La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Techniques biomédicales Caroline Petitjean Le traitement dimages médicales Caroline Petitjean Université de Rouen Techniques.

Présentations similaires


Présentation au sujet: "Techniques biomédicales Caroline Petitjean Le traitement dimages médicales Caroline Petitjean Université de Rouen Techniques."— Transcription de la présentation:

1 Techniques biomédicales Caroline Petitjean Le traitement dimages médicales Caroline Petitjean Université de Rouen Techniques biomédicales

2 Caroline Petitjean Prétraitement Résultat : visualisation améliorée Traitement Résultat : mesure de la surface de la tumeur Reconnaissance des formes Résultat : identification des cellules malades et saines saine malade Traitement dimages

3 Techniques biomédicales Caroline Petitjean Objectifs en TIM Amélioration dimage Segmentation Recalage & fusion Extraction dinformation dans limage Comparer 2 images Reconstruction 3D

4 Techniques biomédicales Caroline Petitjean Plan Exemples dapplications Spécificités des méthodes de TIM Segmentation Recalage et fusion dimages En pratique

5 Techniques biomédicales Caroline Petitjean Exemples Amélioration du contraste de limage Image acquise Contraste amélioré Source : Synarc Fond dœil Radio

6 Techniques biomédicales Caroline Petitjean Exemples Quantification de la densité capillaire Segmentation de la surface du réseau capillaire Densité capillaire Source : [1]

7 Techniques biomédicales Caroline Petitjean Exemples Source : Cours Devaux PCEM Segmentation de tumeurs

8 Techniques biomédicales Caroline Petitjean Exemples Estimation de la contractilité des ventricules cardiaques en IRM Estimation de mouvement Quantification radial circulaire Source : Thèse CP

9 Techniques biomédicales Caroline Petitjean Utilisation de limagerie fonctionnelle TEP pour le contourage en radiothérapie Meilleure détection/discrimination des tissus tumoraux Modification de la forme/volume du volume tumoral comparé aux images scanner seules. Scanner seul Scanner + TEP Exemples Source : S. Hapdey, CHB, Rouen

10 Techniques biomédicales Caroline Petitjean Exemples Comparaison dimages avant/après Source : Université Louis Pasteur, Strasbourg

11 Techniques biomédicales Caroline Petitjean Exemples Comparaison dimages complémentaires IRM Scanner Source : EPFL

12 Techniques biomédicales Caroline Petitjean Exemples Comparaison dimages complémentaires ScannerTEP Source : EPFL

13 Techniques biomédicales Caroline Petitjean Exemples Atlas dorganes Source : INRIA

14 Techniques biomédicales Caroline Petitjean Pourquoi faire un traitement par ordinateur ? Les logiciels daide au diagnostic permettent de : - diminuer la variabilité intra- et inter-expert - réduire le temps passé à des tâches fastidieuses - estimer de nouveaux paramètres

15 Techniques biomédicales Caroline Petitjean Plan Exemples dapplications Spécificités des méthodes de TIM Segmentation Recalage et fusion dimages En pratique

16 Techniques biomédicales Caroline Petitjean Spécificités des méthodes de TIM Prise en compte des caractéristiques des images médicales Robuste Rapide (pratique clinique) (Semi-)Automatique Validée

17 Techniques biomédicales Caroline Petitjean Effet de volume partiel dans les modalités tomographiques Chaque coupe a une épaisseur non nulle Source : [2] Spécificités des méthodes de TIM

18 Techniques biomédicales Caroline Petitjean Rappel : différents types de bruits en vision par ordinateur : Spécificités des méthodes de TIM OriginalSalt and pepper (noir et blanc, aléatoire) Gaussien (additif) Speckle (multiplicatif)

19 Techniques biomédicales Caroline Petitjean Images échographiques (US) : bruit speckle (multiplicatif) Spécificités des méthodes de TIM Images IRM : bruit gaussien

20 Techniques biomédicales Caroline Petitjean En IRM : intensité non uniforme (INU) Source : [2] B. Dawant and A. Zijdenbos. Chapter 2: Image Segmentation. Handbook of Medical Imaging. Volume 2: Medical Image Processing and Analysis, SPIE Press: p , Spécificités des méthodes de TIM

21 Techniques biomédicales Caroline Petitjean Correction de INU en IRM Source : [2]

22 Techniques biomédicales Caroline Petitjean Images scanner (CT) : unités Hounsfield Spécificités des méthodes de TIM

23 Techniques biomédicales Caroline Petitjean Plan Exemples dapplications Spécificités des méthodes de TIM Segmentation Recalage et fusion dimages En pratique

24 Techniques biomédicales Caroline Petitjean Segmentation : objectifs Extraction de points, lignes ou régions Calcul de paramètres régionaux (surfaces...) Peut être effectuée avant ou après recalage Source : [1]

25 Techniques biomédicales Caroline Petitjean Segmentation Segmentation Recherche de régions (approches « régions ») Recherche de frontières (approches « contours ») Source : LIRMM seuillage, region growing… filtrage linéaire, graph, contours actifs… + Segmentation par techniques de classification ( clustering)

26 Techniques biomédicales Caroline Petitjean Segmentation : approches régions But : Segmenter limage en se basant sur des propriétés intrinsèques des régions Seuillage Croissance de régions

27 Techniques biomédicales Caroline Petitjean Seuillage Très simple au niveau algorithme très utilisé en routine clinique Seuillage global HistogrammeLaplacienSeuilléeOriginale Source : [3] J. Rogowska. Overview and fundamentals of medical image segmentation. Handbook of medical imaging, Academic Press, p. 69 – 85, 2000.

