Fusion et recalage d'images médicales multimodales. Application à la chirurgie de l'endométriose

Multi modal Medical Registrati on and Fusion. Applicati on to Endometriosis Surgery

• Auteur / Autrice : Youssra El bennioui
• Direction : Jean-Yves Tourneret, Adrian Basarab
• Type : Thèse de doctorat
• Discipline(s) : Informatique et Télécommunications
• Date : Soutenance le 08/11/2024
• Etablissement(s) : Université de Toulouse (2023-....)
• Ecole(s) doctorale(s) : Mathématiques, Informatique, Télécommunications de Toulouse
• Partenaire(s) de recherche : Laboratoire : Institut de Recherche en Informatique de Toulouse (1995-....)
• Partenaire(s) de recherche : établissement délivrant conjointement le doctorat : Institut national polytechnique (Toulouse ; 1969-....)
• Jury : Président / Présidente : Mireille Garreau
• Jury : Examinateurs / Examinatrices : Jean-Yves Tourneret, Adrian Basarab, Su Ruan, Jean-Louis Dillenseger, Abderrahim Halimi, Oumaima El Mansouri, Julian Tachella
• Jury : Rapporteur / Rapporteuse : Su Ruan, Jean-Louis Dillenseger

Mots clés

Mots clés contrôlés

Recalage d'images

Recalage 2D/3D

Imagerie par résonance magnétique

Imagerie médicale

Mots clés libres

Imagerie médicale

Fusion d'images

Problèmes inverses

Recalage d'images

IRM

US

Medical imaging

Image fusion

Inverse problems

Image registration

MRI

US

Résumé

L’endométriose est une maladie gynécologique chronique de la femme qui se caractérise par le développement d’un tissu semblable à la muqueuse utérine en dehors de l’utérus, colonisant d’autres organes avoisinants comme les ovaires, les trompes utérines ou dans des cas plus rares le côlon. Elle entraîne des douleurs abdominales et pelviennes, une fatigue chronique et un risque accru d’infertilité. Le diagnostic de l’endométriose repose sur deux modalités d’imagerie médicale, à savoir l’échographie (US) et l’imagerie par résonance magnétique (IRM). Selon le stade de maladie, la chirurgie laparoscopique s’avère être l’unique traitement efficace contre l’endométriose.Outre le diagnostic, les images US et IRM sont utilisées pour localiser précisément les lésions et leur profondeur d’infiltration avant la chirurgie. L’image US, effectuée par voie intravaginale pour cette application, fournit des détails internes fins des structures imagées grâce à sa haute résolution spatiale, mais a un champ de vision limité et un faible rapport signal/bruit. L’IRM, en revanche, offre un large champ de vision avec un bon rapport signal/bruit mais une résolution spatiale plus faible. Par conséquent, des repères anatomiques à l’échelle millimétrique seraient sous-évalués lors de l’utilisation de cette modalité seule. Construire une image rassemblant les avantages des deux modalités (bon contraste et bon rapport signal sur bruit) est d'un grand intérêt pour aider à la chirurgie de l'endométriose. Dans les applications pratiques, les examens US et IRM sont effectués séparément, ce qui donne des séries d'images US 2D et des volumes IRM 3D non-alignés.L'objet de cette thèse de doctorat est d'abord de proposer un algorithme de recalage d'images IRM 3D et US 2D. Le but de ce recalage est d'extraire la coupe IRM qui ressemble le plus à l'image US, maximisant un critère de similarité adapté. Le recalage prend en compte une transformation rigide globale caractérisée par des paramètres de rotation et de translation qui est associée à une déformation locale basée sur des fonctions B-spline. Il permet une mise en correspondance plus précise entre les images, permettant d’exploiter également les déformations géométriques locales au sein de l’image.Dans un deuxième temps, un modèle de fusion 2D/2D est proposé pour les images IRM et US. La méthode est basée sur un problème inverse, réalisant une super-résolution de l’image IRM et un débruitage de l’image US. La relation entre les niveaux de gris des deux images a été modélisée dans la littérature par une fonction polynomiale. Dans cette thèse, nous étudions l'intérêt potentiel de remplacer cette fonction polynomiale par une transformation non-paramétrique construite à partir de la théorie des espaces de Hilbert à noyaux reproduisants. L'image fusionnée obtenue avec cette méthode rassemble les avantages des deux modalités, et présente un contraste plus net que lorsqu'on utilise un polynôme. Un autre avantage significatif en faveur de la transformation à base de noyaux est qu'elle n'est pas directement liée à la direction de propagation du scan US, qui n'est pas facile à obtenir dans les applications pratiques. Le prix à payer avec l'approche proposée est sa complexité. Le modèle peut nécessiter l'estimation de quelques centaines de milliers de paramètres en fonction de la taille de l'image et des patchs choisis.Nous proposons un second modèle de fusion basé sur le filtrage guidé. L'image fusionnée est obtenue grâce à une pondération des images Base et Détail calculées à partir des images IRM et US. Les poids attribués à l'image US tiennent compte de la présence de bruit de speckle, tandis que les poids attribués à l'image IRM permettent d'améliorer le contraste de l'image fusionnée.L'intérêt des modèles proposés est analysé au moyen de tests quantitatifs et qualitatifs effectués sur un ensemble de données varié, incluant des images synthétiques, des images d'un fantôme expérimental et des données réelles.

