Evaluation clinique

En complément de la validation du raccourcissement circonférentiel avec la

méthode HARP, nous avons effectué une évaluation visuelle de nos mesures. Les

séquences IRM ont été soumises à deux cardiologues experts, et bien entrainés

à l’évaluation de la contraction myocardiaque pour répartir les 128 segments

des 16 séquences analysées en 4 groupes : normale, hypokinétique, akynétique

et dyskinétique selon leur mouvement.

Nous pouvons ensuite représenter le raccourcissement circonférentiel de chaque

segment en fonction de l’état pathologique observé.

La figure 7.10 montre qu’il existe une faible correspondance entre les atteintes

ischémiques et le raccourcissement circonférentiel évalué par notre méthode. Il

est difficile de faire la discrimination des classes pathologiques à partir de E

_cc

.

Fig. 7.7 – Illustration du raccourcissement circonférentiel E

_cc

estimé par la

méthode HARP au centre de chaque secteur (courbe bleue) et du

raccourcisse-ment circonférentiel moyen déterminé par notre méthode (courbe rouge) sur

les 8 segments d’un myocarde sain.

Fig.7.8 – Variation du coefficient de corrélation entre les courbes du

raccour-cissement moyen sur 128 segments (16 sequences x 8 segments).

-35 -30 -25 -20 -15 -10 -5 0 5 10 15 0 5 10 Normal -35 -30 -25 -20 -15 -10 -5 0 5 10 15 0 5 10 Hypokinétique -35 -30 -25 -20 -15 -10 -5 0 5 10 15 0 5 10 Akinétique -35 -30 -25 -20 -15 -10 -5 0 5 10 15 0 5 10 Dyskinétique

Fig.7.10 – Histogramme du raccourcissement circonférentiel myocardique E

_cc

selon les 4 états cliniques. L’axe des abscisses représente la valeur de E

_cc

en

(%).

Conclusion générale

Une nouvelle méthode d’évaluation des déformations locales du ventricule

gauche sur des séquences ciné-IRM standard non marquées a été présentée

dans ce travail de thèse.

Nous avons adapté la méthode standard des ensembles de niveaux pour

ex-traire les contours internes et externes du VG. Le procédé de segmentation

est directement appliqué sur un ensemble d’images pseudo-volumiques 2D+t.

Ceci conduit à une méthode de segmentation efficace qui tient compte à la fois

des contraintes de continuité spatiales et temporelles. La segmentation a été

effectuée sur une séquences prétraitées avec une technique de rehaussement

d’intensité et d’une fermeture morphologique pour l’endocarde afin de

sup-primer les muscles papillaires, et une méthode de rehaussement par

amplifica-tion des maximas régionaux pour l’épicarde. Le champ de vitesse des contours

endocardique et epicardique a été ensuite estimé par la méthode de mise en

correspondance géométrique developpée au LISSI. Cette approche est fondée

sur la méthode ICP et la méthode de morphing par Levelset. cette méthode

a permis d’obtenir un résultat correct exempté d’appariements multiples

inco-hérents. Notre contribution consiste à appliquer cette méthode sur les contours

epicardiques. Nous avons ensuite évalué et validé le champ de déplacement

in-tramyocardique afin de calculer les déformations locales relatives au

raccour-cissement circonférentiel et à l’allongement radial du VG. L’approche consiste

à contraindre une méthode d’estimation de flot optique standard avec le

dé-placement des contours évalués précédemment afin de s’affranchir du problème

d’ouverture bien connu des méthodes différentielles. En confrontant le résultat

du flot optique standard avec celui du flot optique contraint sur une séquence

d’image synthétique, notre méthode reste avantageuse en terme de précision.

L’erreur de la méthode du flot optique contraint est cependant pratiquement

identique à celle de la méthode d’interpolation par plaques minces. Les

défor-mations locales obtenues sur des séquences réelles sont assez proches de celles

obtenues par la méthode HARP qui exploitent des images marquées. Les

pre-mières estimations des déformations radiales obtenues ont permis de mettre en

évidence la présence des anomalies de contraction sur les séquences ciné-IRM.

L’intérêt principal de notre approche est la possibilité d’accès aux

défor-mations locales en tout point de l’image.

L’approche proposée a fait l’objet de quelques communications nationale

et internationale [126, 127, 128].

