Lumière et Paroi Vasculaire

Nos travaux sont réalisés dans une forte collaboration avec des universités à Bogota, Colombie. Nos interlocuteurs privilégiés sont Marcela Hernández Hoyos (DEA 1998 et thèse 2002 à CREATIS) et Leonardo Flórez-Valencia (DEA 2002 et thèse 2006 à CREATIS).


Actions


 

Segmentation du complexe intima-media de la paroi de l'artère carotide en imagerie échographique

Suivi du mouvement longitudinal et radial de la paroi de l'artère carotide dans des séquences d'images échographiques

Extraction 3D de la ligne centrale d’artères, segmentation de la lumière, détection de sténoses et quantification dans les images CTA

Détection non supervisée et semi-supervisée des lésions coronaires dans des images CTA 3D


Segmentation du complexe intima-media de la paroi de l'artère carotide en imagerie échographique


Combinaison d'un banc de filtres de formes adaptées avec une recherche de chemin de coût minimal. Les variations temporelles de l'épaisseur intima-média observées chez les patients à risque étaient plus grandes que chez les volontaires sains [1].

Collaboration avec l'équipe 3.

Variations de l'épaisseur intima-média de la carotide au cours du temps, mesurée sur la base des contours extraits.

[haut de la page]


Suivi du mouvement longitudinal et radial de la paroi de l'artère carotide dans des images échographiques


Mise en correspondance de blocs guidée par un filtre de Kalman attaché à chaque pixel du bloc et utilisant un signal de contrôle qui permet de garder la trace de l’apparence initiale. L'amplitude de mouvement longitudinal estimé a été significativement réduite chez les patients à risque par rapport aux des volontaires sains [2].

Collaboration avec l'équipe 3.

Résumé de la méthode de suivi.

[haut de la page]


Extraction 3D de la ligne centrale de l’artère, segmentation de la lumière, détection de sténoses et quantification dans les images CTA


Extraction semi-automatique de la ligne centrale combinant un filtre de rehaussement ("medialness") avec une recherche de chemin de coût minimal. Segmentation automatique de lumière basée sur un modèle de Cylindre Droit Généralisé. Détection de sténose automatique et quantification en utilisant une régression de diamètre. Participation à MICCAI international challenges: Londres 2009 (carotides) et Nice 2012 (artères coronaires) [3][4].

Collaboration avec l'Universidad de los Andes et Pontificia Universidad Javeriana, Bogotá, Colombie.

Principales artères coronaires segmentées et sténoses détectées (image illustrant un résultat obtenu au challenge MICCAI 2012 fournie par les organisateurs).

[haut de la page]


Détection non supervisée et semi-supervisée des lésions coronaires dans des images CTA 3D


Approche de détection de niveau de densité en utilisant les séparateurs à vaste marge (SVM). Caractéristiques calculées dans des plans orthogonaux à l'axe de l'artère [5][6][7].

Collaboration avec l'Universidad de los Andes, Bogotá, Colombie.

Lésions coronaires détectées par la méthode semi-supervisée (LPU).

[haut de la page]


References

  1. [ZAHN-14] G. Zahnd, M. Orkisz, A. Sérusclat, P. Moulin, and D. Vray, "Simultaneous extraction of carotid artery intima-media interfaces in ultrasound images - Assessment of wall thickness temporal variation during the cardiac cycle", Int J Comput Assist Radiol Surg, vol. 9, no. 4, pp. 645-658, 10/2013, 2014 .
  2. [ZAHN-13a] G. Zahnd, M. Orkisz, A. Sérusclat, P. Moulin, and D. Vray, "Evaluation of a Kalman-based block matching method to assess the bi-dimensional motion of the carotid artery wall in B-mode ultrasound sequences", Medical Image Analysis, vol. 17, no. 5, pp. 573–585, 2013 .
  3. [KIRI-2013] H. A. Kirişli, M. Schaap, C. Metz, A. S. Dharampal, W. B. Meijboom, S. L. Papadopoulou, A. Dedic, K. Nieman, M. A. de Graaf, M. F. L. Meijs, et al., "Standardized evaluation framework for evaluating coronary artery stenoses detection, stenoses quantification and lumen segmentation algorithms in Computed Tomography Angiography", Medical Image Analysis, vol. 17, no. 8, pp. 859–876, 06/2013 .
  4. [HAME-11] K. Hameeteman, M. A. Zuluaga, M. Freiman, L. Joskowicz, O. Cuisinaire, L. Flórez-Valencia, M. A. Gülsün, K. Krissian, J. Mille, W. C. K. Wong, et al., "Evaluation Framework for Carotid Bifurcation Lumen Segmentation and Stenosis Grading", Med Image Anal, vol. 15, no. 4, pp. 477-488, August 2011 .
  5. [ZULU-11a] M. A. Zuluaga, I. E. Magnin, M. Hernández Hoyos, E. J. F. Delgado Leyton, F. Lozano, and M. Orkisz, "Automatic detection of abnormal vascular cross-sections based on Density Level Detection and Support Vector Machines", Int J Comput Assist Radiol Surg, vol. 6, no. 2, pp. 163-174, 2011 .
  6. [ZULU-11b] M. A. Zuluaga, D. Hush, E. J. F. Delgado Leyton, M. Hernández Hoyos, and M. Orkisz, "Learning from Only Positive and Unlabeled Data to Detect Lesions in Vascular CT Images", Medical Image Computing and Computer Assisted Interventions - MICCAI , vol. LNCS 6893, Part III, Toronto, Canada, Springer, Heidelberg, pp. 9-16, September, 2011 .
  7. [ZULU-10e] M. A. Zuluaga, E. J. F. Delgado Leyton, M. Hernández Hoyos, and M. Orkisz, "Feature selection for SVM-based vascular anomaly detection", MICCAI Workshop on Medical Computer Vision, vol. LNCS 6533, Beijing, China, Springer, Berlin Heidelberg, pp. 141-152, September, 2010 .