Rehaussement de vaisseaux sanguins appliqué aux images médicales 3D

Study of vesselness filters applied to 3D medical images

• Auteur / Autrice : Jonas Lamy
• Direction : Bertrand Kerautret, Nicolas Passat, Odyssée Merveille
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 20/03/2023
• Etablissement(s) : Lyon 2
• Ecole(s) doctorale(s) : École doctorale InfoMaths (Lyon ; 2009-....)
• Partenaire(s) de recherche : Equipe de recherche : Laboratoire d'InfoRmatique en Images et Systèmes d'information (Ecully, Rhône ; 2003-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'InfoRmatique en Image et Systèmes d'information / LIRIS
• Jury : Président / Présidente : Antoine Vacavant
• Jury : Examinateurs / Examinatrices : Laurent Najman
• Jury : Rapporteur / Rapporteuse : Erwan Kerrien, Sylvie Le Hégarat

Mots clés

Mots clés contrôlés

Imagerie médicale

Vaisseaux sanguins

Traitement d'images

Mots clés libres

Traitement d’images

Vaisseaux sanguins

Filtres de rehaussement

IRM

Tomodensitométrie

Reproductibilité

Image processing

Blood vessels

Vesselness filters

MRI

Tomodensitometry

Reproducibility

Résumé

La segmentation des vaisseaux du foie dans les images médicales reste un problème ouvertencore aujourd’hui. Celle-ci est pourtant utile pour les médecins lors de la planification opéra-toire. Les difficultés de la segmentation des vaisseaux hépatiques sont multiples. Les vaisseauxconstituent une faible part du volume total de l’organe. Ils présentent un faible contrastepar rapport aux tissus environnants, une morphologie variable et une taille approchant lalimite de résolution des images pour les vaisseaux les plus fins. Le contexte d’acquisition desimages hépatiques rend la tâche d’autant plus difficile, car l’imagerie tomodensitométrique(TDM) et l’imagerie par résonance magnétique (IRM) ajoutent des difficultés supplémentairespar le biais d’artefacts (bruit, hétérogénéité de contraste, mouvements, etc.). Pour faciliter lasegmentation, on peut utiliser des filtres de rehaussement de vaisseaux. Ces filtres permettentd’augmenter le contraste des vaisseaux en ne filtrant que les structures tubulaires. Un certainnombre de filtres ont été proposés dans la littérature, mais en pratique on observe un recoursquasi systématique aux mêmes filtres et l’utilisation de paramètres par défaut. Nous avonsdonc voulu comprendre la validité de ces pratiques, comparer les performances de différentsfiltres et étudier leur pertinence dans le contexte de l’imagerie du foie. Dans ce contexte,nous proposons un banc de test reproductible et extensible qui permet d’évaluer des filtres derehaussement dans un ensemble de zones d’intérêt définies par un utilisateur. Nous mettonsensuite ce banc de test en pratique en analysant sept filtres de rehaussement de vaisseaux àtravers trois jeux de données (TDM, IRM et IRM synthétique). Une analyse exhaustive desperformances de ces filtres est proposée à travers l’étude du rehaussement dans six zonesd’intérêt couvrant : l’organe, le voisinage des vaisseaux par tailles et les bifurcations desvaisseaux. Nous discutons également de l’influence des paramètres des filtres et proposonsune série de recommandations d’usage en fonction du contexte. L’ensemble du code nécessaireà nos travaux est disponible publiquement : les outils d’annotations, les bases de données,l’implémentation des filtres ainsi qu’une démonstration en ligne. Cette thèse regroupe doncun ensemble de connaissances et d’outils pour toute personne souhaitant travailler avec lesfiltres de rehaussement de vaisseaux.

Hepatic vessels segmentation in medical images is still an open problem. Yet, such segmenta-tion is useful for praticians in a couple of contexts including surgical planning. The difficultiesof hepatic vessels segmentation are numerous. Compared to the volume of the liver, thevessels cover a sparser area. They exhibit a weaker contrast compared to neighbouring tissues,a variable morphology and for the smallest vessels, a size nearing the images resolution.The imaging context of computed tomography (CT) and magnetic resonance imaging (MRI) adds an extra layer of difficulties induced by specific artifacts (noise, contrast inhomogeneity,movement, etc.). To ease the segmentation process, one can use vesselness filters. Thesefilters can improve the contrast of vessels by enhancing tubular structures. A number of thesefilters has been proposed in the litterature, however the usage of the same filters with defaultparameters has been observed in the majority of cases. In this context, our objectives havebeen to understand this trend, to compare the performances of several filters and to studytheir effectiveness in the context of liver vessels imaging. We chose to build a reproducibleand extensible benchmark able to evaluate the filters over areas of interest defined by theuser. We then put this benchmark in practice by analysing seven vesselness filters over treedatasets (CT scans, MRI, and synthetic MRI). An exhaustive analysis of the filters is performedover six areas of interest : the organ, the vessels neighbourhood by size and the bifurcations.We also discuss the effect of the parameters of the filters and give usage recommendationsdepending on the segmentation context. All the code needed for our experiments is publiclyavailable : the annotations tools, datasets and ground truth as well as filters implementationand an online demonstrator. This PhD thus regroups a comprehensive set of knowledge andtools for anyone looking to use vesselness filters in their work.