comme sur la base E1, la qualité visuelle issue de la méthode proposée dans ce chapitre apparaît légèrement supérieure à celle de SPIHT 3D (principalement pour l’évaluation locale des quatre coupes de référence). Enfin, soulignons que ce travail constitue une étude préliminaire qui va se prolonger en évaluant des cas supplémentaires afin de proposer une étude statistique détaillée (res-semblante à celle proposée dans le chapitre 3). De plus, nous avons vocation à utiliser d’autres critères d’évaluation. A ce sujet, une étude des effets de la compression sur la volumétrie (très utile en radiothérapie) dans les scanners ORL ainsi que sur des mesures anatomiques classiques pour cette modalité est en cours.
2.7 Conclusion et perspectives
Ce chapitre a proposé un nouveau schéma de compression avec pertes dédiés aux piles d’images médicales (scanner, IRM). la première étape du schéma s’appuie sur la transformée décoréllante reconnue comme la plus performante pour ce type de source : la transformée en ondelettes 3D (TO3D). La seconde étape correspondant à la quantification utilise une approche par blocs à tra-vers une quantification vectorielle algébrique sur le réseauZn auquel on associe la norme L1 et une zone morte vectorielle. Nous avons montré que pour ce type de quantificateur, une découpe des vecteurs avantageuse suit une orientation cubique (2× 2 × 2) pour capturer le phénomène d’agglu-tinement des coefficients d’ondelettes significatifs et inversement pour augmenter la concentration de vecteurs de faible norme. Ainsi, un nouveau quantificateur a été proposé pour exploiter cette concentration de vecteurs de faible énergie. Il constitue l’apport majeur de ce schéma de compression et s’appuie sur une zone morte vectorielle qui correspond à la cellule de Voronoï d’origine dilatée et modifiée permettant d’améliorer le compromis débit-distorsion. Pour les images médicales volumiques, le gain obtenu par le seuillage des grandes zones non significatives dans le domaine des ondelettes permet de mieux coder les structures importantes des images. Cependant, cette zone morte constitue un paramètre supplémentaire à régler dans le processus d’allocation de débits. Pour éviter d’augmenter la complexité, ce qui est capital en imagerie mé-dicale, nous avons proposé un algorithme rapide de recherche de la zone morte quasi optimale qui se limite aux tests de quelques valeurs seulement. Ainsi, cet algorithme permet de limiter l’appel aux données au sein de la minimisation lagrangienne sous contrainte d’égalité qui est utilisée pour notre allocation de débits.
La méthode proposée : la QVAZM 3D donne des résultats numériques et visuels très encou-rageants. Sur des scanners et IRMs de différentes parties du corps (base E1), à bas débit, notre méthode s’avère supérieure numériquement aux principales méthodes de référence présentées dans le chapitre 1. Par ailleurs, elle présente une meilleure qualité visuelle que l’un des codeurs de ré-férence pour ce type d’images : SPIHT 3D. De plus, une étude pour évaluer la compression avec pertes de notre méthode a été mise en place avec deux spécialistes du scanner ORL (un radiologue et un radiothérapeute). Les scanners ORL comprimés jusqu’à un taux de compression de 16 : 1 sont jugés localement et globalement de très bonne qualité et apparaissent compatibles avec la pratique clinique classique pour les deux médecins. Le radiothérapeute repousse lui cette limite d’accepta-bilité de la compression jusqu’à un taux de compression de 24 : 1. Par ailleurs, comme sur la base E1, la qualité visuelle de la méthode proposée dans ce chapitre apparaît légèrement supérieure à SPIHT 3D.
