Contribution à la détection de changements dans des séquences IRM 3D multimodales

par Marcel Bosc

Thèse de doctorat en Traitement d'images et vision par ordinateur

Sous la direction de Fabrice Heitz et de Jean-Paul Armspach.

Soutenue en 2003

à Strasbourg 1 .


  • Résumé

    L'imagerie médicale a profondément influencé à la fois la recherche médicale et la pratique clinique. Elle est aujourd'hui incontournable aussi bien pour l'établissement du diagnostic que pour la mise en place et le suivi d'un traitement thérapeutique. Elle fournit un volume croissant de données tridimensionnelles provenant de modalités d'acquisition différentes (IRM, scanner-X, médecine nucléaire, échographie). Ce volume croissant de données rend délicate et laborieuse la tâche d'interprétation par un expert. Le traitement d'images est un outil permettant une automatisation des tâches et va assister l'expert aussi bien dans l'analyse qualitative que quantitative des images. Dans ce mémoire, nous proposons des techniques automatiques de détection de changements dans des séquences d'images IRM cérébrales. Nous nous intéressons plus particulièrement aux changements d'intensité localisés survenant lors d'évolutions pathologiques telles que les évolutions de lésions en sclérose en plaques (SEP). Les applications médicales des techniques développées ici sont nombreuses:aide au diagnostic, suivi à long terme de l'évolution d'une pathologie,évaluation de l'efficacité thérapeutique d'un médicament,aide à la prise de décision en vue d'une intervention chirurgicale. Ce travail de recherche a été mené en étroite collaboration entre le LSIIT (ULP/UMR CNRS 7005) et l'Institut de Physique Biologique (ULP-Hôpitaux Universitaires / UMR CNRS 7004), au sein de l'équipe-projet multi-laboratoires "Imagerie et Robotique Médicale et Chirurgicale"(EPML IRMC). Il a été soutenu par la Ligue Française Contre la Sclérose En Plaques (LFSEP),la société SERONO et la région Alsace. La détection automatique et fiable de changements interimages rencontre d'importantes difficultés rendant impossible la comparaison directe d'images acquises successivement. La position des patients dans l'imageur n'est jamais identique et les paramètres d'acquisition peuvent varier sensiblement entre chaque examen, entraînant,entre autres, des modifications de contraste. La définition même de ce qui doit être détecté est souvent subjective. Dans le cadre spécifique de la détection de changements d'intensité de lésions, des déformations globales de structures anatomiques, telle que l'atrophie cérébrale, peuvent également perturber la comparaison directe des images. Le travail présenté dans cette thèse est centré sur le développement d'outils de traitement d'images permettant de décider quels changements sont statistiquement significatifs ou non. Lorsque l'expert détermine visuellement des changements, il utilise des connaissances a priori, implicites, de haut niveau qui lui permettent de corriger certaines erreurs d'acquisition. Ainsi, il peut compenser visuellement des erreurs de repositionnement et utiliser ses connaissances anatomiques propres pour identifier et rejeter certains artefacts. Nous développons donc ici, des techniques automatiques d'identification et de correction des principaux artefacts (positionnement, déformations,variations d'intensité. . . ) et nous proposons une technique originale de segmentation du cortex,apportant les informations anatomiques permettant l'amélioration de la détection automatique. Les techniques de traitement d'images proposées ici ont été développées pour l'IRM cérébrale. Cependant, elles sont suffisamment générales pour s'appliquer à d'autres domaines. Notre système de détection de changements a été évalué dans le cadre de l'étude de l'évolution de lésions de sclérose en plaques. [. . . ]

  • Titre traduit

    Contribution to change detection in serial,multimodal,3D MRI


  • Résumé

    Medical imaging has deeply influenced both medical practice and medical research. It is now an essential aspect of diagnosis and clinical followup. The constant improvement of spatial resolution provides an increasing volume of data in different modalities (Magnetic Resonance imaging - MRI, X-ray scanner, nuclear medicine, ultrasound imaging). Manual interpretation of huge amounts of data by an expert is tedious and error prone. Image processing automatizes some of these tasks and helps the expert in quantitative and qualitative analysis of images. This thesis describes image processing methods for automatic change detection in serial brain MRI. We are interested in small localized intensity changes that appear in pathological evolutions such as lesion evolutions in Multiple Sclerosis (MS). The image processing methods developed here have many medical applications :computer assisted diagnosis, long term monitoring of a pathology,evaluating therapy and drug efficiency, assisting decisions for surgery. This work was done in close collaboration between the LSIIT (ULP/UMR CNRS 7005) and the "Institut de Physique Biologique" (ULP-Hôpitaux Universitaires / UMR CNRS 7004), within the multi-laboratory project "Imagerie et Robotique Médicale et Chirurgicale" (EPML-IRMC). This work was supported by the "Ligue Française Contre la Sclérose En Plaques" (LFSEP),SERONO and the Alsace region. Automatically and reliably detecting interimage changes is a difficult task. Direct comparison of successively acquired images is generally not possible. Patient position is never identical. Acquisition parameters may drift between scans leading, for example, to image intensity changes. The exact definition of what should be detected may be subjective. [. . . ]

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 185 p.
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. p. 177-185

Où se trouve cette thèse ?

  • Bibliothèque :
  • Disponible pour le PEB
  • Cote : Th.Strbg.Sc.2003;4484
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.