Parallel nonlinear registration of medical images with a priori information on anatomy and pathology

• Auteur / Autrice : Radu-Constantin Stefanescu
• Direction : Nicholas Ayache
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance en 2005
• Etablissement(s) : Nice
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication (Sophia Antipolis, Alpes-Maritimes)

Mots clés

Mots clés contrôlés

Programmation non linéaire

Grilles (analyse numérique)

Radiographie médicale -- Qualité de l'image

Résumé

Le but de cette thèse est de proposer un algorithme de recalage non-rigide adapté au recalage atlas / sujet dans un environnement clinique. Les applications médicales sont la planification pré-opératoire pour la radiothérapie conforme des tumeurs cérébrales, et pour la stimulation cérébrale profonde continue des patients atteints de la maladie de Parkinson. Dans ces applications, le recalage non-rigide est utilisé pour déformer les segmentations de l’atlas (effectuées par un expert) dans la géométrie du patient. L’algorithme proposé utilise un champ de déplacement dense pour modeler finement la transformation, et un critère de similarité basé sur l’intensité pour estimer les appariements entre les deux images. L’inversibilité de la transformation estimée est garantie grâce à une nouvelle méthode de rééchantillonage rapide. La régularisation est implémentée à l’aide d’un modèle visco-élastique : une régularisation non-stationnaire et éventuellement anisotrope du champ de déplacement modélise la variabilité spatiale de la déformabilité des différentes structures ; une régularisation non-stationnaire de la dérivée temporelle du critère de similarité permet de pondérer l’information fournie par les différents voxels, et d’éviter les possibles erreurs causées par les pathologies dans l’image du patient. L’utilisation d’un schéma numérique semi-implicite permet des temps de calcul courts. Nous proposons aussi une implémentation parallèle sur une ferme d’ordinateurs personnels qui permet de réduire le temps de calcul à quelques minutes. Finalement, nous utilisons des méthodes de type « grille de calcul » pour connecter l’ordinateur parallèle à un système de visualisation.

The purpose of this thesis is to provide a nonrigid registration algorithm adapted to atls to subject registration in a clinical environment. The clinical applications addressed are the pre-operative planning of conformal brain radiotherapy and of the deep brain stimulation of Parkinsonian patients. In these applications, the nonrigid registration is used to deform expert segmentations of an anatomical atlas image into a patient’s geometry. The proposed algorithm uses a dense displacement field to finally model the transformation, and an intensity-based similarity criterion to estimate the matches between the two images. The invertibility of the recovered transformation is guaranteed thanks to a new and fast regridding method. The regularization is implemented in a two-step viscoelastic-like model. A non-stationary and possibly anisotropic regularization of the displacement field models the space-varying deformability of different structures. A non-stationary regularization of the temporal derivative of the similarity criterion allows to weight informative vs. Non-informative voxels, and to avoid errors due to pathologies in the patient image. The use of a semi-implicit numerical scheme enables fair computation times. We also propose a parallel implementation on a cluster of personal computers that further reduces the execution time to only a few minutes. Finally, we use grid computing methods to tightly couple the quite heavy parallel architecture to a lightweight visualization system.