28 Techniques biomédicales Caroline Petitjean Seuillage

29 Techniques biomédicales Caroline Petitjean Approches régions Croissance de régions (Region growing) choix d'un germe propagation selon un certain critère Accumulation des voisins vérifiant la propriété Source : LIRMM

30 Techniques biomédicales Caroline Petitjean Approches régions : application Segmentation de la graisse sous-cutanée et viscérale sur des images scanner acquises chez des patients atteints du VIH Source : [1]

31 Techniques biomédicales Caroline Petitjean Approches régions : application Segmentation par croissance de région selon un critère de seuillage Choix du seuil : Codage sur 12 bits 4096 valeurs Image CT en unités Hounsfield : [-1024 ; 3071] Air : HU Eau : 0 HU Graisse : -120 à –60 HU Os : 1000 HU

32 Techniques biomédicales Caroline Petitjean Approches régions : application Segmentation par croissance de région selon un critère de seuillage A partir du germe : pixel région si son intensité [-120,-60] Source : [1]

33 Techniques biomédicales Caroline Petitjean Segmentation : approches "contours" Approche par filtrage linéaire Technique de graph searching Contours actifs & modèles déformables

34 Techniques biomédicales Caroline Petitjean Approches contours Utilisation du gradient de limage Exemple : angiographie Masque Sobel 3x3 Seuillage Seuil haut (1000) Seuillage Seuil bas (600) Image originale Source : [3]

35 Techniques biomédicales Caroline Petitjean Approches contours Laplacien de limage Zero crossings Laplacien de limage Source : [3] Nécessité de post-traitement très important !

36 Techniques biomédicales Caroline Petitjean Le laplacien est sensible au bruit Approches contours

37 Techniques biomédicales Caroline Petitjean Approches contours Laplacian of Gaussian (LoG) Laplacien +gaussien Zero crossings Laplacien de limage Zero crossings Source : [3]

38 Techniques biomédicales Caroline Petitjean Approches contours Laplacien surtout utilisé pour rehausser les contours

39 Techniques biomédicales Caroline Petitjean Approches contours Autre possibilité pour rehausser les contours (a) Profil idéal (b) Profil observé (flou) (c) Filtré par une gaussienne (encore plus flou) (d) Mise en évidence des contours

40 Techniques biomédicales Caroline Petitjean Approches contours Différences de gaussiennes (DoG)

41 Techniques biomédicales Caroline Petitjean Approches contours Utilisation de masques gradient ou laplacien –Sensibles au bruit –Nécessité de post-traitement + Calcul rapide

42 Techniques biomédicales Caroline Petitjean Approches contours Technique de Graph searching A utiliser lorsquon a de la connaissance a priori sur le contour. Ex : Point de début, de fin, connus Ex : Propriétés relatives à la forme du contours Contour lisse (smooth) Courbure faible Courbure élevée Contour non lisse Caroline Petitjean

43 Techniques biomédicales Caroline Petitjean Approches contours A partir de limage, on fabrique une matrice de coût, pour passer dun pixel à lautre Si zone uniforme : coût élevé Si zone de contour : coût faible Le coût dépend du gradient de limage et de connaissance a priori sur le contour Un graph : ensemble de points ensemble de liens Segmenter limage consiste à trouver le chemin de coût minimal dans le graphe

44 Techniques biomédicales Caroline Petitjean Approches contours Exemple Graph searching : Problème très général Source : Gonzalez & Wood NdG C(p q)=M-[I(p)-I(q)]

45 Techniques biomédicales Caroline Petitjean Approches contours Source : Lalande et al IRM cardiaque Transformation en coordonnées polaires

46 Techniques biomédicales Caroline Petitjean Approches contours Source : Lalande et al Image originale (coord.polaires) Matrice de coûtSegmentation finale

47 Techniques biomédicales Caroline Petitjean Approches contours Source : Lalande et al. 1999

48 Techniques biomédicales Caroline Petitjean P1P1 P2P2 P3P3 P4P4 P5P5 P6P6 P7P7 P8P8 P9P9 P 10 P 11 Propriétés intrinsèques Longueur, courbure… Propriétés locales de limage autour du snake Contours actifs Définition dun snake

49 Techniques biomédicales Caroline Petitjean Exemple IRM cardiaque Source : A. Yezzi, Georgia Tech Univ. Initialisation : courbe assez proche du contour extraire Optimisation itérative : déformations du contour actif de façon ce quil atteigne une position dénergie minimum.

