Segmentation d'IRM cérébrales par approche coopérative : application à la caractérisation d'un AVC

Abstract

L’objectif de ce travail est de concevoir un système de segmentation semi-automatique d’Images de Résonance Magnétique (IRM) cérébrales, multipondérations (T2, Diffusion, Flair), pris en fonction de l’évolution de la pathologie à des temps différents, de sujets atteints d’un AVC, qui permette de tirer parti de plusieurs approches complémentaires. Nous avons opté pour une segmentation coopérative de type régions/contours de coupes IRM 2D, précédée en amont d’une phase de prétraitements adéquats et adaptés aux acquisitions IRM, permettant d’améliorer la qualité des images et de diminuer le nombre important d’informations, et suivie en aval d’une phase de poste traitements, permettant une caractérisation géométrique de l’AVC, une reconstruction de l’image en 3D, un recalage avec une image de référence comprenant les aires fonctionnelles, et une mise en correspondance anatomo-fonctionnelle, pour reconnaître les aires fonctionnelles du cerveau endommagées par la lésion. Un grand nombre d’outils ont été utilisés pour cette tâche, comme la morphologie mathématique, la diffusion anisotrope, la segmentation d’images, la coopération de techniques, et le recalage d’images. Le but est d’intervenir dans l’aide au diagnostic, dans le geste opératoire, ou dans le suivi temporel de la pathologie. Le document est organisé de la façon suivante: 1. Le premier chapitre présente le cadre applicatif qui a servi de support à nos recherches. Il rappelle quelques notions d’anatomie du cerveau humain, et les principes fondamentaux de l’imagerie par résonance magnétique. 2. Le second chapitre propose un état de l’art sur la segmentation en IRM cérébrale. Il est organisé en trois parties. On définit d’abord la segmentation d’images et le rôle clé qu’elle joue dans tout processus de vision par ordinateur. Les approches procédant par détection de contours et celles par extraction de régions y sont présentées. Enfin les approches coopératives au sens le plus large sont décrites. Dans une deuxième partie, un état de l’art des méthodes de segmentation d’IRM cérébrales est présenté. Là aussi, cette partie est scindée en deux: la segmentations d’IRM cérébrales sans pathologies, et la segmentation d’IRM cérébrales avec pathologies. Enfin, une présentation des méthodes d’évaluation d’une segmentation est effectuée, en précisant celle qui a été choisie. 3. Le troisième chapitre présente les différentes étapes du système proposé. Plusieurs modules y sont exposés. En premier, la phase de prétraitement incluant le filtrage du bruit par diffusion anisotrope et l’isolation du cerveau par morphologie mathématique pour ne garder que l’information utile. Le deuxième module concerne la phase de segmentation. Une coopération régions-contours est présentée. Le détecteur de contours et l’extracteur de régions utilisés sont décrits, ainsi que le processus de coopération dynamique. Le troisième module concerne l’évaluation et la validation de la segmentation. 4. Le quatrième chapitre présente la validation de la méthode, les applications à ce travail et les résultats obtenus. On commencera par valider notre logiciel par une expertise médicale, pour ensuite présenter les résultats de la phase de segmentation et de caractérisation des AVC dans le cerveau. On fera un suivi temporel de la pathologie en analysant quelques paramètres géométriques mesurés. On présentera les résultats de la reconstruction de l’AVC en 3D, son recalage avec une image référence contenant les aires fonctionnelles d’un cerveau, et la mise en correspondance anatomo-fonctionnelle, pour déterminer les aires lésées. On terminera par la présentation de la reconstruction en 3D du cerveau et de l’AVC, qui permettra à un praticien de localiser exactement la lésion dans le cerveau. Ce travail a été réalisé dans le cadre de l’accord programme 03MDU588 entre l’Université Saad Dahlab de Blida et l’Université Joseph Fourier de Grenoble, en plus d’une collaboration avec le Département de Neurochirurgie de l’hôpital Michalon de Grenoble.