Quantification de l'aération pulmonaire dans le syndrome de détresse respiratoire aiguë (SDRA)
  • Participants

J.C. Richard, M. Orkisz

  • Collaborations nationales et internationales

Projet C15M04, programme ECOS Nord :

M. Hernández Hoyos (Universidad de los Andes, Bogotá, Colombie)

L. Flórez Valencia (Pontificia Universidad Javeriana, Bogotá, Colombie)

Projet 34852WG, PHC Polonium :

A. Fabijańska (Politechnika Łódzka, Pologne)

  • Question

Est-il possible de modifier le pronostic du SDRA en utilisant le scanner thoracique pour adapter les réglages de la ventilation mécanique au profil d’aération individuel des patients ?

  • Objectifs

Evaluer le recrutement alvéolaire et les phénomènes de recrutement-dérecrutement intracycle pour chaque réglage du ventilateur sur modèle expérimental puis sur patient. Déterminer le réglage le plus adapté pour chaque individu. Evaluer l’impact sur le pronostic d’une stratégie basée sur le scanner pour adapter les réglages de la ventilation mécanique chez le patient avec SDRA en comparaison avec un groupe contrôle.

  • Méthodologie

Segmentation d'images scanner : parenchyme [1], voies respiratoires [2], vaisseaux [3], [4]. Recalage en cascade et hybride [5] : niveaux de gris et appariement de graphes [6].

Le verrou méthodologique principal est la mise au point d’un algorithme de segmentation du poumon en temps réel (de l’ordre de 30 min à 1 h).

  • Résultats et illustrations

Sensibilité de 94,3% et précision de 92,8% dans l'appariement de graphes représentant l'arbre bronchique segmenté dans des images à différentes pressions expiratoires [6].

Figure 1. Exemple d'arbres bronchiques segmentés à des pressions expiratoires différentes, et de graphes correspondants à apparier.

Superposition (coefficient de Dice) de 96,3% en moyenne entre les résultats de segmentation automatique, obtenus par la méthode auto-atlas, et les tracés manuels de référence, avec tout de même une moins bonne superposition (81%) dans la zone la moins contrastée en SDRA : le tiers inférieur, proche du diaphragme [1].

Figure 2. Exemple de segmentation 3D de poumons obtenue par la méthode automatique (en rouge, colonnes du milieu et à droite) et manuellement, à l'aide d'un logiciel interactif (colonne de gauche), superposés aux tracés manuels 2D de référence (en vert). A noter la bonne superposition malgré l'absence de contraste.

  • Soutiens financiers

Bernard Dräger award de l’European Society of Intensive Care Medicine - ECCRN 2010 : 15000 Euros.

  • Autres publications de l'équipe

- Médicales : [7], [8], [9], [10], [11], [12], [13], [14], [15], [16], [17], [18], [19].

- En traitement d'images : [20], [21], [22], [23], [24], [25].

 