Les perspectives de cette méthode sont nombreuses. Premièrement, la troisième étape de notre chaîne de compression correspondant au codage des index consiste en une estimation du débit entropique pour la norme et un débit binaire fixe pour la position. Proposer un codeur par plages qui possède une entropie inférieure à l’entropie ordre zéro peut permettre de réduire encore le débit. Deuxièmement, pour une méthode comme celle proposée ici, n’utilisant pas une approche par plans de bits successifs, les 12 bits de dynamiques peuvent s’avérer être un lourd handicap. En effet,
72 l’imagerie radiologique la TO 3D produit des coefficients d’ondelettes de plus grandes valeurs que sur des images codées sur 8 bits. Ainsi, certains vecteurs possèdent une norme très élevée entrainant un indexage de ces vecteurs sur des couches très peuplées qui peut s’avérer problématique en terme de complexité et de représentation des nombres. Proposer des solutions d’indexage pour ce verrou technologique est également une perspective intéressante. Troisièmement, le codage sans perte n’a pas été exploré dans ce manuscrit. Adapter notre méthode pour ajouter la fonctionnalité de compression sans perte est en cours. Cela consiste en une première partie identique à celle présentée dans ce chapitre suivie par un codage de l’erreur dans le domaine de l’image pour obtenir l’image originale. Enfin, nous avons vocation à expérimenter la QVAZM 3D sur d’autres modalités et à mettre en place de nouvelles procédures d’évaluations pour valider notre méthode.
TC NC 12 : 1 16 : 1 24 : 1 32 : 1 Coupes Q S Q S Q S Q S C1 5 3,75 3,75 3 2,75 3,5 2,75 2 1,25 C2 5 4 4 4 3,5 2,5 2,5 2,25 1,25 C3 5 4 3,75 4 3,75 3 2,75 2,25 1,75 C4 5 3,75 4 3,5 3,75 2,75 3 2,5 1,75
Moyenne des 4 coupes 5 3,88 3,88 3,63 3,44 2,94 2,75 2,25 1,5
Tab. 2.6: Notation de la qualité locale des quatre coupes de références par le radiologue. Pour chaque coupe Ci, moyenne de la note sur les quatre patients de E3 en fonction du taux de com-pression et de la méthode - Méthode Q : QVAZM 3D - Méthode S : SPIHT 3D
TC NC 12 : 1 16 : 1 24 : 1 32 : 1 Coupes Q S Q S Q S Q S C1 4,75 4,75 4,75 4 3,75 4,25 4 4,25 2,75 C2 4,5 4,5 4,5 4 4,25 4,75 4,25 3 3,25 C3 4,5 4,75 4 4,5 4 4 4 2,75 2,75 C4 4,75 4,5 4 4,5 4,5 4 4,25 3,5 3,5
Moyenne des 4 coupes 4,63 4,63 4,31 4,25 4,13 4,25 4,13 3,38 3,06
Tab. 2.7: Notation de la qualité locale des quatre coupes de références par le radiothérapeute. Pour chaque coupe Ci, moyenne de la note sur les quatre patients de E3 en fonction du taux de compression et de la méthode - Méthode Q : QVAZM 3D - Méthode S : SPIHT 3D
TC NC 12 : 1 16 : 1 24 : 1 32 : 1
Pile d’images (cas) Q S Q S Q S Q S
A 5 5 4 4 4 2 2 2 1
B 5 4 4 3 3 2 2 1 1
C 5 5 5 5 5 5 1 1 1
D 5 5 4 3 3 2 2 1 1
Moyenne des 4 piles 5 4,75 4,25 3,75 3,75 2,75 1,75 1,25 1
Tab. 2.8: Notation par le radiologue de la qualité globale des quatre piles d’images de E3 en fonction du taux de compression et de la méthode - Méthode Q : QVAZM 3D - Méthode S : SPIHT 3D
2.7 Conclusion et perspectives 73
TC NC 12 : 1 16 : 1 24 : 1 32 : 1
Pile d’images (cas) Q S Q S Q S Q S
A 3 4 4 4 4 3 3 2 1
B 4 5 4 3 4 4 3 2 2
C 4 3 3 4 4 4 4 3 3
D 4 4 3 4 3 4 5 3 2
Moyenne des 4 piles 3,75 4 3,75 3,75 3,75 3,75 3,75 2,5 2
Tab. 2.9: Notation par le radiothérapeute de la qualité globale des quatre piles d’images de E3 en fonction du taux de compression et de la méthode - Méthode Q : QVAZM 3D - Méthode S : SPIHT 3D
Fig. 2.19: Zoom de la coupe 60 décodée de CT1 - débit total de 0,1 bit/voxel pour les 128 coupes globales de CT1 - Dans le sens des aiguilles d’une montre en partant de l’image en haut : coupe originale, SPIHT 3D, QVAZM 3D.
