cette couronne (figure 3.18).
SG|LCS Couronne (SG |LCS)cortex Fusion Composantes connexes de (SG|LCS) appartenant à (SG|LCS) ∩ Couronne
FI G U R E 3.18 – Détermination de l’interface (SG|LCS)cortex
3.4.4
Bilan de la sélection des régions
En utilisant les trois critères présentés ci-dessus, nous sélectionnons alors les régions :
– dont l’intensité moyenne est supérieure au critère d’intensité s, – dont la probabilité moyenne d’appartenance à la substance blanche
sur la région est supérieure à 0, 5,
– et qui ne sont pas connectés à l’interface(SG|LCS)cortex .
Nous obtenons ainsi une carte binaire des HSB, que nous appellerons HSBinit.
3.5
Etape de croissance
3.5.1
Insuffisances de la segmentation HSB
initLes critères détaillés dans la section précédente pour la sélection des régions à partir de LPEgrossi`erepeuvent néanmoins dans certains cas abou-
tir à ne pas détecter certaines HSB. Deux types de problèmes principaux ont été identifiés :
– sur certaines coupes, notamment dans les cas de très importantes HSB, le paramètre de diffusion ne semble pas optimal. Le critère d’élimination des lésions corticales aboutit ainsi à éliminer une HSB qui a été fusionnée, suite à une diffusion trop forte, avec une circon- volution cérébrale (figure 3.19).
3 . MÉ T H O D E D E S E G M E N T A T I O N D E S H Y P E R I N T E N S I T É S D E L A S U B S T A N C E B L A N C H E ( W H A S A )
FI G U R E 3.19 – Echec du processus de diffusion sur certaines coupes.
Haut : Trois coupes consécutives de l’image mFLAIR non diffusée d’un patient CADA- SIL. Bas : LPEgrossi`erepour ces trois mêmes coupes. Pour une meilleure visualisation,
nous montrons l’intensité moyenne associée à chaque région. On remarque sur la coupe centrale une homogénéisation trop importante de plusieurs HSB confluentes. La région ainsi obtenue mélange les HSB avec du cortex sain et sera éliminée par la procédure d’élimination des régions corticales.
– dans le cas de lésions temporales (particulièrement présentes chez les patients atteints de CADASIL), les cartes de probabilités de sub- stance blanche ne sont pas suffisamment précises avec le recalage utilisé. Le critère de localisation empêche donc de sélectionner des régions comme HSB, alors qu’elles étaient correctement individuali- sées par la diffusion (figure 3.20).
Il faut ici remarquer que ces problèmes se posent dans le cas d’HSB importantes. En effet, les zones proches des circonvolutions et les zones temporales ne sont très souvent affectées que lorsque les HSB sont déjà très importantes et confluentes. La majeure partie de la charge lésionnelle est ainsi correctement détectée dans HSBinitet les HSB non détectées sont
pour leur très grande majorité connexes à HSBinit. Il est alors possible de
3.5. Etape de croissance
mFLAIR
LPEgrossi`ere
Probabilité moyenne d’appar- tenance à SBMN I HSBinit
FI G U R E 3.20 – Mauvaise détection des HSB temporales.
Ligne du haut :Trois coupes consécutives de l’image mFLAIR non diffusée d’un patient CADASIL. 2èmeligne : LPE
grossi`erepour ces trois mêmes coupes. 3èmeligne : Probabilité
moyenne de SBMN Isur les régions de LPEgrossi`ere. Ligne du bas : HSBinitpour ces trois
mêmes coupes. La probabilité moyenne étant inférieure à 0,5 dans les extrémités des zones temporales, les HSB localisées à cet endroit ne sont pas retenues dans HSBinit.
3.5.2
Dilatation géodésique
La dilatation géodésique est une opération de morphologie mathéma- tique, nécessitant un élément structurant et un ensemble X, dit ensemble marqueur. A partir d’un ensemble binaire initial, on effectue la dilatation par l’élément structurant puis on ne conserve que l’intersection du dilaté avec le marqueur X. Cette procédure est itérée jusqu’à ce que l’ensemble obtenu soit stable (figure 3.21).
