La fusion de l'IRM et de l'échographie

Fusion of magnetic resonance and ultrasound images for endometriosis detection

• Auteur / Autrice : Oumaima El Mansouri
• Direction : Adrian Basarab, Jean-Yves Tourneret, Denis Kouamé
• Type : Thèse de doctorat
• Discipline(s) : Signal, Image, Acoustique et Optimisation
• Date : Soutenance le 07/12/2020
• Etablissement(s) : Toulouse, INPT
• Ecole(s) doctorale(s) : École doctorale Mathématiques, informatique et télécommunications (Toulouse)
• Partenaire(s) de recherche : Laboratoire : Institut de Recherche en Informatique de Toulouse (1995-....)
• Jury : Président / Présidente : Jean-Philippe Thiran
• Jury : Examinateurs / Examinatrices : Adrian Basarab, Jean-Yves Tourneret, Denis Kouamé, Jean-Philippe Thiran, Philippe Ciuciu, Mireille Garreau, Mario Figueiredo, Xavier Pennec
• Jury : Rapporteurs / Rapporteuses : Philippe Ciuciu, Mireille Garreau

Mots clés

Mots clés contrôlés

Palm (ordinateur)

Échographie

Imagerie par résonance magnétique

Mots clés libres

Fusion

IRM

Echographie

Recalage

Super résolution

Débruitage

Algorithme

PALM

Fusion

MRI

Registration

Ultrasound images

Super resolution

Inverse problems

Despeckling

PALM algorithm

Résumé

L'endométriose est un trouble gynécologique qui touche généralement les femmes en âge de procréer et qui est associé à des douleurs pelviennes chroniques et à l'infertilité. L'endométriose est un exemple typique de pathologie qui nécessite l'utilisation de l'imagerie à résonance magnétique (IRM) et 'imagerie ultrasonore (US) (appelée aussi échographie) pour le diagnostic préopératoire et la chirurgie guidée. Ces modalités sont utilisées conjointement car elles contiennent des informations complémentaires. Cependant, le fait qu'elles aient des résolutions, des champs de vue et des contrastes différents et qu'elles soient corrompues par des bruits de differentes natures rend la collecte d'informations à partir de ces modalités difficile pour les radiologues. Ainsi, la fusion des images IRM et l'échographie peut faciliter la tâche des experts médicaux et améliorer le diagnostic préopératoire et le plan de l'intervention chirurgicale. L'objet de cette thèse de doctorat est de proposer une nouvelle méthode de fusion automatique des images IRM et US. Tout d'abord, nous supposons que les images IRM et US à fusionner sont alignées, c'est-à-dire qu'il n'y a pas de déformation géométrique entre elles. Nous proposons alors dans ce contexte idéal des méthodes de fusion pour ces deux images, qui visent à combiner les avantages de chaque modalité, c'est-à-dire un bon contraste et un bon rapport signal/bruit pour l'IRM et une bonne résolution spatiale pour l'échographie. L'algorithme proposé est basé sur un problème inverse, réalisant une super-résolution de l'image IRM et un débruitage de l'image US. Des fonctions polynomiales sont introduites pour modéliser les relations entre les niveaux de gris des images IRM et US. Cependant, la méthode de fusion proposée est très sensible aux erreurs de recalage. C'est pourquoi, dans un deuxième temps, nous proposons une méthode conjointe de fusion et de recalage pour ces deux modalités. La fusion d'images IRM/US proposée permet d'obtenir conjointement une super-résolution de l'image IRM et un débruitage de l'image US, et peut automatiquement prendre en compte les erreurs de recalage. Une fonction polynomiale est utilisée pour relier les images ultrasonores et IRM dans le processus de fusion, tandis qu'une mesure de similarité appropriée est introduite pour traiter le problème de recalage. Le recalage proposé est basé sur une transformation non rigide contenant un modèle élastique local de Bspline et une transformation affine globale. Les opérations de fusion et de recalage sont effectuées alternativement, ce qui simplifie le problème d'optimisation sous-jacent. L'intérêt de la fusion et du recalage conjoints est analysé à l'aide des images synthétiques et expérimentales.

Endometriosis is a gynecologic disorder that typically affects women in their reproductive age and is associated with chronic pelvic pain and infertility. In the context of pre-operative diagnosis and guided surgery, endometriosis is a typical example of pathology that requires the use of both magnetic resonance (MR) and ultrasound (US) modalities. These modalities are used side by sidebecause they contain complementary information. However, MRI and US images have different spatial resolutions, fields of view and contrasts and are corrupted by different kinds of noise, which results in important challenges related to their analysis by radiologists. The fusion of MR and US images is a way of facilitating the task of medical experts and improve the pre-operative diagnosis and the surgery mapping. The object of this PhD thesis is to propose a new automatic fusion method for MRI and US images. First, we assume that the MR and US images to be fused are aligned, i.e., there is no geometric distortion between these images. We propose a fusion method for MR and US images, which aims at combining the advantages of each modality, i.e., good contrast and signal to noise ratio for the MR image and good spatial resolution for the US image. The proposed algorithm is based on an inverse problem, performing a super-resolution of the MR image and a denoising of the US image. A polynomial function is introduced to modelthe relationships between the gray levels of the MR and US images. However, the proposed fusion method is very sensitive to registration errors. Thus, in a second step, we introduce a joint fusion and registration method for MR and US images. Registration is a complicated task in practical applications. The proposed MR/US image fusion performs jointly super-resolution of the MR image and despeckling of the US image, and is able to automatically account for registration errors. A polynomial function is used to link ultrasound and MR images in the fusion process while an appropriate similarity measure is introduced to handle the registration problem. The proposed registration is based on a non-rigid transformation containing a local elastic B-spline model and a global affine transformation. The fusion and registration operations are performed alternatively simplifying the underlying optimization problem. The interest of the joint fusion and registration is analyzed using synthetic and experimental phantom images.