En perspectives, il importe de créer une séquence d’images synthétique plus

réaliste capable de modéliser les déformations réelles d’un myocarde sain et

pathologique pour améliorer la phase de validation. Il est également nécessaire

d’étendre l’analyse en 4D afin de tenir compte des déformations longitudinales

du VG. Ceci ne devrait pas poser de problème car toutes les approches

pro-posées dans ce travail de thèse sont facilement extensibles en 4D. Enfin, il est

intérressant de recouper les déformations locales obtenues avec les informations

sur la localisation des régions infarcies fournies par les images de rehaussement

tardif correspondantes.

Séquences ciné-IRM analysées

Nous montrons ici les séquences d’image ciné-IRM traitées dans ce travail

de thèse. L’acquisition a été faite au niveau de la base.

La méthode de Gauss Seidel

La méthode de Gauss Seidel est une méthode de résolution de systèmes

d’équations linéaires

Ax=b (B.1)

où A = (a

_ij

) est une matrice carrée n×n de réels (i l’indice de ligne et

j l’indice de colonne) et x et b sont des vecteurs de R

ⁿ

(n entier strictement

positif). C’est une méthode itérative : elle consiste à construire une suite de

vecteurs(x

k

)

x

^k

=









x

^k₁

...

x

k n







 (B.2)

qui, sous certaines hypothèses, converge vers la solution exacte du système

B.1. Quel est l’intérêt d’une telle méthode vis-à-vis du pivot de Gauss ? Elle

permet de traiter des matrices beaucoup plus volumineuses parce qu’elle est

plus stable numériquement : elle donne des résultats beaucoup plus précis pour

les systèmes linéaires dont les coefficients sont inexacts. On montre sur

l’ex-emple d’un système de trois équations à trois inconnues comment la méthode

de Gauss Seidel permet de calculerx

k+1

à partir de x

k

. Supposons quex

k

soit

proche de la solution d’un système Ax=. Alors















a

₁₁

x

k 1

+a

₁₂

x

k 2

+a

₁₃

x

k 3

≈b

₁

a

21

x

^k₁

+a

22

x

^k₂

+a

23

x

^k₃

≈b

2

a

₃₁

x

^k₁

+a

₃₂

x

^k₂

+a

₃₃

x

^k₃

≈b

₃

(B.3)

Méthode élémentaire :Elle consiste à prendre pourx

k+1

le vecteur défini

par















x

^k₁⁺¹

= b

₁

−a

₁₂

x

k 2

−a

₁₃

x

k 3

/a

₁₁

x

^k₂⁺¹

= b

2

−a

21

x

^k₁

−a

23

x

^k₃

/a

22

x

^k₃⁺¹

= b

₃

−a

₃₁

x

^k₁

−a

₃₂

x

^k₂

/a

₃₃

(B.4)

Pour une matrice n×n la formule s’énonce (on suppose bien sûra

ii

6= 0) :

x

^k_i⁺¹

= ^b

ⁱ

−P

j6=i

a

_ij

x

k

j

a

_ii

(B.5)

Optimisation. Elle consiste à réutiliser les coordonnées de x

^k+1

à la place

de celles (moins précises) dex

^k

dès qu’on les a calculées. Cela donne la formule

de Gauss Seidel :















x

^k₁⁺¹

= b

₁

−a

₁₂

x

k 2

−a

₁₃

x

k 3

/a

₁₁

x

^k₂⁺¹

= b

₂

−a

₂₁

x

^k₁⁺¹

−a

₂₃

x

k 3

/a

₂₂

x

^k₃⁺¹

= b

₃

−a

₃₁

x

^k₁⁺¹

−a

₃₂

x

^k₂⁺¹

/a

₃₃

(B.6)

Pour une matrice n×n la formule s’énonce (on suppose bien sûra

_ii

6= 0) :

x

^k_i⁺¹

= ^b

ⁱ

−P

i−1

j=i

a

ij

x

^k_j⁺¹

−P

n

j=i+1

a

ij

x

^k_j

L’IRM

Cette partie présente le principe et les techniques particulières de l’IRM.

C.1 Principe de l’IRM

L’IRM est fondée sur le principe de la résonance des atomes d’hydrogène

sous l’action de certaines ondes radiofréquences (RF). Le phénomène de

réso-nance nucléaire (RMN) a été observé par Purcell et Bloch en 1946 (Prix Nobel

de Physique en 1952) et appliqué à l’anatomie humaine il y a une vingtaine

d’années.

Dans le document Estimation des déformations du ventricule gauche sur des séquences ciné-IRM non-marquées (Page 119-145)