Non-Linear registration of thoracic PET and CT images for the characterization of tumors: application to radiotherapy

• Auteur / Autrice : Antonio Moreno Ingelmo
• Direction : Isabelle Bloch
• Type : Thèse de doctorat
• Discipline(s) : Signal et images
• Date : Soutenance en 2007
• Etablissement(s) : Paris, ENST

Mots clés

Mots clés contrôlés

Traitement d'images -- Techniques numériques

Imagerie médicale

Résumé

Le sujet principal de cette thèse est le recalage d'informations issues d'images TEP (Tomographie par Emission de Positons) et CT (Computed Tomography, tomodensitométrie) pour localiser, avec une bonne qualité et de façon robuste, les tumeurs situées dans les régions thoraciques. Pour cela des informations a priori sur l'anatomie et l'agencement des organes dans le corps sont intégrées à différents niveaux. Une première étape consiste à segmenter les organes visibles dans les deux modalités en exploitant pour cela leur agencement spatial structurel et les connaissances a priori sur l'anatomie. En particulier, nous avons développé une méthode originale pour segmenter le cœur sur les images CT non-contrastées. Le noyau principal de cette thèse est la méthode de recalage avec contraintes que nous avons développée. Cette approche s'appuie sur des marqueurs, définis automatiquement sur les surfaces des poumons, et sur des contraintes de rigidité sur les pathologies. Les contraintes de rigidité sur les tumeurs garantissent que l'on ne perd pas les informations sur leur forme et leurs niveaux de gris fournies par l'image TEP. Une autre des originalités de cette thèse est l'introduction d'un modèle de respiration dynamique dans la méthode de recalage. Cet apport semble extrêmement intéressant car il permettra de trouver la trajectoire que suit la tumeur pendant le cycle respiratoire et, de cette façon, le recalage pourra être fait avec une meilleure précision.

The main topic of this PhD thesis is to combine the information coming from PET (Positron Emission Tomography) and CT (Computed Tomography) images to locate, with a good quality and in a robust way, the tumors placed in the thoracic regions. For this, a priori information about the anatomy and the spatial organization of the organs inside the body is integrated at different levels. The first step consists in segmenting organs which are visible in both modalities by exploiting their structural relative positions and a priori anatomical knowledge. In particular, we have developed an original method for segmenting the heart on non-contrast CT images. The main contribution of this thesis is the registration method with constraints that we have developed. This approach relies on landmarks, defined automatically on the surfaces of the lungs, and on rigidity constraints on the pathologies. The rigidity constraints on the tumors guarantee that no information provided by the PET image about their shape and their grey levels is lost. Another originality of this PhD thesis is the introduction of a dynamic model of breathing in the registration method. This contribution seems extremely interesting because it makes it possible to find the trajectory that the tumor follows during the respiratory cycle and, in this way, registration could be performed with a better precision.