3 . MÉ T H O D E D E S E G M E N T A T I O N D E S H Y P E R I N T E N S I T É S D E L A S U B S T A N C E B L A N C H E ( W H A S A ) X Y δX(Y) n δX(Y) j
FI G U R E 3.21 – Principe de la dilatation géodésique.
On considère un ensemble marqueur X, qui peut être constitué de plusieurs composantes connexes. On dispose d’un élement initial Y. Cet élément est dilaté de manière itérative (ici, la dilatation est effectuée radialement). Après chaque itération, on ne conserve que l’intersection du dilaté et de l’ensemble X. Cette procédure est répétée jusqu’à conver- gence. La procédure permet de récupérer la forme exacte des éléments de l’ensemble marqueur X, qui contenaient l’élément inital Y.
géodésique. Cet ensemble sera défini à partir de LPEd´etaill ´eepour récupérer
les coupes manquées et d’une couronne corticale pour récupérer les HSB temporales.
3.5.3
Ensemble marqueur pour la dilatation géodésique
Nous avons expliqué (section 3.3.6) comment obtenir une segmen- tation plus détaillée de l’image mFLAIR en utilisant comme paramètre de contraste λest/2. La figure 3.22 illustre le fait que LPEd´etaill ´ee permetde résoudre le premier type de problème mentionné. Par rapport à la figure 3.19, sur la même image, les HSB sont cette fois correctement indi- vidualisées et ne sont plus fusionnées avec les circonvolutions.
En ce qui concerne les HSB temporales, nous pouvons nous per- mettre d’avoir une contrainte spatiale moins forte sur LPEd´etaill ´ee que sur
LPEgrossi`erepuique la segmentation est désormais contrainte par HSBinit
et que les régions de LPEd´etaill ´ee sont plus petites.
Nous allons donc considérer comme ensemble marqueur X les ré- gions de LPEd´etaill ´ee qui vérifient les critères d’intensité et de localisation
suivants :
– intensité moyenne de la région supérieure au seuil s= ˜i+2λest,
– probabilité moyenne SBMN I de la région supérieure à 0, 5 OU ré-
gions situées dans une couronne corticale de largeur 40 voxels (obte- nue de manière similaire à la couronne de largeur 10 voxels présen- tée à la figure 3.18).
3.5. Etape de croissance
FI G U R E 3.22 – Apport de LPEd´etaill ´ee.
Haut : Trois coupes consécutives de l’image mFLAIR non diffusée d’un patient CADA- SIL. Ces coupes sont identiques à celles de la figure 3.19. Milieu : LPEd´etaill ´eepour ces
trois mêmes coupes. Bas : Pour une meilleure visualisation, nous montrons l’intensité moyenne associée à chaque région de LPEd´etaill ´ee. Par rapport à la figure 3.19, des régions
moins contrastées sont conservées. En particulier, la coupe médiane délimite désormais les HSB de manière correcte.
3.5.4
Obtention de HSB
f inalNous partons de la segmentation binaire HSBinitobtenue précédem-
ment. Comme précisé précédemment, les anomalies observées se pro- duisent uniquement pour des HSB importantes. Nous ne retenons donc que les composantes connexes dont le volume est supérieur à 50 voxels. La dilatation géodésique de ces régions conditionnellement à l’ensemble X des voxels candidats est ensuite effectuée avec un élément structurant 3D (6-connectivité) afin d’obtenir la segmentation finale HSBf inal. La di-
latation est ici effectuée en 3D de manière à pouvoir réintégrer dans la segmentation des coupes où la diffusion était trop importante.
3 . MÉ T H O D E D E S E G M E N T A T I O N D E S H Y P E R I N T E N S I T É S D E L A S U B S T A N C E B L A N C H E ( W H A S A )
Les figures 3.23 et 3.24 montrent l’effet de cette étape de croissance sur les mêmes images que celles utilisées pour illustrer les insuffisances de HSBinit. Grâce à cette étape de croissance, les HSB initialement non
détectées sont désormais correctement segmentées.