Mod`eles guid´es par imagerie intraop´eratoire

3.2.2.1 Introduction

Comme nous venons de le voir, devant la difficult´e de prendre en compte tous les facteurs r´egissant les d´eformations des tissus c´er´ebraux et leur interactions avec les outils chirurgicaux, de nombreux auteurs pr´esentent des ´etudes o`u leur mod`ele biom´ecanique est guid´e par des images intraop´eratoires. Les modalit´es d’imagerie intraop´eratoire sont de natures diverses :

– les IRMi [Ferrant 2001, Ferrant 2002, Warfield 2002, Clatz 2005] pour connaˆıtre l’ensemble des d´eformations du volume c´er´ebral,

– les images st´er´eo issues d’une paire de cam´eras [Skrinjar 2001, Skrinjar 1999, Skrinjar 1998], ou les mesures laser [Audette 1999, Miga 2001a, Miga 2003] pour mesurer le d´eplacement de la surface corticale,

– les images USi pour suivre le mouvement des structures profondes [Roberts 1998]. 3.2.2.2 Mod`eles guid´es par IRMi

L’approche propos´ee par Ferrant et al. [Ferrant 2001, Ferrant 2002, Warfield 2002] consiste `a utiliser les informations issues des IRMi pour guider les d´eformations de leur mod`ele biom´ecanique. Pour se faire, ils effectuent une segmentation d’objets cl´es (surface c´er´ebrale, ventricule, tumeur) dans les images pr´eop´eratoires `a l’aide d’un al- gorithme rapide et semi-automatique. Cette segmentation demande environ 10 minutes `a un utilisateur entraˆın´e. Ils g´en`erent ensuite un maillage de ces diff´erentes structures afin de cr´eer un mod`ele d´eformable par ´el´ements finis. La segmentation de ces mˆemes structures, dans les images intraop´eratoires, est r´ealis´ee de mani`ere automatique `a l’aide

de ce mod`ele sp´ecifique du patient. En analysant l’´evolution des surfaces de ces objets cl´es au cours de l’op´eration via les IRMi, il est possible de fournir les conditions limites du d´eplacement au mod`ele d´eformable. Grˆace `a une impl´ementation parall`ele et opti- mis´ee, le calcul des d´eformations dure une quinzaine de secondes, ce qui permet une utilisation en salle d’op´eration. Les auteurs rapportent une pr´ecision de 0.9 ± 0.7 mm de moyenne mais de 3.7 mm pr`es des zones de r´esection [Ferrant 2002]. Cette pr´ecision est ´evalu´ee en comparant la position de 400 marqueurs identifi´es par un expert sur les images intraop´eratoires avec les d´eformations fournies par le mod`ele. Les auteurs sou- lignent que ce type de validation est entach´e par des impr´ecisions dans la localisation manuelle, particuli`erement dans la r´egion de la tumeur o`u certaines structures ne sont pas visibles. L’impr´ecision prononc´ee dans cette zone est ´egalement due `a la non prise en compte de la r´esection par le mod`ele.

Enfin, dans [Sermesant 2003, Clatz 2004, Clatz 2005], les auteurs proposent une m´ethode originale utilisant un mod`ele biom´ecanique comme fonction de r´egularisation d’un algorithme de recalage non rigide par “block matching” bas´e sur le coefficient de corr´elation. L’avantage est d’utiliser un algorithme rapide tout en ´evitant les d´eplace- ments aberrants grˆace `a l’introduction de connaissances a priori via les caract´eristiques du mod`ele biom´ecanique. Cette technique permet donc une meilleure r´egularisation des d´eplacements, ainsi que l’estimation de d´eformations plus r´ealistes. De plus, le fait d’uti- liser le mod`ele biom´ecanique comme fonction de r´egularisation, et non de le guider par des surfaces ou volumes issus d’images intraop´eratoires, enl`eve le probl`eme de la pr´eci- sion de la segmentation des structures. Cependant, comme toute d´emarche utilisant un mod`ele biom´ecanique, cette approche demande une impl´ementation optimis´ee et mas- sivement parall`ele pour ˆetre utilis´ee dans un temps clinique acceptable. Afin d’obtenir un recalage en moins d’une minute, les auteurs ont utilis´e un cluster de 15 PC.

Si ces approches donnent d’excellents r´esultats pour un temps de calcul acceptable, elles reposent sur l’IRMi dont le coˆut reste ´elev´e pour la grande majorit´e des hˆopitaux, comme nous l’avons d´ej`a soulign´e.

3.2.2.3 Mod`eles guid´es par vision st´er´eo

La vision st´er´eo consiste `a reconstruire une surface `a partir de deux images d’une mˆeme sc`ene avec des angles diff´erents (cf figure 3.2). Skrinjar et al. [Skrinjar 2001, Skrinjar 1999, Skrinjar 1998] proposent son utilisation pour ´evaluer le mouvement de la surface corticale. La mesure de ce mouvement sert `a guider un mod`ele o`u les tissus sont per¸cus comme des mat´eriaux visco-´elastiques subissant des d´eformations lentes et de faible amplitude. Il est ainsi possible de propager les d´eformations de la surface `a l’ensemble du volume c´er´ebral. Les caract´eristiques m´ecaniques des tissus sont estim´ees `a l’aide des images intraop´eratoires de plusieurs patients et sont ensuite appliqu´ees aux cas suivants. Il reste cependant le probl`eme de la r´esection car les informations de mouvement sur la surface corticale ne permettent pas de simuler correctement le d´epla- cement des couches profondes. Les auteurs envisagent donc l’utilisation intraop´eratoire d’une modalit´e d’imagerie tridimensionnelle compl´ementaire.

