Characterization of coronary artery tissues with Kawasaki disease from OCT images

Abdolmanafi, Atefeh (2018). Characterization of coronary artery tissues with Kawasaki disease from OCT images. Thèse de doctorat électronique, Montréal, École de technologie supérieure.

Prévisualisation	PDF Télécharger (5MB) | Prévisualisation
Prévisualisation	PDF Télécharger (693kB) | Prévisualisation

Résumé

Kawasaki Disease (KD), mucocutaneous lymph node syndrome, is an acute childhood vasculitis syndrome, which is characterized by fever, rash, bilateral nonexudative conjunctivitis, erythema of the lips and oral mucosa, and swollen erythematous hands and feet. KD is an inflammatory disease, which leads to inflammation in the walls of medium-sized arteries throughout the body. Although a high dose of Intravenous Immune Globulin (IVIG) infusion reduces the risk of coronary artery complications, about 15% to 25% of untreated children suffer a risk of experiencing coronary artery aneurysms or ectasia. Intimal thickening, media disappearance, lamellar calcifications, fibrosis, macrophage, and neovascularization are the most distinguished pathological features of late coronary artery lesions in Kawasaki disease. In severe cases, they can lead to myocardial infarction and sudden death. Since the functionality of the cardiac tissues significantly depends on the coronary blood flow to the myocardium, intravascular assessment of coronary artery tissues is significant to detect the pathological formations caused by different coronary artery complications.

Although in vivo intravascular visualization of coronary arteries is significant to provide highly valuable progressive information, it is a challenging task, especially in pediatric patients because of the small size of the vessels and high heart rate. OCT is an interferometric imaging modality that maps the backscattered near-infrared (NIR) light to create cross-sectional images of the tissues under review in micrometer scale. OCT was developed for the diagnosis and treatment guidance of coronary artery disease in the adult population. It has been recently used in pediatric cardiology to image coronary artery tissues with appropriate safety results in this age group. It has high resolution ranging from 10 to 20 μm to characterize the internal structure of the tissues such as vessel wall layers and plaque accumulation. Inner vessel wall geometry allows detecting and evaluating biophysical and dynamic properties of arterial wall, the thickness of coronary artery layers, and various coronary artery abnormalities caused by the disease.

This thesis is focused on developing an intra-coronary tissue characterization model using OCT imaging to pave the way for evaluating the functionality of coronary artery tissues. The experiments are performed on intracoronary OCT acquisitions from patients affected by Kawasaki disease. Analysis of coronary artery tissues is a broad study field, which consists of three main steps: 1. Classification of coronary artery layers to recognize characteristic attributes of each layer, intima and, media. 2. Identification of coronary artery lesions caused by KD on coronary artery tissues to assess the functionality of coronary arteries. 3. Motion correction as the step of 3D reconstruction for longitudinal and transversal assessment of different pathological formations and estimation of arterial wall stiffness.

For the first contribution, we developed an automatic classification approach to characterize coronary artery layers in pediatric patients using the images obtained from OCT system. The goal of the study was to identify the features, which perfectly describe intima and media layers using a Convolutional Neural Network (CNN). The activations of the last fully connected layer are used to train Random Forest (RF) for the classification task. This work contributes to evaluating the thickness of coronary artery layers to distinguish between normal and diseased segments of the coronary artery.

A motion correction model of intracoronary OCT images is proposed for the second contribution. Our algorithm is designed for intra-slice motion correction in intravascular OCT images using tissue information rather than the lumen outline. Features are extracted automatically by applying a Convolutional Neural Network and the similarity between deep features is used to perform registration. For the first time, deep learning is applied on intracoronary OCT images for motion correction. This will contribute to evaluate the functionality of coronary arteries by analyzing the volume variation and considering the motion of the vessel. Also, it is a robust method to assess the pathological formations by finding the correlation between the tissues of adjacent frames.

For the third contribution, we focused on developing a tissue characterization approach to classifying various pathological formations of coronary arteries caused by KD. Specifically, the most distinguished coronary artery complications such as fibrosis, macrophage, neovascularization, and calcification as well as coronary artery layers (intima, and media) are detected using deep features extracted from pre-trained CNNs and majority voting from Random Forest classification. This study contributes to preventing future complications in children and young adults suffered from Kawasaki disease. Since mentioned pathological formations are recognized as the most common intracoronary complications caused by coronary artery disease (CAD), this work is not limited to intracoronary tissue characterization in KD patients.

