Recalage non linéaire d'images TDM et TEP dans les régions thoraciques et abdominales : étude méthodologique et application en routine clinique

par Oscar Camara Rey

Thèse de doctorat en Signal et images

Sous la direction de Isabelle Bloch.

Soutenue en 2003

à Paris, ENST .

mots clés

• Recalage non lineaire
• Déformation à forme libre
• Segmentation hiérarchique
• Image thoracique et abdominale TDM et TEP
• Modèle déformable
• Information mutuelle
• Contrainte anatomique

Résumé

Le but de ces travaux est de proposer une contribution au recalage d'images TDM-TEP dans les régions thoraciques et abdominales. Notre méthodologie est fondée sur l'introduction de contraintes anatomiques au recalage non linéaire appliqué sur les intensités. Cette introduction est faite d'une manière explicite, en divisant la procédure en une phase d'initialisation recalant les structures segmentées dans les deux images, et une deuxième phase de recalage à niveaux de gris, raffinant l'étape précédente de l'algorithme. Les transformations sont modélisées dans les deux étapes à partir de Free Form Deformations (FFD). La segmentation est réalisée selon une procédure hiérarchique de reconnaissance de formes. La mesure fournie par le protocole d'évaluation que nous avons développé indique une erreur inférieure à 1cm pour les structures les plus significatives (poumons, foie, reins, coeur), sauf pour le stomach (erreur d'1. 5cm).

Titre traduit

Non-linear registration of thoracic and abdominal CT and 18-FDG whole-body emission PET images : methodological study and application in clinical routine

Résumé

The aim of this work is to implement an algorithm to achieve a robust, fast enough and good quality registration of thoracic and abdominal CT and 18-FDG whole-body emission PET images. The proposed registration methodology is based on the incorporation of prior anatomical information in an intensity-based non-linear registration algorithm. This incorporation is performed in an explicit way, by initializing the intensity-based registration stage with the solution obtained by a registration of corresponding anatomical surfaces segmented through a hierarchically ordered set of anatomy-specific rules. Deformations are modeled in both registration steps by means of a FFD model. Mutual Information is used as the similarity criterion at the grey-level registration step. Registration errors provided by the visual assessment protocol we have designed are less than 1cm on lungs, heart, liver and kidneys structures but up to 1. 5cm on the stomach.