74 l’imagerie radiologique
Fig. 2.20: Coupe 30 originale de CT1.
Fig. 2.21: Coupe 30 de CT1 codée avec la méthode QVAZM 3D - débit total de 0,2 bit/voxel pour les 128 coupes.
2.7 Conclusion et perspectives 75
Fig. 2.22: Coupe 30 de CT1 codée avec la méthode SPIHT 3D - débit total de 0,2 bit/voxel pour les 128 coupes.
76 l’imagerie radiologique
Fig. 2.24: Coupe 60 de CT1 codée avec la méthode QVAZM 3D - débit total de 0,1 bit/voxel pour les 128 coupes.
Fig. 2.25: Coupe 60 de CT1 codée avec la méthode SPIHT 3D - débit total de 0,1 bit/voxel pour les 128 coupes.
2.7 Conclusion et perspectives 77
Fig. 2.26: Coupe 60 de CT1 codée avec la méthode QVAZM 3D - débit total de 0,5 bit/voxel pour les 128 coupes.
Fig. 2.27: Coupe 60 de CT1 codée avec la méthode SPIHT 3D - débit total de 0,5 bit/voxel pour les 128 coupes.
78 l’imagerie radiologique
Fig. 2.28: Coupe 15 originale de MR2.
Fig. 2.29: Coupe 15 de MR2 codée avec la méthode QVAZM 3D - débit total de 0,1 bit/voxel pour les 48 coupes.
2.7 Conclusion et perspectives 79
Fig. 2.30: Coupe 15 de MR2 codée avec la méthode SPIHT 3D - débit total de 0,1 bit/voxel pour les 48 coupes.
Fig. 2.31: Coupe 15 de MR2 codée avec la méthode QVAZM 3D - débit total de 0,5 bit/voxel pour les 48 coupes.
80 l’imagerie radiologique
Fig. 2.32: Coupe 15 de MR2 codée avec la méthode SPIHT 3D - débit total de 0,5 bit/voxel pour les 48 coupes.
2.7 Conclusion et perspectives 81
Fig. 2.34: Coupe C1 de la pile d’images A codée avec la méthode QVAZM 3D - TC = 32 : 1 pour les 96 coupes de A. nrad = 1/5- nthp= 5/5.
Fig. 2.35: Coupe C1 de la pile d’images A codée avec la méthode SPIHT 3D - TC = 32 : 1 pour les 96 coupes de A. nrad = 1/5- nthp= 3/5.
82 l’imagerie radiologique
Fig. 2.36: Coupe C2 originale de la pile d’images B. nrad = 5/5- nthp= 5/5.
Fig. 2.37: Coupe C2 de la pile d’images B codée avec la méthode QVAZM 3D - TC = 16 : 1 pour les 96 coupes de B. nrad = 4/5- nthp = 4/5.
2.7 Conclusion et perspectives 83
Fig. 2.38: Coupe C2 de la pile d’images B codée avec la méthode SPIHT 3D - TC = 16 : 1 pour les 96 coupes de B. nrad = 3/5- nthp = 4/5.
84 l’imagerie radiologique
Fig. 2.40: Coupe C4 de la pile d’images C codée avec la méthode QVAZM 3D - TC = 24 : 1 pour les 96 coupes de C. nrad= 4/5- nthp = 5/5.
Fig. 2.41: Coupe C4 de la pile d’images C codée avec la méthode SPIHT 3D - TC = 24 : 1 pour les 96 coupes de C. nrad= 4/5- nthp = 5/5.
