Differential geometry methods for biomedical image processing : from segmentation to 2D/3D registration

Rivest-Hénault, David (2012). Differential geometry methods for biomedical image processing : from segmentation to 2D/3D registration. Thèse de doctorat électronique, Montréal, École de technologie supérieure.

Prévisualisation	PDF Télécharger (9MB) | Prévisualisation
Prévisualisation	PDF Télécharger (1MB) | Prévisualisation

Résumé

This thesis establishes a biomedical image analysis framework for the advanced visualization of biological structures. It consists of two important parts: 1) the segmentation of some structures of interest in 3D medical scans, and 2) the registration of patient-specific 3D models with 2D interventional images. Segmenting biological structures results in 3D computational models that are simple to visualize and that can be analyzed quantitatively. Registering a 3D model with interventional images permits to position the 3D model within the physical world. By combining the information from a 3D model and 2D interventional images, the proposed framework can improve the guidance of surgical intervention by reducing the ambiguities inherent to the interpretation of 2D images.

Two specific segmentation problems are considered: 1) the segmentation of large structures with low frequency intensity nonuniformity, and 2) the detection of fine curvilinear structures. First, we directed our attention toward the segmentation of relatively large structures with low frequency intensity nonuniformity. Such structures are important in medical imaging since they are commonly encountered in MRI. Also, the nonuniform diffusion of the contrast agent in some other modalities, such as CTA, leads to structures of nonuniform appearance. A level-set method that uses a local-linear region model is defined, and applied to the challenging problem of segmenting brain tissues in MRI. The unique characteristics of the proposed method permit to account for important image nonuniformity implicitly. To the best of our knowledge, this is the first time a region-based level-set model has been used to perform the segmentation of real world MRI brain scans with convincing results.

The second segmentation problem considered is the detection of fine curvilinear structures in 3D medical images. Detecting those structures is crucial since they can represent veins, arteries, bronchi or other important tissues. Unfortunately, most currently available curvilinear structure detection filters incur significant signal lost at bifurcations of two structures. This peculiarity limits the performance of all subsequent processes, whether it be understanding an angiography acquisition, computing an accurate tractography, or automatically classifying the image voxels. This thesis presents a new curvilinear structure detection filter that is robust to the presence of X- and Y-junctions. At the same time, it is conceptually simple and deterministic, and allows for an intuitive representation of the structure’s principal directions.

Once a 3D computational model is available, it can be used to enhance surgical guidance. A 2D/3D non-rigid method is proposed that brings a 3D centerline model of the coronary arteries into correspondence with bi-plane fluoroscopic angiograms. The registered model is overlaid on top of the interventional angiograms to provide surgical assistance during image-guided chronic total occlusion procedures, which reduces the uncertainty inherent in 2D interventional images. A fully non-rigid registration model is proposed and used to compensate for any local shape discrepancy. This method is based on a variational framework, and uses a simultaneous matching and reconstruction process. With a typical run time of less than 3 seconds, the algorithms are fast enough for interactive applications.

Titre traduit

Méthodes de géométrie différentielle pour le traitement des images biomédicales : de la segmentation au recalage 2D/3D

Résumé traduit

Cette thèse introduit une plate-forme d’imagerie biomédicale pour la visualisation avancée de structures biologiques. Elle est constituée de deux principaux types d’opérations : 1) la segmentation de quelques structures d’intérêt dans des images 3D ; et 2) le recalage d’un modèle 3D de structures biologiques propres à un patient avec l’imagerie interventionnelle 2D. Le fait de segmenter une structure biologique en 3D résulte en un modèle discret qui soit simple à visualiser et à comprendre. Ce dernier peut également être analysé et mesuré de façon informatisée. En contrepartie, recaler un modèle 3D avec les images interventionnelles permet de situer celui-ci dans le monde physique et donc de le positionner par rapport aux autres objets de la salle d’opération. En combinant l’information d’un modèle 3D et celle des images interventionnelles 2D, la plate-forme proposée vise à améliorer le guidage chirurgical en réduisant les ambiguïtés inhérentes à l’interprétation des images 2D.

