Détection et suivi de la sonde VD

Dans cette section, nous traitons de la méthode de détection et de suivi de la sonde sur les séquences rayon-X. Les motivations de ce travail sont présentées dans la section 5.3.2.a, suivies de la méthode proposée dans la section 5.3.2.b. Enfin, les résultats de cette méthode sont présentés dans la section 5.3.2.c.

5.3.2.a Motivations

L’objectif final est ici de recaler le modèle issu de la phase de planification et la séquence rayon-X acquise durant la procédure. Le modèle constitue le volume de travail pour le recalage. Nous avons besoin de lui associer une image cible.

Chapitre 5 – Assistance peropératoire de la thérapie de resynchronisation cardiaque

L’anatomie du modèle multimodal est définie à partir d’une phase spécifique du cycle cardiaque de la séquence CT (annexe D.1.4). Bien que les conditions du patient soient différentes durant l’acquisition du volume CT en préopératoire et durant la procédure de CRT, nous faisons ici l’approximation que les phases du cycle cardiaque dans le CT préopératoire et dans la séquence rayon-X se correspondent en matière de volume du cœur. Autrement dit, nous considérons que le volume du cœur est identique à n% du cycle cardiaque en préopératoire et à n% du cycle en peropératoire. Dans les faits, il a été montré que la phase du cœur à laquelle se produit la systole dans le cycle cardiaque n’est pas une constante de la fréquence cardiaque [Chung et al. 2004]. Nous justifions cette approximation par le fait que la procédure et l’examen préopératoire sont effectués dans des conditions de repos, avec des rythmes cardiaques supposés proches.

Dans les travaux menés, seule la séquence rayon-X a été considérée dans le bloc opératoire. L’évaluation de la phase cardiaque issue de l’ECG n’est donc pas une information accessible dans ces travaux. Les tissus mous présentent un contraste faible dans les séquences rayon-X, l’évaluation de la phase cardiaque à partir des mouvements du myocarde est donc un problème difficile à résoudre.

Cependant, les objets métalliques affichent un excellent contraste sur cette modalité. Dans le déroulé de la procédure, les sondes de l’OD et du VD sont implantées avant celle du VG. On peut donc se servir de ces dernières pour évaluer les déplacements locaux des tissus dans lesquels elles sont implantées. Ces sondes fournissent un repère anatomique pour chaque image issue de la séquence rayon-X. Leurs déplacements au cours de la séquence fournissent une estimation de la dynamique cardiaque, présentée dans la section suivante.

Les séquences rayon-X acquises durant la pose de la sonde VG sont centrées sur ce dernier. La sonde OD est donc soit en bordure de l’image, soit en est absente. Ainsi, il a été choisi de se concentrer sur la sonde VD uniquement.

5.3.2.b Méthode

La figure 5.4 présente l’algorithme proposé ici. La méthode est constituée de deux étapes principales. La première permet de détecter dans l’image la position de la sonde VD. La seconde est utilisée en cas d’échec de la première, en déduisant la position de la sonde VD dans l’image à l’aide de la dernière position connue de la sonde et d’une méthode de suivi.

Détection de la sonde VD Dans la littérature, différentes méthodes ont été proposées pour la détection et le suivi de cathéters en cardiologie interventionnelle. Une première approche proposée est d’utiliser une matrice Hessienne pour détecter des points possiblement sur des cathéters ; on associe les meilleurs points candidats à leurs voisins les plus proches, afin de constituer des cathéters candidats. Ces cathéters sont validés ou rejetés à l’aide d’une métrique intégrant des critères de régularité et de forme [Ma et al. 2010; Ma et al. 2013; Ma et al. 2018]. Cette première méthode est robuste, mais demande l’inclusion de modèles, élément limitant concernant la difficulté d’implémentation. D’autres méthodes proposent une initialisation manuelle, en cliquant deux extrémités de la structure à suivre [Heibel et al. 2013]. Cette seconde approche demande une interaction à chaque nouvelle acquisition de fluoroscopie, engendrant un retard systématique par rapport au geste du clinicien. Une troisième proposition est de travailler sur une image dont le contraste est amélioré par l’application d’un chapeau haut de forme, et sur les structures tubulaires détectées dans l’image ainsi formée [Fazlali et al. 2015]. Cette dernière

5.3. Chaîne de traitement proposée

Figure 5.4 – Présentation de l’algorithme de détection et de suivi de la sonde VD approche demande l’application de méthodes pouvant demander un temps de calcul important, supprimant l’aspect temps réel de notre proposition.