Retour OBJECTIFS


References

  1. MORA-17b. Morales Pinzón A, Orkisz M, Richard JC, Hernández Hoyos M. Lung Segmentation by Cascade Registration. IRBM. 2017 ;38:266-280.
  2. LIDA-17. Lidayová K, Gómez Betancur DA, Frimmel H, Hernández Hoyos M, Orkisz M, Smedby Ö. Airway-tree segmentation in subjects with acute respiratory distress syndrome. Dans: Scandinavian Conference on Image Analysis. Scandinavian Conference on Image Analysis. Tromsø, Norway: Springer International Publishing; 2017. p. 76-87.
  3. ORKI-14. Orkisz M, Hernández Hoyos M, Pérez Romanello V, Pérez Romanello C, Prieto JC, Revol-Muller C. Segmentation of the pulmonary vascular trees in 3D CT images using variational region-growing. IRBM. 2014 ;35:11-19.
  4. RUDY-14. Rudyanto RD, Kerkstra S, Rikxoort EM, Fetita C, Brillet P, Lefevre C, Xue W, Zhu X, Liang J, Öksüz I, et al. Comparing algorithms for automated vessel segmentation in computed tomography scans of the lung: The VESSEL12 study. Medical Image Analysis. 2014 ;18:1217-1232.
  5. GOME-16. Gómez Betancur DA, Fabijanska A, Flórez-Valencia L, Morales Pinzón A, Dávila Serrano EE, Richard JC, Orkisz M, Hernández Hoyos M. Airway segmentation, skeletonization, and tree matching to improve registration of 3D CT images with large opacities in the lungs. Dans: International Conference on Computer Vision and Graphics. International Conference on Computer Vision and Graphics. Warsaw, Poland: Springer; 2016. p. 395-407.
  6. MORA-17a. Morales Pinzón A, Hernández Hoyos M, Richard JC, Flórez-Valencia L, Orkisz M. A tree-matching algorithm: Application to airways in CT images of subjects with the acute respiratory distress syndrome. Medical Image Analysis [Internet]. 2017 ;35:101 - 115. Available from: http://www.sciencedirect.com/science/article/pii/S1361841516300986
  7. RICH-14. Richard JC, Pouzot C, Morales Pinzón A, Torres González JS, Orkisz M, Neyran B, Hernández Hoyos M, Lavenne F, Guérin C. Reliability of the nitrogen washout-washin technique to assess end-expiratory lung volume at variable PEEP and tidal volumes. Intensive Care Medicine Experimental. 2014 ;2.
  8. GIRA-14. P. R. Girard, Clarysse P, Pujol R, Wang L, Delachartre P. Biquaternion Clifford Algebra and Grassmann Differential Geometry. Dans: 8th International Conference, Curves and Surfaces. 8th International Conference, Curves and Surfaces. Paris, France: Springer; 2014. p. 216-242.
  9. HERN-13. Hernu R, Wallet F, Lepape A, Martin O, Richard JC, Schmidt Z, Delannoy B, Démaret C, Rimmelé T, Magnin C, et al. Prevalence and mortality of ARDS using the Berlin definition. A multicenter prospective epidemiological study in an university hospital. Dans: European Society of Intensive Care Medicine. Vol. 39. Intensive Care Medicine. European Society of Intensive Care Medicine. Paris; 2013. p. S211.
  10. POUZ-13. Pouzot C, Richard JC, Gros A, Costes N, Lavenne F, Le Bars D, Guérin C. Noninvasive Quantitative Assessment of Pulmonary Blood Flow with 18F-FDG PET. Journal of nuclear medicine. 2013 ;54(9):1653-60.
  11. WALL-13. Wallon G, Bonnet A, Guérin C. Delivery of tidal volume from four anaesthesia ventilators during volume-controlled ventilation: a bench study. British journal of anaesthesia. 2013 ;110(6):1045-51.
  12. RICH-13. Richy J, Friboulet D, Bernard A, Bernard O, Liebgott H. Blood Velocity Estimation Using Compressive Sensing. IEEE Transactions on Medical Imaging. 2013 ;32:1979-1988.
  13. GUER-13b. Guérin C, Reignier J, Richard JC, Beuret P, Gacouin A, Boulain T, Mercier E, Badet M, Mercat A, Baudin O, et al. Prone Positioning in Severe Acute Respiratory Distress Syndrome. New England Journal of Medicine [Internet]. 2013 ;368:2159-2168. Available from: http://www.nejm.org/doi/full/10.1056/NEJMoa1214103
  14. GUER-13a. Guérin C, Reignier J, Richard JC. Prone Positioning in the Acute Respiratory Distress Syndrome. New England Journal of Medicine [Internet]. 2013 ;369:979-981. Available from: http://www.nejm.org/doi/full/10.1056/NEJMc1308895
