angers, le 9 juin 2014 localisation : localisation : pôle imagerie du chu dangers actions...

Angers, le April 11, 2023

Localisation :Localisation : Pôle Imagerie du CHU d’Angers

Actions principales de l’unitéActions principales de l’unité

Analyse d’images biomédicales Aide au diagnostic

Codage d’images biomédicales (compression et tatouage)

Unité de Traitement d’Images MédicalesÉquipe Signal Image

CENTRE HOSPITALIERUNIVERSITAIRE D'ANGERS


Objectifs :Objectifs :

- Mise en œuvre de processus d’analyse (segmentation, recalage) automatiques, fiables et robustes pour une utilisation en routine clinique.

Complexité algorithmique

Interface graphique

- Quantification de paramètres cliniques pour une prise de décision objective de pathologies subtiles.

CollaborationsCollaborations

- CHU d’Angers : Pr. Le Jeune, Pr. Jallet, Pr. Aubé, Pr. Furber, Pr. Calles…

- General Electric Healthcare (financement de 2 thèses).

- Service Commun d’Analyses Spectroscopiques de l’Université d’Angers.

Analyse d’images biomédicales

CENTRE HOSPITALIERUNIVERSITAIRE D'ANGERS


Etude du mouvement intra-myocardique via l’IRM marquéeEtude du mouvement intra-myocardique via l’IRM marquée

Mesure de paramètres anatomiques et fonctionnels du VG

Localisation précise des contours du myocarde (analyse texturale)

Suivi des tags par contours actifs après prétraitement de type diffusion anisotrope fondé sur un formalisme informationnel


2

2

2

2

cos1cos1yxt


Fusion non supervisée d’images cardiaques TEP, IRMFusion non supervisée d’images cardiaques TEP, IRM Fusion d’informations complémentaires via la TDM (couplée à la TEP)

Anatomiques (IRM) et Fonctionnelles (TEP) - Recalage global par modèle 3D - Recalage iconique IRMt1/IRMt2, IRMt1/TEPt1 (information mutuelle)

TDM

IRM

TEP

Acquisitions synchronisées sur l’ECG

Fusion de séquences d’images

Permet de localiser les territoires qui restent viables dans le post-infarctus récent


21

21

2121 )()(

),(log),(),( didi

iqip

iipiipTSIM


Fusion non supervisée d’images cardiaques TEP, IRMFusion non supervisée d’images cardiaques TEP, IRMThèse de Xavier Baty

Construction d’un modèle 3D du cœur IRM et CT

Recalage local TEP/IRM


Transformation globale


Quantification de la graisse abdominale en IRMQuantification de la graisse abdominale en IRM

Etude du syndrome métabolique Risque de pathologie cardiaque

Risque de pathologie hépatique

Critères officiels : Tour de taille, Glycémie, Triglycéride / Cholestérol, Pression Artérielle

Rapport VAT/SAT

Diagnostic précoce des patients à risque



Quantification de la graisse abdominale en IRMQuantification de la graisse abdominale en IRM

Segmentation automatique par classification floue : C-Means généralisé

Image originale Classification floue


Graisse Sous-cutanéey = 1,0368x - 13,478

R2 = 0,8854

0

50

100

150

200

250

300

350

400

450

500

0,0 100,0 200,0 300,0 400,0 500,0

Expert

Alg

ori

thm

e

Graisse Visceraley = 0,8664x + 0,6682R2 = 0,8541

0

50

100

150

200

250

300

350

400

0,0 100,0 200,0 300,0 400,0 500,0

Expert

Alg

ori

thm

e


Quantification de la fibrose hépatique sur des images histologiquesQuantification de la fibrose hépatique sur des images histologiquesClassification automatique sur composante couleur

Classification floue : classes d’ambiguïté

Espaces couleur


Seuillage manuel32,5%

Evaluation du % de fibrose

Classification floue 32,25%


Contexte :Contexte :

Évolution de l’imagerie médicale sous forme numérique

Augmentation des images acquises (imagerie 3D, imagerie rapide….)