En ce qui a trait à la segmentation, deux problèmes spécifiques sont considérés : 1) les structures présentant des variations d’intensité de basse fréquence ; et 2) la détection de structures curvilinéaires fines. Premièrement, nous nous sommes concentrés sur la segmentation de structures larges présentant des variations d’intensité de basse fréquence. De telles structures sont importantes dans le contexte de l’imagerie médicale puisqu’elles se retrouvent fréquemment, notamment en imagerie par résonance magnétique (IRM). De même, en angiographie, il est possible qu’une diffusion non-uniforme de l’agent de contraste résulte en des structures présentant de telle variation d’intensité. Nous avons donc défini une méthode par surfaces de niveaux utilisant une modélisation localement linéaire des intensités de régions et appliqué cette méthode au problème de la segmentation de ces structures. Il est démontré que les caractéristiques propres à cette méthode permettent de prendre en compte de façon implicite la non-uniformité de l’intensité des structures dans les IRM. Ainsi, au meilleur de notre connaissance, cette méthode est la première utilisant les surfaces de niveaux à atteindre des résultats convaincants pour la segmentation des tissus cérébraux dans les IRM.

Le deuxième problème de segmentation considéré consiste en la détection et la segmentation des structures curvilinéaires fines dans les images tridimensionnelles. En imagerie médicale, la détection de ces structures est cruciale puisque ces dernières peuvent représenter des veines, des artères, des bronches ou d’autres classes importantes de tissus. Malencontreusement, la plupart des méthodes présentement disponibles produisent un signal fortement atténué à la rencontre de deux structures formant un carrefour. Cette singularité peut donc réduire la performance d’un traitement subséquent tel que : l’étude automatisée d’une image d’angiographie, le calcul de la trajectoire des vaisseaux, ou l’étiquetage automatique des pixels composant l’image. La présente thèse introduit un nouveau filtre de vaisseaux qui est robuste à la présence de carrefours en X ou en Y apparaissant le long des structures. En même temps, il reste conceptuellement simple, déterministe et il permet une représentation intuitive des directions principales de la structure de l’image.

Une fois qu’un modèle 3D discret a été créé, celui-ci peut être utilisé afin d’améliorer le guidage chirurgical. Aussi, une méthode de recalage non-rigide 2D/3D est proposée pour amener un modèle des artères coronaires en correspondance avec des images de fluoroscopie biplan. Le modèle ainsi recalé est superposé sur les images interventionnelles afin de favoriser un meilleur guidage chirurgical durant les interventions percutanées pour les opérations d’occlusions totales chroniques. De ce fait, l’incertitude inhérente aux images bidimensionnelles s’en trouve amoindri. Une méthode de recalage complètement non-rigide est définie et permet de réduire de façon localisée toute différence de forme. Cette nouvelle méthode, fondée sur le calcul variationnel, met en scène un processus d’appariement et de reconstruction simultanés afin de calculer la transformation. Grâce à un temps de calcul généralement sous les trois secondes, l’algorithme reste assez rapide pour être utilisé de façon interactive.

Type de document:	Mémoire ou thèse (Thèse de doctorat électronique)
Renseignements supplémentaires:	"Manuscript-based Thesis presented to École de technologie supérieure in partial fulfillment of the requirements for the degree of doctor of philosophy". Bibliogr. : f. [163]-179.
Mots-clés libres:	Artères coronaires (Radiographie). Cardiologie (Recherche). Traitement d'images (Techniques numériques). Segmentation, recalage 2D/3D, recalage, level-set, modèle de région localement linéaire, méthode variationnelle, détection de vaisseaux sanguin, structures curvilinéaire, tissus cérébraux, artères collatérales aorto-pulmonaires majeures (MAPCA), CT-scan, CTA, IRM, ARM, fluoroscopie.
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Cheriet, Mohamed
Codirecteur:	Codirecteur Deschênes, Sylvain
Programme:	Doctorat en génie > Génie
Date de dépôt:	31 oct. 2012 18:57
Dernière modification:	13 déc. 2016 15:45
URI:	https://espace.etsmtl.ca/id/eprint/1068

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt