Nous avons exp´eriment´e l’approche 4DGVF sur plusieurs types d’images multicompo-santes que nous d´ecrivons ci-apr`es.
4.4.1 Imagerie multispectrale 2D
(a) Image d’origine
repr´esentation RVB (b) Image flout´ee (c) Image d´egrad´ee
Figure 4.9 – Image multispectrale
Nous avons test´e une photographie multispectrale de la base de donn´ees publique CAVE de l’universit´e Columbia [114], montr´ee sur la figure 4.9a en repr´esentation RVB. Nous nous sommes int´eress´es `a la segmentation du fruit de droite, de grand axe a ' 50 pixels. Nous avons retenu dans nos exp´erimentations 20 composantes (du violet 400 nm `a l’orang´e 590 nm, par pas de 10 nm). Pour accroˆıtre la difficult´e du probl`eme de segmen-tation, nous avons flout´e les composantes par un noyau gaussien d’´ecart type σb = 2 pixels (figure 4.9b) et les avons bruit´ees par un bruit blanc additif gaussien de variance σ2= 50%2(figure 4.9c).
4.4.2 Images synth´etiques 3D d’une sph`ere
Nous avons g´en´er´e 5 images synth´etiques volum´etriques `a 10 composantes de dimen-sion 70 × 50 × 50 × 10 voxels I0 = (I10, ..., I100 )pr´esentant un objet d’int´erˆet sph´erique de 36 voxels de diam`etre. Dans chaque composante, nous avons fix´e l’intensit´e du fond `a 1et rendu variable celle de l’objet d’int´erˆet dans chaque composante. Par analogie avec l’imagerie TEPd, la courbe repr´esentant les diff´erentes valeurs d’un voxel le long des com-posantes est appel´e courbe temps activit´e (TAC). Les 5 TAC g´en´er´ees sont montr´ees sur la figure 4.10.
`A partir de ces images non-bruit´ees, nous avons g´en´er´e cinq images selon le mod`ele : I = (I10+ bσ, ..., I100 + bσ), (4.23) o`u bσest un bruit additif gaussien de variance σ2 = 0.22.
Le nombre de composantes pour lesquelles le signal de gradient ´etait significativement sup´erieur `a l’amplitude du bruit ´etait donc variable pour les diff´erentes images de ce jeu. Ces images pr´esentent deux difficult´es majeures caract´eristiques des modalit´es ´etudi´ees : un faible SNR rendant difficile la d´etection de contours dans les composantes consid´er´ees
Channel number
Figure 4.10 – En haut : valeurs d’intensit´e de l’objet sph´erique le long des 10 composantes des 5 images du jeu de donn´ees synth´etiques 3D. En bas : coupes des composantes d’une image issue de ce jeu.
de mani`ere individuelles et une repr´esentativit´e variable de l’objet en fonction des compo-santes.
4.4.3 Simulations r´ealistes d’images TEPd
Simulations Monte Carlo GATE
(a) Fantˆome Zubal
structures consid´er´ees (b) Simulation,SNR moyen (c) Simulation,SNR faible
Figure 4.11 – Simulations TEPd Monte Carlo du fantˆome Zubal avec GATE.
La validation objective des r´esultats de segmentation bas´ee sur des acquisitions cli-niques r´eelles est difficile. De mani`ere `a b´en´eficier d’une v´erit´e terrain, nous avons proc´ed´e `a des simulations r´ealistes d’acquisitions TEPd dans le cadre d’une collaboration avec Ir`ene Buvat et Simon Stute du service hospitalier Fr´ed´eric Joliot d’Orsay2. Ces images ont ´et´e g´en´er´ees en utilisant GATE, une plate-forme de simulation d’imagerie m´edicale de type Monte Carlo permettant la simulation d’images TEP tr`es r´ealistes [115, 116]. Les simu-lations GATE s’appuient sur la librairie d’interaction de particules GEANT4 d´evelopp´ees
par le CERN. `A titre indicatif, chaque simulation n´ecessite plus de 40 jours de calcul sur un ordinateur 12 cœurs dot´e de 48 GB de RAM afin de simuler la physique probabiliste de l’´emission radioactive, de l’interaction rayonnement-mati`ere et de l’acquisition par l’ima-geur. Les donn´ees acquises ont ensuite ´et´e reconstruites selon les mˆemes m´ethodes que celles employ´ees dans les imageurs TEP cliniques. L’int´erˆet par rapport `a des illustrations de r´esultats sur images r´eelles est de disposer d’une v´erit´e terrain pour l’´evaluation objec-tive des performances.