Chapitre 3
Evaluation des effets de la
compression sur un outil d’aide à la
décision pour les images médicales
3.1 Introduction
Le premier chapitre de ce mémoire a présenté plusieurs méthodes de compression avec pertes pour les images médicales 3D volumiques. Le suivant a proposé une méthode 3D originale pour la compression de ce type d’images. Les performances de ces méthodes ont été évaluées numérique-ment à travers le PSNR et visuellenumérique-ment à travers l’appréciation conjointe d’un radiologue et d’un radiothérapeute. Les résultats de cette étude originale d’évaluation nous a apporté une première indication sur la faisabilité de l’utilisation de la compression avec pertes pour les scanners ORL 3D à des taux de compression raisonnables. Par exemple, pour des taux de compression de 12 : 1, les images compressées sont jugées d’un niveau visuel équivalent voire supérieur aux images originales. Cela constitue un résultat pour un type de modalité lié à un organe particulier. Néanmoins, à notre connaissance, très peu d’études ont été réalisées sur les effets de la compression avec pertes pour les images médicales. Les seules études ([24], [44],[28]) assez anciennes que nous avons citées au chapitre 1 portaient sur des méthodes de compression à deux dimension. Ainsi l’évaluation des effets de la compression 3D sur les images médicales et sur les traitements d’images couramment utilisés dans le domaine médical demeure un problème ouvert.
Dans ce chapitre nous proposons d’évaluer les effets d’un algorithme de compression 3D [92], en l’occurrence SPIHT 3D [57], sur un outil d’aide à la décision ou CAD1 2. Ce CAD permet la détection des nodules solides de poumons et les mesures de leur volumétrie. L’étude porte principalement sur les effets de la compression sur la détection des nodules pulmonaires [90], [92]. Quelques résultats sur la volumétrie [91] sont également présentés à la fin du chapitre. Le type de modalité lié à cette étude est le scanner de type MDCT3. Dans ce type de scanner, un tableau à deux dimensions d’éléments du détecteur remplace le vecteur d’éléments utilisé dans le scanner conventionnel. Ce tableau 2D permet au scanner d’acquérir des coupes multiples simultanément, de fournir des données haute résolution proche de l’isotropie et d’augmenter considérablement la vitesse d’acquisition. Dans le cadre des images MDCT de notre étude, les données haute résolution permettent d’augmenter la résolution de l’arbre broncho-vasculaire et d’afficher des nodules de poumons de très petite taille. Cependant, cette précision anatomique entraîne une expansion des
1
Computer Aided Decision
2Ce travail a été réalisé en collaboration avec Philippe Raffy de la société R2Tech basée en Californie (http ://www.r2tech.com/main/home/index.php).
86 images médicales volumes de données. Par ailleurs, le nombre de coupes fines à examiner et à stocker est constamment en augmentation (évaluation des nodules initiaux, examens complémentaires), accroissant le risque de rater la détection d’un nodule. Pour s’affranchir de ce risque, de nombreuses méthodes de CAD ont été développées pour la détection automatique des nodules pulmonaires dans les scanners. Ces systèmes ont également été créés afin de réduire la variabilité inter-observateur [4], [55]. Cependant, pour devenir des outils cliniques courants, les systèmes CAD doivent être intégrés dans les PACS des hôpitaux. Etant donné que ces systèmes requièrent un très grand nombre de coupes fines, une solution efficace est indispensable pour manipuler ces données 3D sans surcharger les réseaux de PACS. Dans ce contexte, on mesure l’intérêt d’évaluer la tolérance du CAD à la compression. L’influence des paramètres du scanner telle que la dose de radiation sur la performance de détection par des radiologues a déjà été étudiée [68]. D’autres études ont évalué la précision de la détection par un CAD pulmonaire en fonction de la dose de radiation et du filtre de reconstruction [3],[77]. Cependant, à notre connaissance, l’étude de performance de détection du CAD sur les données compressées avec pertes n’a pas été explorée.
Dans ce chapitre, nous commençons par présenter les matériels et méthodes utilisés pour l’étude. La deuxième partie est consacrée aux résultats suivie par les interprétations et les limitations. Nous terminons le chapitre en décrivant brièvement les premiers résultats sur les effets de la compression 3D sur la volumétrie. Enfin, notons que si ce chapitre est conjointement destiné à la communauté de la radiologie et à celle du traitement du signal, il comporte un grand nombre de termes médicaux dont les définitions ne sont pas intégralement détaillées. Nous nous en excusons par avance auprès des lecteurs non familiers au domaine médical.