  15. RICH-13e. Richard JC, Pouzot C, Morales Pinzón A, Torres González JS, Ortega DC, Orkisz M, Neyran B, Lavenne F, Guérin C. Assessment of trending ability of the nitrogen washout-washin technique to detect change in end-expiratory lung volume. Dans: European Society of Intensive Care Medicine. Vol. 39. Intensive Care Medicine. European Society of Intensive Care Medicine. Paris; 2013. p. S495.
  16. RICH-13d. Richard JC, Pouzot C, Morales Pinzón A, Torres González JS, Ortega DC, Orkisz M, Neyran B, Lavenne F, Guérin C. Viscoelastic parameters of the respiratory system and tidal recruitment. A lung CT investigation in experimental Acute Respiratory Distress Syndrome. Dans: European Society of Intensive Care Medicine. Vol. 39. Intensive Care Medicine. European Society of Intensive Care Medicine. Paris; 2013. p. S495.
  17. RICH-13c. Richard JC, Pouzot C, Morales Pinzón A, Torres González JS, Ortega DC, Orkisz M, Neyran B, Lavenne F, Guérin C. Validation of alveolar recruitment assessed by the nitrogen washout/washin technique using computed tomography as gold standard. Dans: European Society of Intensive Care Medicine. Vol. 39. Intensive Care Medicine. European Society of Intensive Care Medicine. Paris; 2013. p. S493.
  18. RICH-13b. Richard JC, Pouzot C, Morales Pinzón A, Torres González JS, Ortega DC, Orkisz M, Neyran B, Lavenne F, Guérin C. The significance of viscoelastic parameters in experimental Acute Respiratory Distress Syndrome. A lung CT study. Dans: European Society of Intensive Care Medicine. Vol. 39. Intensive Care Medicine. European Society of Intensive Care Medicine. Paris; 2013. p. S494.
  19. RICH-13a. Richard JC, Pouzot C, Morales Pinzón A, Torres González JS, Ortega DC, Orkisz M, Neyran B, Lavenne F, Guérin C. Effects of PEEP and tidal volume on the reliability of end-expiratory volume measurement with the nitrogen washout/washin technique. Dans: European Society of Intensive Care Medicine. Vol. 39. Intensive Care Medicine. European Society of Intensive Care Medicine. Paris; 2013. p. S307.
  20. MORA-16b. Morales Pinzón A, Gómez Betancur DA, Solórzano Vargas LE, Richard JC, Orkisz M, Hernández Hoyos M. A novel hybrid registration method: Application to lung segmentation in CT images of subjects with ARDS. Dans: Octavo Seminario de Ingeniería Biomédica. Octavo Seminario de Ingeniería Biomédica. Bogotá, Colombia: Universidad de los Andes; 2016.
  21. SOLO-16. Solórzano Vargas LE, Morales Pinzón A, Richard JC, Orkisz M, Hernández Hoyos M. Localized visualization and quantification of pulmonary parenchyma properties in CT scans in presence of Acute Respiratory Distress Syndrome (ARDS). Dans: Octavo Seminario de Ingeniería Biomédica. Octavo Seminario de Ingeniería Biomédica. Bogotá, Colombia: Universidad de los Andes; 2016.
  22. FLOR-15. Flórez-Valencia L, Morales Pinzón A, Richard JC, Hernández Hoyos M, Orkisz M. Simultaneous skeletonization and graph description of airway trees in 3D CT images. Dans: GRETSI. GRETSI. Lyon, France; 2015.
  23. MORA-14c. Morales Pinzón A, Orkisz M, Richard JC, Guérin C, Hernández Hoyos M. Lung segmentation in 3D CT Images of Induced Acute Respiratory Distress Syndrome. Dans: MICCAI NCIGT and NIH Image Guided Therapy Workshop. MICCAI NCIGT and NIH Image Guided Therapy Workshop. Boston, USA; 2014. p. 51.
  24. MORA-14b. Morales Pinzón A, Orkisz M, Richard JC, Hernández Hoyos M. Lung segmentation in 3D CT images from induced Acute Respiratory Distress Syndrome. Dans: IEEE International Symposium on Biomedical Imaging - ISBI. IEEE International Symposium on Biomedical Imaging - ISBI. Beijing, China; 2014.
  25. MORA-14a. Morales Pinzón A, Hernández Hoyos M, Richard JC, Torres González JS, Orkisz M. Quantification of aeration in 3D CT images from induced acute respiratory distress syndrome. Dans: Seminario Internacional de Ingeniería Biomédica. Seminario Internacional de Ingeniería Biomédica. Bogotá, Colombie; 2014.