Nous avons utilis´e le fantˆome ” Zubal ”, un fantˆome r´ealiste des principales structures du cerveau [117]. Six r´egions ont ´et´e consid´er´ees pour la simulation : le cervelet, le thala-mus, les lobes pari´etaux, occipitaux et frontaux, ainsi que le reste du cerveau.
Les courbes temps-activit´e correspondant aux diff´erentes valeurs des voxels selon les composantes ont ´et´e g´en´er´ees en utilisant un mod`ele tri-compartimental [118], qui mod´elise la cin´etique du radiotraceur dans l’organisme. Les diff´erentes r´egions constituant les fantˆomes se sont vues chacune attribu´ees une courbe temps-activit´e sp´ecifique, afin de simuler des r´egions de cin´etiques homog`enes. La reconstruction des images a ´et´e effectu´ee en utilisant un algorithme it´eratif de type 3D OP-OSEM (Ordinary Poisson OSEM) [119] en des voxels de dimension 2, 2 × 2, 2 × 2, 8 mm3.
Nous avons proc´ed´e `a deux reconstructions : l’une utilisant 2 it´erations et 16 sous-ensembles (figure 4.11b) et l’autre utilisant 10 it´erations et 16 sous-sous-ensembles (figure 4.11c). Les images TEPd reconstruites pr´esentent deux niveaux de SNR, que nous appelons res-pectivement simulation Zubal de SNR moyen (SNR : 6, 6 dB) et simulation Zubal de SNR faible (SNR : 1, 5 dB).
Nous nous sommes int´eress´es `a la segmentation du cervelet et des noyaux thalamiques, des structures du cerveau ayant des cin´etiques et des volumes tr`es diff´erents, pr´esent´ees en rouge sur la figure 4.11a.
Les s´eries de coupes transverses au voisinage du thalamus, correspondant aux 20 composantes des deux reconstructions, sont montr´ees sur la figure 4.12 pour illustrer le probl`eme de segmentation pos´e. Il est en particulier tr`es difficile de distinguer le thalamus sur la simulation de SNR faible (figure 4.12c).
(a) (b) (c)
Figure 4.12 – 20 composantes (frames) d’une simulation Zubal sur une coupe axiale autour du thalamus. (a) Verit´e terrain (b) Zubal SNR moyen (c) Zubal SNR faible (σ0 = 3mm)
Figure 4.13 – Simulations analytiques. Variation de qualit´e des images re-construites en fonction du nombre d’it´erations de l’algorithme de reconstruc-tion MLEM (de 3 `a 50 it´erareconstruc-tions). Les noyaux thalamiques sont indiqu´es par les fl`eches jaunes.
Simulations analytiques
Nous nous sommes int´eress´es `a la robustesse des param`etres de l’approche 4DGVF aux variations des propri´et´es des images ´etudi´ees.
Pour ce faire, dans le cadre de notre collaboration avec Ir`ene Buvat et Simon Stute du SHFJ d’Orsay, nous avons ´etudi´e des simulations analytiques r´ealistes d’images TEPd du cerveau. Des cin´etiques TEPd de [18F ]F DG ont ´et´e d´eriv´ees de donn´ees cliniques r´eelles sur trois patients, acquises par une cam´era haute r´esolution Siemens (HRRT). Ces cin´etiques TEPd ont ´et´e associ´ees `a 18 r´egions d’un fantˆome IRM Zubal. Des sinogrammes ont ´et´e simul´es de mani`ere analytique en tenant compte de plusieurs param`etres physiques incluant :
— effet de volume partiel :
— sous-´echantillonnage des cartes d’´emission et d’att´enuation — mod´elisation de la PSF du syst`eme
— coordonn´ees r´eelles des cristaux du scanner — d´ecroissance radioactive
— dur´ee des frames
— taux de comptage par frame
Des images TEPd de dimension 128 × 128 × 64 × 20 voxels ont ´et´e reconstruites `a partir des donn´ees sinogrammes simul´ees par trois algorithmes it´eratifs (MLEM, NEGML, AML) en un nombre variable d’it´erations de reconstruction (3, 6, 10, 15, 20, 25, 30, 35, 40, 50), constituant au total un jeu de 30 images TEPd aux propri´et´es variables. Un faible nombre d’it´erations est associ´e `a un bruit relativement faible au d´etriment de niveaux de flous ´elev´es et de biais quantitatifs importants. `A l’inverse, un nombre ´elev´e d’it´eration am´eliore le contraste et r´eduit le biais mais amplifie le bruit. Des coupes axiales identiques des images reconstruites par l’algorithme MLEM sont montr´ees sur la figure 4.13 en fonc-tion du nombre d’it´erafonc-tions utilis´ees pour leur reconstrucfonc-tion. Les coupes sont somm´ees le long de la dimension temporelle pour l’illustration. On observe une augmentation du niveau de d´etail au d´etriment du SNR `a mesure des it´erations de l’algorithme de recons-truction.