Titre traduit

Caractérisation tissulaire des artères coronaires par tomographie en cohérence optique pour la maladie de Kawasaki

Résumé traduit

La maladie de Kawasaki est une maladie infantile affectant les ganglions lymphatiques cutanéomuqueux et caractérisé par de la fièvre, des éruptions cutanées, une conjonctivite non exsudative bilatérale, des érythèmes des lèvres et de la muqueuse buccale et des mains et pieds érythémateux enflés. La maladie de Kawasaki conduit à l’inflammation dans les parois des artères de taille moyenne dans tout le corps. Bien qu’une forte dose de perfusion d’immunoglobulines intraveineuses (IVIG) réduise le risque de complications coronariennes, environ 15% à 25% des enfants non traités présentent un risque d’anévrisme de l’artère coronaire. L’épaississement de l’intima, la disparition de la media, les calcifications lamellaires, la fibrose, les macrophages et la néovascularisation sont les caractéristiques pathologiques les plus typiques des lesions coronaires tardives de la maladie de Kawasaki. Dans les cas graves, ils peuvent entraîner un infarctus du myocarde et engendrer une mort subite. Puisque la fonctionnalité des tissus cardiaques dépend du flux sanguin coronaire vers le myocarde, l’évaluation intravasculaire des tissus de l’artère coronaire est importante pour détecter les formations pathologiques provoquées par différentes complications de l’artère coronaire.

La visualisation in vivo des artères coronaires fournit une information très pertinente pour le suivi et le traitement des artères coronaires. Cependant, l’acquisition d’images est particulièrement difficile chez les patients pédiatriques en raison de la petite taille des vaisseaux et de la fréquence cardiaque élevée. La tomographie en cohérence optique (TCO) est une modalité d’imagerie interférométrique en infrarouge permettant d’acquérir des images en coupe transversale des tissus examinés à l’échelle micrométrique. La TCO a été développée pour le diagnostic et le traitement de la maladie coronarienne dans la population adulte. Il a récemment été utilisé en cardiologie pédiatrique pour l’imagerie des tissus de l’artère coronaire avec des résultats d’innocuité appropriés dans ce groupe d’âge. Il a une haute résolution allant de 10 à 20 μm pour caractériser la structure interne des tissus tels que les couches de paroi des vaisseaux et l’accumulation de plaque. La géométrie de la paroi interne des vaisseaux permet de détecter et d’évaluer les propriétés biophysiques et dynamiques de la paroi artérielle, l’épaisseur des couches de l’artère coronaire et diverses anomalies des artères coronaires.

L’objectif principal de cette thèse est la caractérisation des tissus coronariens à partir d’images TCO pour l’évaluation automatique des pathologies coronariennes. Les expériences sont réalisées sur des acquisitions intracoronaires de TCO chez des patients atteints de la maladie de Kawasaki. Les objectifs spécifiques se détaillent comme suit: 1. Classification des couches de l’artère coronaire pour reconnaître les caractéristiques de chaque couche, intima et media. 2. Correction de mouvement comme une étape de la reconstruction 3D pour l’évaluation longitudinale et transversale de différentes formations pathologiques et l’estimation de la rigidité de la paroi artérielle. 3. Identification des lésions de l’artère coronaire causées par KD sur les tissus de l’artère coronaire pour évaluer la fonctionnalité des artères coronaires.

Premièrement, des caractéristiques qui décrivent les couches intima et média ont été extradites automatiquement en utilisant un réseau neuronal convolutionnel. Les activations de la dernière couche entièrement connectée sont utilisées pour entraîner un classifieur par forêts aléatoires pour la tâche de classification. Ce travail contribue à évaluer l’épaisseur des couches de l’artère coronaire à distinguer entre les segments normaux et pathologiques de l’artère coronaire. En second lieu, un modèle de correction de mouvement d’images TCO intracoronaires est propose pour aligner les tranches 2D en 3D de la TCO. Notre algorithme est conçu pour la correction de mouvement intra-tranche dans les images intravasculaires TCO en utilisant des informations sur les tissus plutôt que sur le contour du lumen. Les caractéristiques sont extraites automatiquement en appliquant un réseau de neurones convolutif et la similitude cosinus entre les caractéristiques profondes est utilisée pour effectuer l’enregistrement. Pour la troisième contribution, un classifieur a été entrainé à reconnaitre les différentes formations pathologiques des artères coronaires causées par la maladie de Kawasaki. Spécifiquement, les complications de l’artère coronaire les plus typiques telles que la fibrose, les macrophages, la neovascularization et les calcifications ainsi que les couches de l’artère coronaire (intima et média) sont détectées en utilisant des caractéristiques extraites d’un réseau de neurones convolutifs préentraîné et un vote par consensus pour la classification finale. Cette étude pourrait contribuer à mieux comprendre le mécanisme de formation des maladies coronariennes et pourrait prévenir de futures complications chez les enfants et les jeunes adultes souffrant de la maladie de Kawasaki.

Type de document:	Mémoire ou thèse (Thèse de doctorat électronique)
Renseignements supplémentaires:	"Manuscript-based thesis presented to École de technologie supérieure in partial fulfillment for the degree of doctor of philosophy". Comprend des références bibliographiques (pages 105-114).
Mots-clés libres:	caractérisation tissulaire, tomographie en cohérence optique (TCO), artère coronaire, réseau neuronal convolutionnel, maladie de Kawasaki, Forêt aléatoire, compensation du mouvement
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Duong, Luc
Codirecteur:	Codirecteur Dahdah, Nagib
Programme:	Doctorat en génie > Génie
Date de dépôt:	13 janv. 2021 16:31
Dernière modification:	13 janv. 2021 16:31
URI:	https://espace.etsmtl.ca/id/eprint/2062

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt