Recalage d'organes intra-patient à partir de l'étude de leur réseau vasculaire : Application au foie

Intra-patient organ registration from the study of their vascular network : application to the liver

• Auteur / Autrice : Arnaud Charnoz
• Direction : Mohamed Tajine
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance en 2007
• Etablissement(s) : Université Louis Pasteur (Strasbourg) (1971-2008)

Mots clés

Mots clés contrôlés

Foie

Tumeurs -- Vaisseaux sanguins

Imagerie pour le diagnostic

Modélisation tridimensionnelle

Traitement d'images -- Techniques numériques

Résumé

Cette thèse propose une nouvelle méthode automatique pour estimer la déformation subie par un organe vascularisé entre deux images scanner. Cette méthode analyse les réseaux vasculaires internes an de recaler au mieux ces images. Ainsi, elle apporte une aide au diagnostic en facilitant le suivi individuel des tumeurs et une aide à la planication en créant des modèles de réseaux vasculaires plus détaillés. La méthode se décompose en trois grandes étapes. Tout d'abord, les réseaux vasculaires contrastés dans les images scanner sont modélisés par des graphes. Ensuite, un algorithme original d'appariement de graphes met en correspondance les bifurcations communes. Enfin, une transformation est calculée à partir des appariements estimés pour compenser la déformation globale de l'organe. Les nombreuses expérimentations, menées sur nos bases de patients synthétiques et réels, valident l'efficacité et la robustesse de cette nouvelle méthode.

This thesis proposes a new automated method to evaluate the deformation of a vascularized organ between two CT-scan images. This method analyses internal vascular networks in order to better register those images. This way, it provides support for the diagnosis by easing individual tumour follow-up as well as for the planning by creating more detailed vascular network models. The method is composed of three major steps. First, contrasted vascular networks in CT-scan images are modelled thanks to graphs. Then, an original graph matching algorithm associates common bifurcations. Finally, a transformation is computed from estimated matchings in order to compensate the overall organ deformation. The many experimentations carried out on our databases of synthetic and real patients validate the efficiency and robustness of this new method.