Ainsi, la stratégie adoptée pour résoudre ce problème a été d’utiliser une approche basée des techniques d’apprentissage machine. Dans notre cas, nous avons choisi une approche classique dans la détection d’éléments dans une image, le détecteur de visage proposé par [Viola et al. 2001]. Il consiste en un classifieur adaBoost [Freund et al. 1996], entraîné sur les ondelettes de Haar proposées par [Papageorgiou et al. 1998].

La base d’apprentissage a été construite à partir d’une banque d’images quelconques (paysages, documents, animaux. . .) dans lesquelles ont été insérées des sondes VD segmentées, sous différentes incidences. Les sondes ont été insérées dans ces images à des positions aléatoires, avec une rotation de 30° au plus, et un agrandissement d’un facteur 2 au plus, afin de ne pas surcontraindre le modèle appris. La base d’apprentissage est constituée de 3200 échantillons, formées à partir de 25 sondes provenant de 3 patients différents, projetées dans 128 images sélectionnées aléatoirement. Afin de pouvoir travailler en temps réel à 50 Hz et sans sous-échantillonner l’image, l’implé-mentation CUDA de ce détecteur proposée dans la bibliothèque OpenCV a été utilisée.

Filtrage des candidats Le détecteur obtenu fournit, pour chaque image de la séquence, des zones de sonde potentielle, sous la forme de régions d’intérêts, appelées patch ou vignettes (fi-gure 5.5a). Les vignettes candidates sont filtrées en deux temps (fi(fi-gure 5.5). Tout d’abord, un seuillage d’Otsu est appliqué pour chaque candidat. On considère en effet que dans une vignette positive on retrouve deux éléments principaux : (i) la Sonde, ayant des valeurs de pixels faibles, et (ii) le Fond de l’image, ayant des valeurs de pixels plus élevées. Au sein de chaque vignette candidate, le plus petit rectangle contenant les pixels les plus sombres est retenu comme étant la sonde potentielle contenue (figure 5.5b).

Ce rectangle étant supposé être le bout de la sonde, nous vérifions qu’il n’est pas traversant, c’est-à-dire qu’il ne touche pas deux bords opposés de la vignette associée, et que sa surface n’excède pas la moitié de la surface de vignette détectée. Dans le cas contraire, le candidat est considéré comme faux positif.

Chapitre 5 – Assistance peropératoire de la thérapie de resynchronisation cardiaque

(a) Sonde candidate (b) Validation du candidat Figure 5.5 – Exemple de filtrage des sondes candidates

Suivi de la sonde Les temps d’expositions des images des séquences rayon-X acquises dans le bloc de routine sont variables mais longs, entre 50 ms et 150 ms. Ainsi, lors de déplacements importants de la sonde, lors de la systole par exemple, la sonde apparaît suffisamment floue sur l’image pour ne pas être détectée par le classifieur utilisé. Un exemple du flou observé sur la sonde dans de pareils cas est visible sur la figure 5.6.

Afin d’obtenir pour ces images une estimation de la position de la sonde VD, une méthode de suivi est utilisée pour estimer le déplacement de la sonde entre l’image courante et la précédente. Cette méthode est utilisée uniquement pour combler les positions manquantes de la sonde dans une séquence. Dans le cas où aucune sonde n’a encore été détectée dans la séquence, cette méthode n’est pas exécutée.