Endometriosis is a chronic gynecological disease affecting women of childbearing age which is characterized by the development of tissue similar to the uterine lining (the endometrium) outside the uterus, colonizing other nearby organs such as the ovaries, the fallopian tubes or, in rarer cases, the colon. This tissue is influenced by hormonal changes during subsequent menstrual cycles, leading to abdominal and pelvic pain, chronic fatigue and an increased risk of infertility. The diagnosis of endometriosis is based on two medical imaging modalities, namely ultrasound (US) and magnetic resonance imaging (MRI). Depending on the stage of the disease, laparoscopic surgery proves to be the only effective treatment for endometriosis.Besides their use for diagnosis, US and MRI images are used to identify the precise location of lesions and their depth of infiltration before surgery. The US image, performed intravaginally for this application, is a high spatial resolution modality that provides fine internal details of the imaged structures. This modality has some limitations, including a limited field of view and a low signal-to-noise ratio. On the other hand, MRI offers a large field of view of the patient's anatomy with a good signal-to-noise ratio but with relatively low spatial resolution. Therefore, precise anatomical landmarks at the millimeter scale would be undervalued when using this modality alone. In this context, producing an image bringing together the advantages of both modalities (good contrast and good signal-to-noise ratio) would be of great interest. In practical applications, US and MRI examinations are performed separately, resulting in unaligned 2D US images and 3D MRI volumes.The first aim of this PhD thesis is to propose a slice-to-volume registration algorithm of 3D MRI and 2D US images. The goal of this registration would be to extract the MRI slice that best resembles the US image, maximizing an adapted similarity criterion. The registration takes into account a global rigid transformation characterized by rotation and translation parameters which is associated with a local deformation based on B-spline functions. The latter will allow more precise matching between images, making it possible to exploit local geometric deformations within the image.Secondly, a 2D/2D fusion model is proposed for MRI and US images. The method is problem-based inverse, achieving super-resolution of the MRI image and denoising of the US image. The relationship between the gray levels of the two images has been modeled in the literature by a polynomial function. We study the potential interest of replacing this polynomial function by a non-parametric transformation constructed from the theory of Hilbert spaces with reproducing kernels. The fused image obtained with this method combines the advantages of both modalities, and presents a sharper contrast than when using a polynomial. Another significant advantage in favor of the kernel-based transformation is that it is not directly related to the propagation direction of the US scan, which is not easy to obtain in practical applications. The drawback of the proposed approach is its complexity. The model may require the estimation of a few hundred thousand parameters depending on the size of the image and the patches chosen.We propose a second fusion model based on guided filtering, which consists of separating images into base and detail layers, calculating specific weights, and then fusing them. The fused image is obtained by weighting the Base and Detail images of the MRI and the US. The weights assigned to the US image take into account the presence of speckle noise, while the weights assigned to the MRI make it possible to improve the contrast of the fused image.The interest of the proposed models is analyzed by means of quantitative and qualitative tests carried out on several datasets, including synthetic images, images of an experimental phantom and real data.