50 Techniques biomédicales Caroline Petitjean Exemple snake 3D

51 Techniques biomédicales Caroline Petitjean Energie dun snake Formulation paramétrique du contour Energie totale(C) = E int (C) +E ext (C) Energie interne : mesure la régularité de la courbe ElasticitéRigidité

52 Techniques biomédicales Caroline Petitjean Energie interne dun snake Energie élastique Energie de courbure

53 Techniques biomédicales Caroline Petitjean Energie externe dun snake Energie externe : reliée au contenu de limage Si contour : gradient élevé g 0 Si zone homogène : gradient faible g élevé Avec g fonction généralement décroissante de gradient de limage

54 Techniques biomédicales Caroline Petitjean Energie externe dun snake Contours en tant que maxima de la norme du gradient: Zones brillantes ou sombres: Répulsion dune zone:

55 Techniques biomédicales Caroline Petitjean Résolution Comment trouver C qui minimise E = E int + E ext ? Par léquation dEuler Lagrange Pour que E atteigne un extremum, il faut que v(s) vérifie Soit E la fonctionnelle dénergie Dans notre cas : Equation dévolution du snake

56 Techniques biomédicales Caroline Petitjean Conclusions sur les snakes Avantage : calculs numériques rapides Inconvénients –Segmentation multi-objets impossible – Phase dinitialisation sensible – Approche non intrinsèque Contours actifs géodésiques

57 Techniques biomédicales Caroline Petitjean Résultats de CAG Source : Yezzi et al

58 Techniques biomédicales Caroline Petitjean Segmentation avec a priori de forme Quand la forme de lobjet à segmenter est connue et ne varie pas (trop) ASM

59 Techniques biomédicales Caroline Petitjean ASM appliqué en échocardio Contours de 96 points tracés manuellement sur 66 images par des cardiologues

60 Techniques biomédicales Caroline Petitjean ASM appliqué en échocardio Variation sur les premiers vecteurs propres Variation de la largeurVariation du septum Variation du VG Variation de loreillette

61 Techniques biomédicales Caroline Petitjean ASM appliqué en échocardio Utilisation à des fins de segmentation

62 Techniques biomédicales Caroline Petitjean ASM appliqué en échocardio Utilisation à des fins de segmentation Initialisation du modèle

63 Techniques biomédicales Caroline Petitjean ASM appliqué en échocardio Utilisation à des fins de segmentation

64 Techniques biomédicales Caroline Petitjean ASM appliqué en échocardio Utilisation à des fins de segmentation

65 Techniques biomédicales Caroline Petitjean ASM : segmentation IRM 114 points, 8 images

66 Techniques biomédicales Caroline Petitjean Active Appearance Model personalpages.manchester.ac.uk/staff/timothy.f.cootes/

67 Techniques biomédicales Caroline Petitjean Segmentation par classification La segmentation peut être vue comme un problème de classification : Les régions sont étiquettées Comment trouver létiquette dun pixel ? Différentes techniques : Sans apprentissage : k-means Avec apprentissage : kppv, réseau de neurones… Application : segmentation multimodale

68 Techniques biomédicales Caroline Petitjean Clustering (k-moyennes) K = nombre de régions (cluster) à trouver –Ici K = 2 (Fond + chromosomes) 1) On clique dans limage pour avoir un représentant de chaque région (=centre de cluster = CC) 2) Pour chaque pixel de limage, calcul de sa distance à chaque CC : |NdG - Pi| on lui attribue la région de distance minimum Pf = 32, Pc = 217 3) Pour chaque cluster, on calcule le NdG moyen = nouveaux CC. Sont-ils différents des anciens CC ? Si oui, retour à 2) Si non, stop

69 Techniques biomédicales Caroline Petitjean Exemple : segmentation de la tumeur IRM cérébrale à 2 instants différents (recalage préalable supposé)

70 Techniques biomédicales Caroline Petitjean Clustering Segmentation en 3 classes Résultat après convergence

71 Techniques biomédicales Caroline Petitjean Segmentation multimodale Principe : utilisation de plusieurs images de la même scène physique pour la segmentation Hypothèse de recalage préalable Spatiale (classification) : utilisation dimages de différentes modalités à même instant Temporelle : utilisation dimages de la même modalité à des instants différents

72 Techniques biomédicales Caroline Petitjean Segmentation multimodale T1 T2 PD Axial Sagittal Coronal Techniques de classification Chaque pixel possède 3 valeurs (T1, T2, PD) Source : [2] IRM cérébrale

73 Techniques biomédicales Caroline Petitjean Segmentation multimodale Distribution des pixels en T1 et T2 Source : [2]

74 Techniques biomédicales Caroline Petitjean Segmentation multimodale Classification en 4 classes fond (noir), matière blanche (blanc), matière grise (gris clair), liquide céphalo-rachidien (gris foncé) Source : [2]


Télécharger ppt "Techniques biomédicales Caroline Petitjean Le traitement dimages médicales Caroline Petitjean Université de Rouen Techniques."

Présentations similaires


Annonces Google