Axe Transverse IRMC

Recalage intra et inter-patients

De Axe Transverse IRMC
Révision datée du 7 avril 2010 à 09:03 par Willinger (discussion | contributions)
(diff) ← Version précédente | Voir la version actuelle (diff) | Version suivante → (diff)
Aller à la navigation Aller à la recherche

Opération 6 : Recalage intra et inter-patients (LSIIT, IPB-LINC, IRCAD)

Recalage.jpg

Recalage déformable dense 3D inter-patients.

L’objectif général des méthodes de recalage est l’estimation d’une transformation spatiale permettant de mettre en correspondance deux images, bidimensionnelles ou tridimensionnelles. Il s’agit de lier deux à deux, dans chacune des images, les points relatifs à une réalité anatomique sous jacente identique. Le recalage est une étape incontournable de la plupart des algorithmes de traitement d’images médicales. La transformation à estimer peut être rigide ou affine (recalage intra-patient), ou déformable (recalage inter-patient ou atlas-patient, à base de fonctions d’échelle B-splines dans le cadre de nos approches). Selon le cas, une douzaine ou plusieurs centaines de milliers de paramètres sont mis en jeu. Un enjeu des méthodes de recalage déformable est la préservation de la topologie : la transformation estimée ne doit induire ni déchirement ni repliement, afin de préserver l’intégrité des structures mises en correspondance.

La procédure d’estimation est basée sur l’optimisation d’une fonction de coût quantifiant la pertinence d’un jeu de paramètres donné. Dans le cas d’images monomodales, cette fonction de coût quantifie typiquement l’écart entre les niveaux de gris de l’image cible et les niveaux de gris de l’image source déformée. Une difficulté supplémentaire est constituée par la variation photométrique entre les deux images mises en jeu : un tissu donné prendra deux intensités différentes, en raison d’une différence d’étalonnage. Il s’agit de prendre en compte cette variation dans la procédure de recalage. Dans le cas d’images multimodales, il s’agit également de proposer une modélisation pertinente de la variation photométrique (typiquement, des méthodes à base d’information mutuelle sont mises en œuvre pour ce type de problème). Dans le cas de la mise en correspondance de primitives géométriques, il s'agit d'estimer des appariements entre points présentant des caractéristiques similaires.

Nous avons proposé récemment une procédure permettant la préservation de la topologie et, dans le cas d’images monomodales, la prise en compte de la variabilité photométrique basée sur une segmentation implicite des images mises en jeu. Des travaux ont été également réalisés pour recalage intra-patient de l'arbre vasculaire hépatique grâce à des techniques de mise en correspondance de graphes. Cependant de nombreux problèmes persistent à ce jour. Il s’agit d’une part d’améliorer la modélisation de la variabilité photométrique dans le cas d’images multimodales. Il s’agit d’autre part de proposer des algorithmes pertinents permettant de recaler des images multivaluées dans un cadre déformable, typiquement pour le recalage d’images de tenseurs de diffusion. De plus, il serait souhaitable d’incorporer dans nos approches des informations complémentaires aux niveaux de gris. Ces informations correspondent par exemple à des points anatomiques caractéristiques, des sillons corticaux ou des faisceaux de fibres nerveuses. L’objectif est l’amélioration de la performance des méthodes, en particulier pour des zones où les niveaux de gris sont peu informatifs. Nous souhaitons également développer des algorithmes réalisant conjointement segmentation et recalage, afin de bénéficier de la collaboration entre ces approches pour améliorer à la fois la qualité de la transformation et de la segmentation estimées. Nous souhaitons par ailleurs développer des méthodes permettant de déformer des objets discrets, en conservant leurs propriétés topologiques discrètes, à partir d'une transformation préservant la topologie sur le domaine continu. Ce but pourra être atteint en étudiant les transferts des propriétés topologiques entre les espaces euclidiens et les espaces discrets. Enfin, nous souhaitons améliorer les techniques développées pour le recalage hépatique, d'une part, en développant des algorithmes efficaces pour le filtrage (l'alignement) d'arbres pondérés (représentations formelles des réseaux vasculaires), et d'autre part, en prenant en compte les bords des organes en question dans le recalage.

Pour la modélisation mécanique du traumatisme (opération 11) et pour la modélisation de l’acte chirurgical (opération 12) la différence inter-individu présente un grand intérêt tant pour le cerveau (variations du tenseur de diffusion, sillons corticaux et faisceaux de fibres) que pour le foie (géométrie des lobes, arbre vasculaire). Ainsi des modèles génériques doivent être élaborés dans un premier temps, suivi par des familles de modèles capables de représenter une large proportion de la population.