3.2.1 Lecture des images
En pratique, les IRM sont fournies sous la forme d’un ensemble d’images 2D
qui, mises dans la bonne géométrie, vont former une image tridimensionnelle.
Pour assembler ces différentes images, un ensemble de paramètres est disponible
pour chaque coupe suivant une norme, la norme DICOM. Dans notre cas, ces
paramètres nous sont donnés dans un ensemble de fichiers, les en-têtes DICOM.
L’interprétation de ces paramètres n’est pas aisée : l’information y est redondante
et pas toujours cohérente. Certains champs sont véritablement importants pour
la reconstruction de l’image, c’est-à-dire le placement des coupes dans la bonne
géométrie ; d’autres permettent d’obtenir des informations cliniques sur le patient
ou le protocole d’acquisition lui-même. L’examen de l’annexe C de la partie 3
de la documentation générale sur DICOM permet d’en savoir un peu plus sur la
définition des différents champs
2.
Pour reconstruire l’image tri-dimensionnelle à partir des différentes coupes
2D, il nous faut insérer le repère 2D de chaque coupe dans le repère 3D de
l’ima-geur. L’orientation du repère 2D, la position de son origine, ainsi que la taille
des voxels et l’épaisseur des coupes sont donc nécessaires. Ces 4 paramètres sont
donnés par 4 champs DICOM : Pixel Spacing, Image Orientation (Patient), Image
Position (Patient), et Slice Thickness, et permettent de calculer la taille du voxel
lors de l’acquisition (figure 3.3). Ces voxels représentent les volumes unitaires
dans lesquels le signal IRM est calculé.
– Image Position (Patient) donne la position, dans le repère IRM, de l’origine
du repère de la coupe 2D.
– Image Orientation (Patient) donne, dans le repère IRM, les 2 vecteurs du
repère de la coupe 2D.
– Pixel Spacing donne, dans le repère IRM, la taille des deux vecteurs du
repère de la coupe 2D.
– Slice Thickness donne l’épaisseur de la coupe, ce qui permet de voir si les
coupes sont jointives ou non.
3.2.2 Reconstruction des images
Avant toute reconstruction, il faut tout d’abord s’assurer que les coupes sont
bien jointives. Pour des raisons économiques, les IRM sont parfois fournies sous
2
La documentation complète est téléchargeable à l´adresse suivante :
Vx Vy Repère IRM Image Position Image Orientation axe
Z
Pixel Spacing (Vx)Pixel Spacing (Vy)
Slice Thickness N
FIG. 3.3 – La reconstruction des IRM doit se faire avec précaution. Les coupes
ne sont pas obligatoirement jointives, et rien de garantit que l’axe de progression
de l’origine du repère 2D – −−→
Z
axe– soit perpendiculaire au plan de coupe. Dans
tous les cas, les voxels issus de l’acquisition coupe à coupe (à gauche) ne seront
pas automatiquement les mêmes que ceux de l’image finale qui sera traitée par le
système (à droite).
forme de coupes fines (épaisseur de l’ordre du millimètre) mais non jointives, ce
qui assure des images de bonne qualité, mais plus difficilement compatibles avec
une exploitation tri-dimensionnelle, puisque des données sont manquantes pour
reconstituer le volume. Il faut donc faire attention que l’épaisseur des coupes soit
compatible avec la distance inter-coupe.
Pour insérer proprement une coupe dans le repère IRM, il suffit de placer le
repère de la coupe 2D dans un repère fixe à l’aide des coordonnées ci-dessus, et
de construire un volume de coupe d’épaisseur donnée par Slice Thickness (figure
3.3). Parfois, l’axe de progression de l’origine du repère 2D ne suit pas la direction
donnée par la normale au plan de chaque coupe : il faut alors rééchantillonner les
images 2D pour construire un volume 3D. Dans notre protocole d’acquisition, les
séquences dérivées du T2 – T2, densité de protons, T2 FLAIR – sont
particuliè-rement touchées par ce phénomène, l’angle (−→N ,−−−→Z
AXE)peut atteindre 3 degrés.
Ce rééchantillonnage est pourtant dommageable, car il crée des effets de volume
partiel supplémentaires.
La solution choisie est de faire comme si ce rééchantillonnage n’était pas
né-cessaire, tout en conservant une matrice de transformation applicable à l’image
en cas de besoin (figure 3.4). Le détail du calcul de cette matrice est donné en
+ M
OU
FIG. 3.4 – Un rééchantillonnage des coupes (figure de gauche) va rajouter des
problèmes de volumes partiels. Une solution consiste à faire comme si le repère
image était orthogonal et à garder une matrice de transformation affine (figure de
droite) que l’on utilise, par exemple, pour recaler les différentes séquences entre
elles.
annexe de ce manuscrit (chapitre 9). Ainsi, pour tous les traitements – comme
l’algorithme EM présenté ci-après – qui ne portent que sur une seule séquence,
les images avant rééchantillonnage sont préférées ; par contre, pour le recalage
des différentes séquences, les images reconstruites – après rééchantillonnage –
sont utilisées.
3.2.3 Protocole d’acquisition
La base de données d’images utilisée dans le cadre de cette étude a été réalisée
au CHU Pasteur (Nice). Elle porte sur 34 patients et 9 témoins, pour un total de
83 acquisitions. Chacune de ces dernières suit le protocole d’acquisition suivant :
– T1 3D (TE=1.7, TR=8, FA=20, taille des voxels : 1.016*1.016*0.8 mm
3).
Sa résolution étant la meilleure de toutes les séquences, il sera utilisé pour
une étude du LCR, très sujet aux volumes partiels.
– T2/DP FSE (TE=8/100, TR=5000, ETL=16, taille des voxels 0.937, 0.937,
2 mm
3). Cette séquence fournit deux images recalées de manière
intrin-sèque. Fondamentale pour l’étude de la SEP, elle sera utilisée pour la
seg-mentation en tissus ainsi que pour raffiner le contourage des lésions.
– T2 FLAIR (TE=150, TR=10000, TI=2200, taille des voxels 0.937*0.937*4
particulière-ment visibles, le T2 FLAIR est indispensable à la détection des lésions de
SEP, dont le contraste est excellent sur cette séquence. Il fournit cependant
une sur-segmentation des lésions et ne peut être utilisé seul pour la sclérose
en plaques.
Dans le document
Segmentation d'IRM cérébrales multi-séquences et application à la sclérose en plaques
(Page 31-35)