Vers un système automatisé pour la détection et la quantification des lésions coronaires dans des angiographies CT cardiaques
Auteur / Autrice : | Imen Melki |
Direction : | Laurent Najman |
Type : | Thèse de doctorat |
Discipline(s) : | Informatique |
Date : | Soutenance le 22/06/2015 |
Etablissement(s) : | Paris Est |
Ecole(s) doctorale(s) : | École doctorale Mathématiques, Sciences et Technologies de l'Information et de la Communication (Champs-sur-Marne, Seine-et-Marne ; 2015-....) |
Partenaire(s) de recherche : | Laboratoire : Laboratoire d'informatique de l'Institut Gaspard Monge (1997-2009) - LIGM |
Jury : | Président / Présidente : Wiro Niessen |
Examinateurs / Examinatrices : Laurent Najman, Hugues Talbot, Jean Cousty, Laurent Launay, Leo J. Grady | |
Rapporteurs / Rapporteuses : Grégoire Malandain, Frédérique Frouin |
Mots clés
Résumé
Les maladies coronariennes constituent l'ensemble des troubles affectant les artères coronaires. Elles sont la première cause mondiale de mortalité. Par conséquent, la détection précoce de ces maladies en utilisant des techniques peu invasives fournit un meilleur résultat thérapeutique, et permet de réduire les coûts et les risques liés à une approche interventionniste. Des études récentes ont montré que la tomodensitométrie peut être utilisée comme une alternative non invasive et fiable pour localiser et quantifier ces lésions. Cependant, l'analyse de ces examens, basée sur l'inspection des sections du vaisseau, reste une tâche longue et fastidieuse. Une haute précision est nécessaire, et donc seulement les cliniciens hautement expérimentés sont en mesure d'analyser et d'interpréter de telles données pour établir un diagnostic. Les outils informatiques sont essentiels pour réduire les temps de traitement et assurer la qualité du diagnostic. L'objectif de cette thèse est de fournir des outils automatisés de traitement d'angiographie CT, pour la visualisation et l'analyse des artères coronaires d'une manière non invasive. Ces outils permettent aux pathologistes de diagnostiquer et évaluer efficacement les risques associés aux maladies cardio-vasculaires tout en améliorant la qualité de l'évaluation d'un niveau purement qualitatif à un niveau quantitatif. Le premier objectif de ce travail est de concevoir, analyser et valider un ensemble d'algorithmes automatisés utiles pour la détection et la quantification de sténoses des artères coronaires. Nous proposons un nombre de techniques couvrant les différentes étapes de la chaîne de traitement vers une analyse entièrement automatisée des artères coronaires. Premièrement, nous présentons un algorithme dédié à l'extraction du cœur. L'approche extrait le cœur comme un seul objet, qui peut être utilisé comme un masque d'entrée pour l'extraction automatisée des coronaires. Ce travail élimine l'étape longue et fastidieuse de la segmentation manuelle du cœur et offre rapidement une vue claire des coronaires. Cette approche utilise un modèle géométrique du cœur ajusté aux données de l'image. La validation de l'approche sur un ensemble de 133 examens montre l'efficacité et la précision de cette approche. Deuxièmement, nous nous sommes intéressés au problème de la segmentation des coronaires. Dans ce contexte, nous avons conçu une nouvelle approche pour l'extraction de ces vaisseaux, qui combine ouvertures par chemin robustes et filtrage sur l'arbre des composantes connexes. L'approche a montré des résultats prometteurs sur un ensemble de 11 examens CT. Pour une détection et quantification robuste de la sténose, une segmentation précise de la lumière du vaisseau est cruciale. Par conséquent, nous avons consacré une partie de notre travail à l'amélioration de l'étape de segmentation de la lumière, basée sur des statistiques propres au vaisseau. La validation avec l'outil d'évaluation en ligne du challenge de Rotterdam sur la segmentation des coronaires, a montré que cette approche présente les mêmes performances que les techniques de l'état de l'art. Enfin, le cœur de cette thèse est consacré à la problématique de la détection et la quantification des sténoses. Deux approches sont conçues et évaluées en utilisant l'outil d'évaluation en ligne de l'équipe de Rotterdam. La première approche se base sur l'utilisation de la segmentation de la lumière avec des caractéristiques géométriques et d'intensité pour extraire les sténoses coronaires. La seconde utilise une approche basée sur l'apprentissage. Durant cette thèse, un prototype pour l'analyse automatisée des artères coronaires et la détection et quantification des sténoses a été développé. L'évaluation qualitative et quantitative sur différents bases d'examens cardiaques montre qu'il atteint le niveau de performances requis pour une utilisation clinique