Fusion de donnees TEP-IRM par methodes neurofloues pour l'etude de la viabilite du myocarde

= PET-MRI data fusion based on soft computing for the automatic assessment of myocardial viabilit

• Auteur / Autrice : Faïza Behloul
• Direction : Robert Unterreiner
• Type : Thèse de doctorat
• Discipline(s) : Imagerie médicale
• Date : Soutenance en 1999
• Etablissement(s) : Lyon, INSA
• Ecole(s) doctorale(s) : École doctorale Électronique, électrotechnique, automatique (Lyon)
• Partenaire(s) de recherche : Laboratoire : CREATIS - Centre de Recherche et d'Application en Traitement de l'Image et du Son, UMR5515 (Lyon, Rhône ; 1995-2006)

Mots clés

Mots clés contrôlés

Réseaux neuronaux (informatique)

Ischémie myocardique

Logique floue

Résumé

L'étude de la viabilité myocardique est un enjeu majeur pour l'amélioration du pronostic de patients présentant une maladie coronarienne. Des études expérimentales et cliniques ont montré que seule la combinaison de paramètres reflétant la perfusion, le métabolisme et la contraction du myocarde permettrait l'estimation fine des différents processus ischémiques et d'estimer au mieux la viabilité myocardique. Malheureusement, à l'heure actuelle, il n'existe pas de modalité d'imagerie médicale qui permette d'explorer à la fois la perfusion, le métabolisme et la contraction. Ainsi, l'analyse conjointe de ces trois types de paramètres nécessite une approche multi modalité. Ce travail s'inscrit dans ce cadre et a pour but de fournir au médecin un outil de fusion de données de perfusion et métabolisme, extraites d'images de Tomographie par Emission de Positrons (TEP) et d'Imagerie par Résonance Magnétique (lRM), plus des données de fonction contractile, extraites d'images IRM de marquage tissulaire. Notre système de fusion de données a été conçu neuro-flou, pour lui permettre d'intégrer des connaissances expertes et lui conférer la capacité de s'adapter à des bases de données en expansion continue via des techniques d'apprentissage. Dans ce travail, nombre de méthodes et de nouvelles ''façons de faire'' dans le domaine de l'analyse d'images cardio-vasculaire IRM et TEP ont été proposées. Un Logiciel de segmentation, de visualisation, de mise en correspondance et de fusion multi-modalité a été développé. Cet outil permet une quantification automatique fine de la viabilité myocardique ce qui va permettre aux cliniciens de confirmer et même enrichir leur connaissance sur la viabilité myocardique. Les premiers résultats de validation, basés sur des tests de Kappa, sont très encourageants.

Predicting which patient with alteration in contractile function will benefit from revascularization procedure after myocardial infarction is a challenging issue for clinicians. This prediction is based on the assessment of myocardial viability. Experimental studies showed that accurate viability assessment requires information about myocardial blood flow (perfusion) glucose metabolism and contractile function of the myocardium. Unfortunately, no imaging modality permits the examination of the three myocardial functions. Furthermore, integrating a growing number of parameters is tedious for clinicians and it is difficult to distinguish the different ischemic processes involved in ischemic heart disease based on visual image analysis. Thus, a multimodality data fusion system for automatic decision making is necessary. Therefore, our work was aimed to integrate perfusion, metabolism assessed by Positron Emission Tomography (PET) and Magnetic Resonance Imaging (MRI) and contractile function assessed by tagging MRI, to derive automatically accurate assessment of myocardial viability. Our fusion system is designed to process human-like expertise adapt itself and improve it performances in growing data bases via learning procedures. The quintessence of designing such an intelligent system lies in neuro-fuzzy computing, which is considered the backbone of a recent discipline called Soft Computing. The fusion system is a hierarchical modular network consisting of four Adaptive Network-based Fuzzy Inference Systems. The design of the networks and the tuning of its parameters was based on expend knowledge and unsupervised fuzzy clustering algorithms. Segmentation, visualization and registration techniques necessary for the fusion process have been developed and integrated to interactive software. This software permits accurate viability assessment and quantification that will help to confirm and enhance already existing clinical knowledge about myocardial viability. The first validation results, based on the kappa statistic measure are very encouraging.