Filtrage d'objets fins : applications à l'analyse d'images vasculaires

Filtering of thin objects : applications to vascular image analysis

• Auteur / Autrice : Olena Tankyevych
• Direction : Gilles Bertrand
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 19/10/2010
• Etablissement(s) : Paris Est
• Ecole(s) doctorale(s) : École doctorale Mathématiques, Sciences et Technologies de l'Information et de la Communication (Champs-sur-Marne, Seine-et-Marne ; 2010-2015)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'informatique de l'Institut Gaspard Monge (1997-2009)
• Jury : Président / Présidente : Isabelle Bloch
• Jury : Examinateurs / Examinatrices : Gilles Bertrand, Mariano Musacchio, Hugues Talbot, Petr Dokladal, Nicolas Passat
• Jury : Rapporteurs / Rapporteuses : Yoshinobu Sato

Mots clés

Mots clés contrôlés

Spectroscopie des rayons X

Radiographie médicale

Algorithmes

Analyse multiéchelle

Filtres (informatique)

Angiographie

Mots clés libres

Angiographie

Filtrage directionnel

Rehaussement de vaisseaux

Filtrage multi-échelle

Détéction d'objets fins

Morphologie adaptative

Angiography

Directional filtering

Multi-scale filtering

Vessel enhancemen

Detection of thin objects

Adaptive morphology

Résumé

Le but de ce travail est de filtrer les objets fins et curvilinéaires dans les images numériques. Leur détection est en soit difficile du fait de leur finesse spatiale. De plus, le bruit, les artefacts de l'acquisition et les occlusions induites par d'autres objets introduisent des déconnexions. De ce fait, la reconnection des objets fins est également nécessaire. Dans ce but, une méthode hybride à base de dérivés secondes et de filtrage linéaire morphologique est proposée dans le cadre de la théorie espace-échelle. La théorie des filtres morphologiques spatialement variants et des algorithmes sont présentés. Du point de vue applicatif, notre travail est motivé par le diagnostic, la planification du traitement et le suivi des maladies vasculaires. La première application étudie les malformations artero-veineuses (MAV) dans le cerveau. L'analyse de telles données est rendue difficile par la petite taille, la complexité des vaisseaux couplés à diverses sources de bruit et à leur topologie, sans compter les artefacts d'acquisition et l'hétérogénéité du signal sanguin. Ainsi, nous nous sommes intéressés à l'amélioration et la segmentation des images angiographiques cérébrales dans le but d'aider à l'étude des MAVs cérébrales. La seconde application concerne le traitement des images en rayons X à faible dose utilisées en radiologie interventionelle dans le cas de l'insertion de guides dans les vaisseaux sanguins des patients. De telles procédures sont utilisées dans les traitements des anévrismes, des obstructions de tumeurs et d'autres procédures similaires. Dû au faible ratio signal à bruit, la détection des guides est indispensable pour leurs visualisations et leurs reconstructions. Dans ce travail, nous comparons la performance des algorithmes de filtrage d'objets linéiques. Le but étant de sélectionner les méthodes de détection les plus prometteuses dans le cadre de cette application médicale. La seconde application concerne le traitement des images X-ray à faible dose utilisées en radiologie interventionelle dans le cas d'insertion de guides dans les vaisseaux de patients. De telles procédures sont utilisées dans les traitements des anévrysmes, obstructions des tumeurs et d'autres procédures. Dû au faible ratio du signal-bruit, la détection des guides est indispensable pour leurs visualisations et leurs reconstructions. Dans ce travail, nous comparons la performance des algorithmes de filtrage d'objets linéaires. Le but est de sélectionner les méthodes de détection les plus prometteuses dans le cadre de cette application médicale

The motivation of this work is filtering of elongated curvilinear objects in digital images. Their narrowness presents difficulties for their detection. In addition, they are prone to disconnections due to noise, image acquisition artefacts and occlusions by other objects. This work is focused on thin objects detection and linkage. For these purposes, a hybrid second-order derivative-based and morphological linear filtering method is proposed within the framework of scale-space theory. The theory of spatially-variant morphological filters is discussed and efficient algorithms are presented. From the application point of view, our work is motivated by the diagnosis, treatment planning and follow-up of vascular diseases. The first application is aimed at the assessment of arteriovenous malformations (AVM) of cerebral vasculature. The small size and the complexity of the vascular structures, coupled to noise, image acquisition artefacts, and blood signal heterogeneity make the analysis of such data a challenging task. This work is focused on cerebral angiographic image enhancement, segmentation and vascular network analysis with the final purpose to further assist the study of cerebral AVM. The second medical application concerns the processing of low dose X-ray images used in interventional radiology therapies observing insertion of guide-wires in the vascular system of patients. Such procedures are used in aneurysm treatment, tumour embolization and other clinical procedures. Due to low signal-to-noise ratio of such data, guide-wire detection is needed for their visualization and reconstruction. Here, we compare the performance of several line detection algorithms. The purpose of this work is to select a few of the most promising line detection methods for this medical application