Nous avons concentr´e notre ´etude sur la segmentation des noyaux thalamiques, in-diqu´es par les fl`eches jaunes sur la figure 4.13. Nous avons plac´e une sph`ere de rayon 4 voxels au centre de gravit´e du thalamus en nous basant sur l’image v´erit´e terrain.
4.4.4 Images TEPd r´eelles
Acquisition TEP au [18F ]DPA-714 chez l’Homme
(a) (b) (c)
Figure 4.14 – Image TEP au [18F]DPA-714 d’un patient ayant subi un AVC (a) IRM T1 au Gadolinium sur une coupe axiale (b) vue 3D et initialisation (en blanc) (c) composante 10 de l’image TEP correspondante
Nous avons segment´e une zone inflammatoire chez un patient ayant subi un accident vasculaire c´er´ebral (AVC) imag´ee par TEPd au [18F]DPA-714, un radiotraceur sp´ecifique de la prot´eine translocatrice (TSPO). Cette mol´ecule est sur-exprim´ee dans des conditions de neuroinflammation. Un AVC induit g´en´eralement une activation de TSPO dans les cellules gliales et dans les leucocytes infiltr´es attir´es par le foyer inflammatoire, et peut ainsi ˆetre ´etudi´e au moyen de ce radiotraceur [120].
L’acquisition a ´et´e effectu´ee sur une cam´era TEP-CT Philips Dual Gemini en mode liste sur une dur´ee de 90 minutes et l’image reconstruite avec un algorithme it´eratif RAMLA en voxels de 2 × 2 × 2 mm3. Une image anatomique IRM pond´er´ee T1 avec agent de contraste au gadolinium a ´egalement ´et´e acquise (figure 4.14a, et 4.14b). Nous avons ´etudi´e la premi`ere heure de l’acquisition suivant le d´ecoupage temporel suivant : 5×60s, 5×120s, 9× 300s.
Acquisition TEP de rat au [18F ]DPA-714
Dans un contexte pr´e-clinique, nous avons segment´e une l´esion dans une acquisi-tion TEPd du cerveau d’un rat par imagerie au [18F]DPA-714. Une l´esion excitotoxique unilat´erale `a l’acide quinolinique a ´et´e r´ealis´ee dans le striatum droit du rat, constituant un mod`ele de neuroinflammation [121]. Les images ont ´et´e acquises sur une cam´era microTEP-CT GE Vista en mode liste et ont ´et´e reconstruites avec une m´ethode it´erative OSEM avec correction de l’att´enuation et des co¨ıncidences fortuites et diffus´ees. 27 com-posantes de 175 × 175 × 61 voxels de 0, 39 × 0, 39 × 0, 78 mm3 ont ´et´e reconstruites sur une p´eriode de 50 minutes selon le d´ecoupage temporel suivant : 4 × 10s, 4 × 20s, 6 × 60s, 10× 80s, 3 × 600s.
Acquisition TEP au [18F ]DPA-714 chez le primate non humain
Dans le cadre d’une collaboration avec Ir`ene Buvat, Sonia Lavisse, et Catriona Wimber-ley du SHFJ d’Orsay, nous avons ´etudi´e la segmentation d’une l´esion `a l’acide quinolinique
dans le striatum chez le primate non humain (macaque) dans un mod`ele de neuroinflam-mation similaire `a celui pr´esent´e pour le rat.
L’acquisition a ´et´e effectu´ee durant 120 minutes par une cam´era microTEP Siemens Concorde Focus220 en mode 2D et affect´ee `a 27 composantes. Les images ont ´et´e recons-truites par la m´ethode it´erative FORE-OSEM (FOurier REbinning and OSEM) en utilisant 16 sous ensembles et 4 it´erations.