Compression irréversibleRésoudre les problèmes d’archivage et de transmission des images dans les PACS

Evaluation des dégradationsPas de modification de l’information diagnostique

Sécurisation des données des dossiers médicaux électroniques

Watermarking ou Tatouage d’imageInsertion d’annotation dans l’image source Authentification Insertion d’une signature de l’image source Intégrité

Codage d’images biomédicales


Application des normes de compression en imagerie médicale :Application des normes de compression en imagerie médicale :IRM cardiaque : 256*256*8 bits

(zoom)

Image originale JPEG TC=60:1 JPEG2000 TC=60:1

IRM abdomen :512*512*16 bits

(zoom)

Image originale JPEG2000 TC=10:1 JPEG2000 TC=40:1

Compression d’images médicales


Protocoles d’évaluation subjective en imagerie médicaleProtocoles d’évaluation subjective en imagerie médicale

Généralités

- Standardisation de la procédure d’évaluation pour éviter les biais statistiques Conditions proches des conditions utilisées en routine clinique

Séances effectuées en double aveugle et sans limite de temps

- Actions non autorisées : zoom, changements de contraste et de luminosité Facteurs non reproductibles propres à l’expert pouvant biaiser l’analyse

- Ordre aléatoire de lecture des images pour réduire l’effet contextuel

- Experts : au moins 3 radiologues seniors spécialisés dans l’analyse des images évaluéesExperts motivés par le sujet de la compression

- Séance préalable d’entraînement Accord sur les critères à évaluer, l’échelle d’évaluation, les conditions de lecture

Analyse de la fidélité diagnostique

- Sélection d’un échantillon représentatif de la pathologie (30 pathologiques, 30 sains)

- Sélection des pathologies- Potentialité à présenter différents degrés de subtilité- Potentialité à être influencées par les dégradations du système de compression

Méthodologie ROC

Évaluation subjective en imagerie médicale


Analyse de la qualité de critères diagnostiquesAnalyse de la qualité de critères diagnostiques

Définition précise Critères diagnostiques à évaluer (propres à l’organe étudié) Échelle de notation (propre aux spécificités du système

d’acquisition)

Exemple en radiologie thoracique



Analyse de la qualité de critères diagnostiquesAnalyse de la qualité de critères diagnostiques

Analyse de la corrélation entre les observations

Analyse graphique de la corrélation entre

- expert1 et expert2 sur images originales Analyse inter-observateurs

- expert1T1 et expert1T2 sur images originales Analyse intra-observateur

- expert1 sur images originales et expert1 sur images compressées (TC)

Analyse de la qualité des images compressés

Comparaison des coefficients de corrélation

Coefficient de corrélation de Lin Degré d’appartenance à une droite identité

Estimation par la technique du bootstrap Distribution non gaussienne et/ou faible taille de l’échantillon



Définition de critères corrélés au MOSDéfinition de critères corrélés au MOS

HVM (Przelaskowski)

V1 : Erreur moyenne - V2 : Erreur max

V3, V4 et V5 : F1, F4 et F5 de PQS (Picture Quality Scare)

V6 : 2

Définition des i par régression linéaire

Analyse fréquentielle : FFT en coordonnées polaires

Information radiale : Mise en évidence du filtrage passe bas

Évaluation objective en imagerie médicale

6

1iiiVHVM

Analyse des filtresFréquence de coupure -0,5dB


Analyse de la modification de paramètres à sémantique cliniqueAnalyse de la modification de paramètres à sémantique clinique

Exemple sur le cœur :

Analyse de type Bland et Altman

Évaluation objective en imagerie médicale

Originale

Ondelettes

JPEG

TC = 20:1 TC = 60:1


La base de données La base de données MeDEISA

Codage d’images biomédicales

angers, le 9 juin 2014 localisation : localisation : pôle imagerie du chu dangers actions...

Documents