseline" align="center" nowrap= "nowrap">Grille déformée (t=3)</td> </tr> </table> </div> </td> </tr> </table> </div> <p>Nous avons également développé un algorithme de suivi dans la séquence à partir de nos algorithmes de recalage non rigide. Comme le speckle (bruit caractéristique des images ultrasonores) persiste au cours du temps, c'est un bon amer géométrique pour le recalage d'images successives dans la séquence. De plus, les changements globaux d'intensités sont lents. Nous avons donc choisi de recaler les images successives de la séquence avec le critère SSD (somme des différences d'intensité au carré). Pour obtenir la déformation globale (i.e. de l'image de référence à l'image actuelle), nous ne pouvons pas composer simplement les recalages successifs car cela cumulerait les erreurs d'interpolation et les biais possibles de l'algorithme. On utilise donc le recalage d'images successives comme une initialisation pour un nouveau recalage avec l'image de référence mais, cette fois-ci, si le mouvement doit être très faible, les intensités peuvent avoir évolué de manière globale. On utilise donc cette fois ci le critère LCC (somme des coefficients de corrélation locale calculés sur des fenêtres gaussiennes [<a href= "bibliographie_Toc.html#Cachier:MMBIA:00" target= "contents">36</a>]) qui s'optimise de la même manière par descente de gradient.</p> <p>Des expériences ont été réalisées sur une séquence d'images ultrasonores d'un fantÔme non-rigide et sur une séquence d'images d'un cerveau de cochon où un ballon est dégonflé pour simuler le drainage d'un kyste (voir figure <a href="resul_analyseDef_Toc.html#PigBrain">14</a>). Les résultats de ces travaux ont donné lieu à des soumissions à un numéro spécial sur les ultrasons de la revue <em>Pattern Recognition Letters</em> et la conférence internationale <em>Information Processing in Medical Imaging (IPMI'01)</em>.</p> <h3><a name="SECTION00064300000000000000">Utilisation d'un modèle biomécanique du coeur pour calculer la fonction ventriculaire cardiaque à partir d'échocardiographies 4D.</a></h3> <blockquote> <em>Cette activité de recherche est menée en collaboration avec les partenaires de l'Action de Recherche Collaborative ICEMA décrite plus loin (projets Epidaure, Macs, Sinus, Sosso et industriel Philips).</em> </blockquote> <p><br /> <br /> <span class="textbf">Participants :</span> Maxime Sermesant, Hervé Delingette, Nicholas Ayache.<br /> <br /></p> <p>Les pathologies cardio-vasculaires sont la première cause de mortalité dans les pays industrialisés. Une aide au diagnostic automatisée est donc très utile aux médecins. Pour cela, il faut extraire des paramètres quantitatifs à partir d'images médicales du patient pour mieux comprendre le mouvement cardiaque, détecter les zones ischémiques ou infarcies, mesurer la gravité de la pathologie et contrÔler l'efficacité du traitement. Ces paramètres, qui constituent la fonction ventriculaire cardiaque, sont en particulier : la fraction d'éjection du ventricule gauche, l'épaisseur de la paroi du myocarde et les déformations et contraintes locales dans le myocarde.</p> <div align="center"> <a name="1566"></a> <table> <caption align="bottom"> <strong>Figure 15:</strong> En haut, coupes extraites de la séquence échographique 4D. En bas à gauche, maillage du modèle biomécanique du ventricule gauche. En bas à droite, évolution spatio-temporelle du modèle biomécanique contraint par les images échographiques et l'électrocardiogramme du patient (le modèle est représenté à un instant donné de la séquence). </caption> <tr> <td> <div align="center">  <img width="344" height="170" align="bottom" border="0" src="img52.png" alt= "\includegraphics [height=6cm]{images/echo4D.ps}" /><br />  <img width="180" height="198" align="bottom" border="0" src="img53.png" alt= "\includegraphics [height=7cm]{images/maillage.ps}" />  <img width="181" height="198" align="bottom" border="0" src="img54.png" alt= "\includegraphics [height=7cm]{images/modeleecho.ps}" /> </div> </td> </tr> </table> </div> <p>Le choix des échographies se justifie par le fait que ce mode d'imagerie est peu invasif pour le patient, rapide et peu coûteux. L'extraction de la fonction ventriculaire cardiaque à partir d'images médicales 4D se fait par la mise en place d'un modèle biomécanique du coeur couplant les champs électriques et les déformations puis par la segmentation des échographies avec ce modèle.</p> <p>Le modèle physique utilise la méthode des éléments finis dans le cadre de l'élasticité linéaire anisotrope. Des éléments héxaèdriques provenant de données issues de dissections menées à l'Université d'Auckland, Nouvelle-Zélande, sont utilisés. Différents modèles de l'activation des fibres musculaires sont testés. Des équations de réaction-diffusion contrÔlent la vague de potentiel électrique qui provoque ces contractions. Une énergie externe de type contour actif ajuste le modèle à la séquence d'images.</p> <p>Les premiers résultats ont été présentés lors des secondes journées de l'Action de Recherche Collaborative ICEMA qui se sont déroulées à Sophia Antipolis le 15 Novembre 2000.</p> </body>