Quantification de mouvement et mise en correspondance de données

  • Participants

P. Clarysse, N. Duchateau, M. Sigovan (eq. 1), P. Delachartre (eq. 3)

  • Collaborations nationales et internationales

Wanyu LIU, METISLAB (Chine)

  • Question soulevée

Comment quantifier avec précision et analyser le mouvement dans des séquences d’imagerie dynamique cardiovasculaire ? Comment permettre la comparaison de résultats entre individus ou pour le suivi longitudinal d’un individu?

  • Objectif

Développer ou adapter des méthodes pour quantifier avec la meilleure précision le mouvement et les déformations de structures dans des séquences d’images ou mettre en correspondance des images ou des modèles à des fins de comparaison entre individus ou de suivi longitudinal d’un même individu. Ces méthodes sont appliquées en particulier à l’estimation et l’analyse comparée du mouvement des structures en imagerie dynamique cardiovasculaire.

  • Méthode
  1. Quantification du mouvement dans des séquences d’images. Nos approches sont basées sur le concept de signal analytique 2D et des informations de phase spatiale qui en découlent. Dans [WANG-15a], le déplacement 2D sub-pixelique est déduit de ces phases intégrées dans un modèle local bilinéaire. Par ailleurs, une méthode initialement développée pour le suivi de mouvement dans des séquences d’images en couleur a été adaptée en intégrant les mesures de phase, d’orientation et d’amplitude locales caractérisant un signal monogène 2D [Gao-16]. Une approche plus conventionnelle favorisant l'invariance de l'amplitude et du motif local d'intensité a conduit à de bons résultats à la fois sur des séquences cardiaques en IRM marquée et en Ciné-IRM, ces dernières étant intégrées au protocole clinique standard [Wang-19].
  2. Mise en correspondance de données inter- et intra-individus. Nous distinguons deux stratégies : si une segmentation paramétrée est disponible pour chaque sujet/échantillon, la mise en correspondance est basée sur un système de coordonnées locales associé à un schéma d’interpolation [RUMI-17]. Dans le cas contraire, nous mettons en œuvre un recalage entre images ou modèles. Les descripteurs de la fonction cardiaque définis localement pour chaque individu sont transportés vers l’anatomie de référence via cette mise en correspondance, par interpolation (pour les données scalaires) éventuellement accompagnée d’une réorientation (pour les données vectorielles et tensorielles) [DUCH-11].
  • Résultats et illustrations

La  Figure 1 illustre la quantification du mouvement et de la déformation radiaire en IRM cardiaque ciné, utilisée dans la routine clinique, et marquée sur un patient. Les deux approches montrent bien une activité contractile réduite dans les secteurs IL, I et IS où a été localisée la pathologie, avec des profils un peu différents mais des valeurs sectorielles concordantes. Ceci permet d’envisager de se baser sur des séquences IRM cliniques conventionnelles pour la quantification régionale de la fonction cardiaque.

Figure 1. Quantification du mouvement et de déformations en IRM cardiaque. Plans de coupe en petit axe du cœur en IRM ciné (a) et marquée (b) d’un patient ischémique (fin de diastole). (c-d) trajectoire de points suivis au cours du cycle cardiaque obtenus avec les méthodes introduites dans [Gao-16] pour l’IRM ciné (c) et dans [WANG-15a] pour l’IRM marquée. (e-f) cartographies de la déformation radiaire en fin de systole.  La moyenne et l’écart-type par secteur sont indiqués (les secteurs identifiés comme pathologiques sont marqués en rouge).

  • Soutiens financiers

Les travaux sont menés dans le contexte du laboratoire International Associé METISLAB localisé à Harbin en Chine.

  • Références bibliographiques

- Journaux:

[Wang-19]    L. Wang, P. Clarysse, Z. Liu, B. Gao, W. Liu, P. Croisille, and P. Delachartre, "A gradient-based optical-flow cardiac motion estimation method for cine and tagged MR images," Med Image Anal, vol. 57, pp. 136-148, 2019.

[Gao-16] B. Gao, Liu, W., Wang, L., Liu, Z., Croisille, P., Delachartre, P., et Clarysse, P., « Estimation of Cardiac Motion in Cine-MRI Sequences by Correlation Transform Optical Flow of Monogenic Features Distance », Physics in Medicine and Biology, vol. 61, p. 8640-8663, 2016.

[WANG-15a] L. Wang, Basarab, A., Girard, P. R., Croisille, P., Clarysse, P., et Delachartre, P., « Analytic signal phase-based myocardial motion estimation in tagged MRI sequences by a bilinear model and motion compensation », Medical Image Analysis, vol. 24, p. 149-162, 2015.

[DUCH-11]         N. Duchateau, M. De Craene, G. Piella, E. Silva, A. Doltra, M. Sitges, et al., "A spatiotemporal statistical atlas of motion for the quantification of abnormal myocardial tissue velocities," Medical Image Analysis, vol. 15, pp. 316-328, 2011.

- Conférences:

[RUMI-17] G. K. Rumindo, N. Duchateau, P. Croisille, J. Ohayon, and P. Clarysse, "Strain-Based Parameters for Infarct Localization: Evaluation via a Learning Algorithm on a Synthetic Database of Pathological Hearts," in Functional Imaging and Modeling of the Heart (FIMH), Toronto, Canada, 2017, p. accepted.

  • PI (Propriété intellectuelle)

Un brevet Français a été déposé sur l’approche basée sur le concept de signal analytique 2D et un chinois sur un estimateur basé sur la différentielle d'ordre fractionnaire:

[Dela-13] P. Delachartre, Basarab A., Clarysse, P., et Croisille, P., « Procédé d'estimation du mouvement dans une séquence d'images dynamiques », 2013.

[Liu-14] Liu Wanyu, Gao Bin, Kuai Zixiang, Clarysse Patrick « Movie nuclear magnetic resonance image sequence motion field estimation method based on fractional order differential », Cn Patent 103927725 - 16.07.2014.

 

Retour OBJECTIFS