Segmentation automatique des organes et des lésions

Une segmentation robuste demeure une étape essentielle en analyse d’images médicales pour espérer atteindre un niveau d’interprétation des données de plus haut niveau sémantique. En imagerie IRM du cerveau, la segmentation en 3 classes (liquide céphalo-rachidien, matières blanche et grise) a été améliorée dans le cadre des travaux de thèse de S. Bricq (2005-2008) grâce à la prise en compte du biais et des effets de volume partiel, mais aussi et surtout l’ajout dans les modèles de régularisation (chaîne de Markov triplet) d’une information probabiliste a priori portée par un atlas (à gauche sur la figure, nous avons une segmentation avec atlas sans régularisation markovienne, à droite avec hypothèse de markovianité et un atlas). En outre, nous avons montré que la prise en compte de l’information portée conjointement par plusieurs modalités au sein du processus de segmentation permettait d’améliorer significativement la qualité de la segmentation. Une attention particulière continuera d’être portée sur la segmentation des structures anatomiques, des lésions ainsi que des tumeurs à partir d'images multimodales : la quantification des changements temporels de ces pathologies pour un patient donné constitue en effet un enjeu important de santé publique (maladie d’Alzheimer, SEP) qui nécessite une analyse subvoxel, l’ajout d’information topologique prenant en compte les variabilités anatomo-fonctionnelles normales, le raffinement des modèles statistiques qui seront nécessairement développés et utilisés dans un cadre multimodal et non supervisé. Depuis plusieurs années, une importante activité porte également sur la segmentation de structures anatomiques dans des images, par des méthodes basées sur la morphologie mathématique et la topologie discrète ; celles-ci se combinent avec l'intégration de connaissances anatomiques pour le guidage de la segmentation. Leur principale application a été la détection de structures vasculaires : - réseau de la veine porte dans des images scanner X du foie (thèse de B. Naegel, 2004) ; - réseau vasculaire cérébral dans des IRM angiographiques (en particulier bimodales) du cerveau (thèse de N. Passat, 2005) ; - artères coronaires dans des séquences d'images scanner X du cœur (thèse en cours de B. Bouraoui). Nous avons aussi étudié la segmentation d'organes digestifs en scanner X (thèse de B. Naegel, 2004) et celle de la lumière du côlon en IRM (thèse de J. Lamy, 2005). Nous travaillons également sur la segmentation morphologique de structures dans d'autres types de modalités et d'organes : - structures crâniennes en scanner X ; - tissus cérébraux en IRM ; - grains de beauté en imagerie dermatologique (collaboration avec B. Naegel, LORIA). Les méthodes de géométrie discrète sont également mises à contribution pour la segmentation. Une analyse de la courbure discrète a permis de donner une décomposition du foie en segments anatomiques, à partir de marqueurs externes. La reconnaissance de certaines primitives géométriques linéaires (morceaux de segments, de plans ou plus généralement d'hyperplans discrets) appliquée au bord d'un objet dans une image permettrait, d'une part, de donner une forme (un polygone ou un polyèdre) à l'objet en question, et d'autre part, de compresser l'information correspondant à cet objet. L'objectif est de développer des algorithmes robustes et efficaces pour la reconnaissance de ces primitives

Ces travaux en segmentation s'accompagnent donc de nouveaux développements théoriques et méthodologiques. Pour la segmentation morphologique d'organes et de vaisseaux, nous étendrons nos collaborations avec d'autres laboratoires (LORIA, A2SI). Une attention particulière sera par ailleurs accordée à l'utilisation de connaissances anatomiques 3D+t, notamment pour la segmentation cardio-vasculaire et cérébrale.