Segmentation d’images médicales à l’aide
de surfaces déformables 3D
Hervé DELINGETTE
_________
INRIA Sophia-Antipolis
2004 Route des Lucioles
06902 Sophia Antipolis BP 93
E-mail : Herve.Delingette@inria.fr

Dès son apparition au début du vingtième siècle, l’imagerie médicale a révolutionné la pratique médicale aussi bien pour l’établissement d’un diagnostic que pour planifier et guider un traitement thérapeutique. L’émergence de l’imagerie tridimensionnelle depuis une trentaine d’années, grâce à la mise au point de la tomographie à rayons X puis de l’imagerie à résonance magnétique, a permis une nouvelle révolution en autorisant une visualisation en vraie grandeur de nombreuses structures anatomiques. A l’heure actuelle, l’imagerie médicale a déjà pris une importance considérable dans la plupart des spécialités médicales. Cette tendance va assurément se renforcer dans l’avenir grâce au perfectionnement des techniques d’acquisition existantes et au développement de nouvelles modalités d’acquisition. L’évolution de ces techniques tend naturellement à augmenter la résolution de ces images donc à augmenter leur taille, mais aussi à diminuer le temps d’acquisition permettant ainsi à créer des séquences temporelles d’images médicales.

Comment exploiter ces images médicales alors qu’elles vont devenir de plus en plus volumineuses et précises ? A présent, les images médicales sont essentiellement analysées coupes par coupes par des experts médicaux à l’aide de négatoscopes. Cette méthodologie d’exploitation des images a l’avantage d’être rapide, pratique et ne demande que peu de moyens. Cependant, elle ne permet d’effectuer qu’une analyse qualitative de ces données et, de plus, est limitée à un faible nombre de clichés (donc de coupes). Pour effectuer une analyse quantitative de l’information présente dans les images médicales et afin d’exploiter des images médicales de grande taille, il faut développer de nouveaux outils informatiques qui assisteront les experts médicaux dans cette tâche. Une fonctionnalité essentielle qui doit être développée dans ces outils est la possibilité d’isoler dans une image volumique, une ou plusieurs structures anatomiques : c’est ce que l’on appelle le problème de la segmentation d’images. De nombreux travaux de recherche, ont été réalisés depuis une vingtaine d’années dans le domaine de la segmentation d’images médicales. En effet, la plupart des structures anatomiques apparaissent de manière peu contrastées dans les images médicales et requièrent donc une grande expertise de la part du praticien. Nous présentons dans cet article, une méthode de segmentation utilisant des surfaces déformables et qui semble particulièrement bien adaptée à la reconstruction de structures anatomiques.

L’utilisation de surfaces déformables pour isoler certaines structures anatomiques dans des images médicales reposent sur une idée simple : utiliser un ensemble d’informations a priori concernant chaque structure, et en particulier la forme ” moyenne ” de cette structure, pour déterminer ses frontières dans une image médicale. En quelque sorte, cette approche essaie de reproduire le raisonnement de l’expert lorsqu’il identifie une structure, en incorporant, sous forme mathématisée, les connaissances qu’a l’expert de cette structure. Le principe de la segmentation est alors la suivante : initialiser la position du modèle géométrique et ensuite déformer ce modèle pour qu’il soit en adéquation avec la connaissance a priori que l’on a de la structure anatomique. Plus précisément, on mesure cette adéquation avec une fonction de coût qui est ensuite minimisée lors de la déformation du modèle. De plus cette méthode a l’avantage d’être utilisable sur des images de nature très différente, par exemple sur une image à deux dimensions (coupe ou section), une image médicale tridimensionnelle ou encore une séquence temporelle d’images médicales. L’information a priori qui est principalement utilisée dans les logiciels de reconstruction utilisant des surfaces déformables, est la forme moyenne des structures anatomiques ainsi que l‘intensité (et sa dérivée) de l’image de part et d’autre de la frontière de chaque structure. Cette information est parfois insuffisante pour définir la frontière d’une structure anatomique et de nouvelles informations a priori devront être ajoutées : information sur la topologie du modèle, sur sa proximité avec d’autres structures anatomiques ou encore sur sa texture. Enfin, cet outil informatique de segmentation à l’aide de surfaces déformables doit rester sous la supervision d’un expert médical qui peut, à tout moment, guider ou corriger la reconstruction proposée automatiquement par cette méthode.

[1] H. Delingette. ” General object reconstruction based on simplex meshes “, International Journal of Computer Vision, 32(2):111-146, September 1999.

[2] J. Montagnat and H. Delingette. ” Globally constrained deformable models for 3d object reconstruction “, Signal Processing, pages 173-186, 1998.