![]()
Précédent : Atlas et morphométrie
Remonter : Résultats nouveaux Suivant :
Simulation
de chirurgie laparoscopique
Mots clés : Déplacement, évolution, sclérose en plaques, cancer .
L'étude des processus évoluant au cours du temps comme les
lésions de sclérose en plaques ou les tumeurs cancéreuses est
primordiale pour la préparation d'une thérapie, le suivi des
patients ou la quantification des effets des médicaments. Nous
avons développé de nouveaux outils de détection et d'analyse
automatiques de processus évolutifs dans des images médicales
tridimensionnelles qui prolongent les travaux de Guillaume Calmon
et Jean-Philippe Thirion [TC97]. Après avoir recalé
rigidement les images d'un même patient acquises à des instants
différents de façon à éliminer les écarts de positionnement dans
l'imageur, nous calculons le champ de déplacement d'une image
vers l'autre, grâce à une méthode de recalage non-rigide. Nous
extrayons un champ plus aisément exploitable que le champ brut
grâce à des filtres vectoriels. Ensuite, nous appliquons des
opérateurs scalaires qui produisent des images dont l'intensité
caractérise l'importance de l'évolution locale. Nous pouvons
également faire une recherche de points « singuliers »
du champ de vecteurs. Nous isolons alors les régions d'intérêt
dans lesquelles il y a une évolution. Nous segmentons les zones
d'évolution et analysons localement le champ par ajustement avec
un modèle mathématique (par exemple, une transformation
homothétique) de façon à extraire des paramètres quantitatifs
pour chaque région d'intérêt. La méthode a été testée sur des
images de sclérose en plaques du projet européen BIOMORPH, des
images de glioblastome fournies par le MARIARC de Liverpool et
sera prochainement utilisée pour détecter des mélanomes dans des
images du poumon fournies par le service de radiologie de
l'hôpital La Pitié-Salpétrière (voir [[70]]).
|
Nous nous sommes intéressés au
problème du suivi du mouvement cardiaque dans les images
tridimensionnelles par IRM marquée (tagged MRI en anglais) et de
son analyse en vue de définir des paramètres quantitatifs
représentatifs d'une pathologie. Pour cela, nous utilisons les
transformations planisphériques 4D définies
dans [[24]].
Ce sont des transformations continues de l'espace et du temps
(éventuellement périodiques dans le temps) qui déforment l'espace
à l'instant initial (pris par exemple en télédiastole) pour faire
se correspondre au cours du cycle cardiaque des points
caractéristiques extraits dans chacune des images qui composent
la séquence. Ces points caractéristiques sont identifiés dans les
images par IRM marquée comme des lignes de marquage sombres qui
se déforment avec le tissu myocardique. Ces lignes sont détectées
grâce au logiciel de segmentation semi-automatique
FindTags et recalées avec la transformation 4D. Le
mouvement est décomposé en mouvements canoniques comme
dans [[24]]
ainsi qu'en déplacements élémentaires (strain) suivant les
directions de la surface du myocarde. La figure 13
illustre le calcul sur un coeur sain et un coeur pathologique
atteint d'un infarctus postérieur. Les différences de valeurs des
paramètres permettent de mesurer l'étendue de la zone atteinte.
Les travaux sont présentés en détail dans la thèse de Jérôme
Declerck [[5]] et
dans [[56]].
![]() Coeur sain ![]() Coeur pathologique (infarctus postérieur) |