Détection de changement

Opération 5 : Détection de changement (LSIIT, IPB-LINC)

Figure 5 : Détection automatique d’évolution de lésions par test statistique (séquences d’images IRM multimodales, patient atteint de sclérose en plaques) (LINC - LSIIT).

L'analyse de séquences temporelles (3D+t) d'images multimodales apporte au clinicien des éléments nouveaux pour le diagnostic, le suivi et le pronostic d'une pathologie. Cette exploitation qualitative des images est accompagnée d'une exploitation quantitative telle que la mesure de la charge lésionnelle ou la mesure de l'atrophie d'une structure anatomique. Le recours à des méthodes automatiques de détections de changements présente de nombreux avantages : reproductibilité des mesures, absence d'intervention manuelle, possibilité d'analyser la localisation et la forme des évolutions, possibilité de prendre en compte les modifications de contraste. Le but de ce projet est de développer des méthodes statistiques de comparaison d'images multimodales ou tensorielles (dans le cadre de l'IRM du tenseur de diffusion) afin de mettre en évidence les modifications d'apparence (ex: lésions, tumeurs) ou de géométrie (ex: atrophie, croissance de tumeurs) au cours d'examens successifs. Ces méthodes devront modéliser de manière fine les différences liées au bruit, aux artefacts, aux erreurs de recalage ou aux modifications de contraste des images dues aux conditions d'examen. Une méthode reposant sur une analyse statistique locale a déjà été développée et validée pour le suivi longitudinal dans des séquences IRM multimodales. Cette approche sera étendue aux séquences d'IRM du tenseur de diffusion, ainsi qu’à l'estimation de l'atrophie cérébrale. Par ailleurs, des approches régions reposant sur un cadre mathématique a contrario seront également considérées. Un autre objectif est de développer des estimateurs robustes et performants pour estimer les mesures des objets discrets (longueurs, aires, volumes, etc) dans les images permettant de contrôler les erreurs en fonction de la résolution de l'espace discret. Ces outils développés permettraient d’améliorer notablement la quantification des changements longitudinaux des structures anatomiques dans les images médicales. Les applications visées concernent principalement le suivi d'évolution de tumeurs cérébrales et de lésions de sclérose en plaques, ainsi que la mesure d'atrophie de structures anatomiques dans le cadre de pathologies neurodégénératives. Un autre domaine applicatif faisant intervenir la détection de changement concerne les pathologies pulmonaires, pour lesquelles l’utilisation d’un stéthoscope numérique développé dans le cadre du projet ANR ASAP (2007-2009) permettra l’analyse, le stockage et la comparaison des sons intra-patients. La définition de nouveaux marqueurs de pathologies basés sur une décomposition en paquets d’ondelettes du signal d’auscultation a pour objectif le positionnement de la pathologie dans un corpus pré-établi dans le cadre de l’Ecole de l’Auscultation. La comparaison de sons nécessite la détection de changement des différentes phases respiratoires (inspiration, expiration, transition) qui est réalisée par modélisation markovienne triplet prenant en compte la non stationnarité du signal ainsi que la dépendance des observations.