Segmentation automatisée du ventricule gauche en IRM cardiaque : Evaluation supervisée et non supervisée de cette approche et application à l'étude de la viabilité myocardique

Automated segmentation of the left ventricle in cardiac MRI : supervised and non-supervised evaluation of this approach and application to the study of the myocardial viability

• Auteur / Autrice : Constantin Constantinides
• Direction : Frédérique Frouin, Elodie Roullot
• Type : Thèse de doctorat
• Discipline(s) : Signal et images
• Date : Soutenance le 10/07/2012
• Etablissement(s) : Paris, ENST
• Ecole(s) doctorale(s) : École doctorale Informatique, télécommunications et électronique de Paris (1992-...)
• Jury : Président / Présidente : Isabelle Bloch
• Jury : Examinateurs / Examinatrices : Alain Lalande
• Jury : Rapporteur / Rapporteuse : Denis Friboulet, Éric Petit

Mots clés

Mots clés contrôlés

Infarctus du myocarde

Traitement d'images -- Techniques numériques

Imagerie médicale

Mots clés libres

Imagerie par résonance magnétique

Magnetic resonance imaging

Résumé

Cette thèse a pour objectif de parvenir à une estimation automatisée des contours du ventricule gauche sur des images IRM en coupes petit-axe, nécessitant un minimum d’interventions de la part de l’utilisateur. En s’appuyant sur une approche semi-automatique récemment développée, une méthode entièrement automatique est proposée, reposant sur la localisation des structures cardiaques et la création d’une région d’intérêt autour du ventricule gauche, puis la segmentation de sa cavité. L’algorithme a été développé en prenant en compte des connaissances anatomiques et fonctionnelles sur le cœur : les caractéristiques temporelles du battement cardiaque, la pseudo-circularité des coupes petit-axe du ventricule gauche, la continuité 3D qui ont été combinées à l’intensité dans les images. La segmentation utilise une approche fondée sur les contours actifs combinée à un filtrage morphologique qui améliore la robustesse de la segmentation vis-à-vis des hétérogénéités au sein de la cavité. Le travail réalisé avec le groupe MedIEval (MedicalImaging Evaluation) a permis de comparer les deux méthodes avec 6 autres méthodes, dont 3 tracés d'experts. Une classification par une approche d’évaluation sans référence a été appliquée à la fraction d’éjection estimée par les 8 méthodes. Enfin, la méthode de segmentation proposée a été utilisée systématiquement dans une étude de recherche clinique combinant l’étude de la contraction régionale et la quantification de la transmuralité de l’infarctus du myocarde. Ces travaux ouvrent des perspectives, sur l’automatisation de la segmentation du ventricule droit et l’estimation d’une forme mutuelle robuste à partir de plusieurs segmentations.

The aim of this work is to perform an automated segmentation of the Left Ventricle on short-axis cardiac MR images with as few user interactions as possible. Based on a recently developed semi-automated segmentation method, a fully automated segmentation method is proposed that includes three main steps: the heart localization, the definition of a region of interest around the left ventricle, and finally its segmentation. The algorithm developed here takes into account anatomic and functional a priori information such as the temporal features of the heartbeat, the pseudo-circular shape of the LV, and the 3D continuity, combined with the image intensity features. The segmentation process is achieved using deformable models combined with morphological filters, which improve the model performances when dealing with heterogeneous gray levels within the cavity. The work achieved within the MedIEval group (Medical Imaging Evaluation) allowed to compare both proposed methods with 6 other methods, including 3 manual delineations by experts. In particular, an approach for ranking segmentation methods without using a gold standard was applied to the ejection fractions estimated by the 8 methods. Finally, the proposed segmentation method was used in a clinical research work about the regional contraction and thequantification of the myocardial infarction extent.Future work includes the automated segmentation of the right ventricle as well as the estimation of a robust mutual shape from several segmentation methods.