Le suivi est réalisé par le même “tracker” que dans la section 2.2.3, le tracker de Ka-nade–Lucas–Tomasi (KLT), dans son implémentation OpenCV [Shi et al. 1994;Bouguet 2000]. Sur la vignette retenue dans l’image précédente, une recherche de points saillants est effectuée, basée sur une détection de coins. La position de ces points est alors prédite dans l’image suivante à l’aide du KLT, associant les points saillants dans l’image courante et l’image précédente à l’aide d’une transformation affine. Une moyenne pondérée des déplacements de ces points entre les deux images est calculée, et considérée comme le déplacement de la sonde. La pondération est l’inverse de la distance entre un point suivi et la position de la sonde dans l’image précédente, de manière à favoriser les points proches de la sonde. Par exemple, cela permet d’éviter que les points à la marge de la vignette de la sonde influencent de manière trop importante le déplacement estimé entre deux images dans le cas d’une torsion de la sonde.

(a) Sonde du VD nominale (b) Sonde VD floue

5.3. Chaîne de traitement proposée Tableau 5.1 – Résultats des erreurs commises dans le suivi de la sonde VD

Patient Erreur en Pixel Erreur en mm

µ ± σ (min ; max ) µ ± σ (min ; max ) Patient 01 6.82 ± 07.2 (0; 50.31) 1.32 ± 1.4 (0; 9.76) Patient 02 2.40 ± 01.4 (0; 09.05) 0.74 ± 0.4 (0; 2.79) Patient 03 4.80 ± 10.7 (0; 71.71) 1.48 ± 3.3 (0; 22.09) Patient 04 4.65 ± 05.1 (1; 27.66) 0.90 ± 1.0 (0.19; 5.37) Patient 05 5.86 ± 04.7 (2; 19.31) 1.14 ± 0.9 (0.39; 3.75) Moyenne 4.91 ± 05.8 (0.6; 35.61) 1.12 ± 1.4 (0.12; 8.75) 5.3.2.c Résultats

La méthode a été testée sur une base de 5 patients (autres que les patients ayant servi à l’apprentissage de la détection) pour lesquels les positions de la sonde VD le long du cycle cardiaque ont été pointées manuellement. L’erreur quadratique entre les positions données par la méthode présentée et cette vérité terrain a été calculée, en nombre de pixels et en millimètres. La synthèse des résultats pour les 5 patients est visible dans le tableau 5.1.

Sur ces 5 patients, la méthode proposée affiche de bonnes performances, avec une erreur moyenne commise de l’ordre de 1 mm. Il existe cependant des pics d’erreurs pouvant être importants, avec un pic à 22 mm pour le patient 03. La valeur moyenne de ces pics pour les 5 patients étudiés est de 8.75 mm. Des observations ont été conduites pour ces différents pics d’erreur, visibles pour le patient 03 sur la figure 5.7a.

Deux types d’erreurs se sont présentés. La première est due à la méthode de KLT, avec des points mal associés, générant ainsi un mouvement moyen plus important que ce qu’il est en réalité. Un exemple est visible sur la figure 5.7b, présentant l’image courante, sur laquelle sont superposés les points suivis issus de l’image précédente (orange), les points prédits sur l’image courante (bleu), la position de la sonde sur l’image précédente (rouge) et la position de la sonde prédite sur l’image courante (vert). Le second cas d’erreur est une mauvaise détection de la sonde, dont un exemple est visible figure 5.7c, présentant l’image courante, sur laquelle sont superposées la position de la sonde détectée (vert) et la position de la sonde réelle (rouge). Toutes les erreurs obtenues correspondent à une mauvais détection de la pointe de la sonde, c’est à dire que l’objet détecté appartient bien à la sonde, mais est mal positionné sur sa longueur.

Ces images pour lesquelles une erreur est commise sont cependant peu nombreuses, et l’erreur moyenne commise est suffisamment faible pour que la méthode soit considérée comme satisfaisante en termes de précision.