Par mod´elisation 39

Fig. _{3.2 – Images re¸cues par les deux cam´eras et repr´esentation de la surface recons-} truite. Illustration tir´ee de [Skrinjar 2001].

3.2.2.4 Mod`ele guid´e par mesure laser

Permettant le mˆeme type de mesure que la vision st´er´eo, la mesure laser permet de reconstruire des surfaces de mani`ere pr´ecise et rapide. Les ´etudes de Audette et al. [Audette 1999] et Miga et al. [Miga 2003] utilisent cette approche via un digitaliser 3D afin de connaˆıtre le mouvement de la surface corticale. Ce proc´ed´e de mesure laser permet d’obtenir une pr´ecision de 300 microns et un taux de rafraˆıchissement de 60Hz. La proc´edure d’acquisition, c’est-`a-dire la mise en place du digitaliser, l’acquisition des images et le retrait de celui-ci du champ chirurgical, prend environ 1.5 min [Miga 2003]. Comme dans les ´etudes de Skrinjar et al., la connaissance du mouvement de la surface corticale sert ´egalement `a guider un mod`ele biom´ecanique.

3.2.2.5 Mod`eles guid´es par ultrasons `

A notre connaissance, malgr´e les nombreux avantages de cette modalit´e d’image- rie d´ecrits dans le chapitre pr´ec´edent, seuls Miga et al. [Roberts 1998] ont r´ealis´e une ´etude de faisabilit´e du guidage d’un mod`ele biom´ecanique par ´echographie intraop´era- toire. Les auteurs soulignent l’avantage de coupler l’information du mouvement de la surface corticale obtenue par vision st´er´eo ou mesure laser, au mouvement du syst`eme ventriculaire suivi par ultrasons. Dans un premier temps, cette ´equipe a travaill´e sur l’´etape de calibration du suivi de la sonde ´echographique, principale source d’erreur entre le recalage des images pr´eop´eratoires et intraop´eratoires [Lunn 2001]. La pr´eci- sion de ce recalage, avec une ´etape de calibration efficace, peut atteindre 2.32 mm. Cette erreur inclut l’impr´ecision du suiveur optique 0.33 ± 0.29 mm et celle du recalage rigide du syst`eme de neuronavigation 0.59 ± 0.21 mm. Les ultrasons semblent donc ˆetre une solution peu coˆuteuse pour recueillir des informations pr´ecises sur le mouve- ment des structures profondes du cerveau. Les premiers tests in vivo, men´es chez le porc, montrent qu’un mod`ele biom´ecanique guid´e par ´echographie de type main libre pourrait permettre d’estimer le “brain shift” avec une erreur de 1.5 mm [Lunn 2003]. 3.2.2.6 Conclusion

Cette pr´esentation de l’utilisation de mod`eles biom´ecaniques guid´es par imagerie intraop´eratoire met en ´evidence plusieurs inconv´enients inh´erents `a cette d´emarche.

Le premier est le coˆut calculatoire de cette m´ethode. En effet, le calcul de la pro- pagation des d´eformations de la surface corticale `a travers le mod`ele est en g´en´eral de

l’ordre de 10 min [Skrinjar 2001, Skrinjar 2002, Miga 2000b] avec des impl´ementations optimis´ees. Les auteurs `a l’origine de ces mod`eles pensent que ce temps de calcul reste inf´erieur `a celui de la stabilisation des d´eformations c´er´ebrales au cours d’une op´era- tion (environ 45 min [Skrinjar 2002]). N´eanmoins, nous pensons qu’il est indispensable de fournir au neurochirurgien des informations en “temps r´eel” (quelques minutes) sur l’´evolution de ces d´eformations. `A l’heure actuelle, seules les impl´ementations optimi- s´ees et massivement parall´elis´ees [Ferrant 2001, Ferrant 2002, Clatz 2004, Clatz 2005] r´ealisent le calcul de la d´eformation du mod`ele en moins d’une minute, temps compa- tible avec une utilisation clinique. Cependant, il faut souligner que l’acquisition d’une IRMi prend quelques minutes, et dans le cas de [Ferrant 2001, Ferrant 2002], l’´etape de recalage rigide prend une minute, la segmentation des IRMi cinq minutes et la quantifi- cation de la d´eformation des surfaces segment´ees deux minutes. Dans ce cas, mˆeme si le temps d’acquisition est utilis´e pour l’´etape de visualisation de l’acquisition pr´ec´edente, la remise `a jour des images pr´eop´eratoires demande 8 min.

Le second inconv´enient de cette d´emarche est qu’elle n´ecessite g´en´eralement une ´etape de segmentation des structures anatomiques. Les erreurs engendr´ees par cette ´etape se retrouvent dans la construction du mod`ele, mais ´egalement dans l’estimation du mouvement des structures. Ces impr´ecisions vont donc ˆetre propag´ees `a travers tout le mod`ele et diminuer la pr´ecision de celui-ci.

Enfin, la derni`ere difficult´e apport´ee par l’utilisation de ce type de mod`ele est le choix des caract´eristiques m´ecaniques des tissus et de la nature du mod`ele en lui-mˆeme.

Malgr´e ces diff´erents inconv´enients, ces d´emarches obtiennent de bons r´esultats, notamment au niveau de la simulation de r´esections et des d´eformations non rigides du cerveau. Comme nous l’avons d´ej`a soulign´e, il est int´eressant de constater que la majorit´e de ces auteurs guident aujourd’hui leur mod`ele par des acquisitions de donn´ees intraop´eratoires. Ecabert [Ecabert 2003] et Skrinjar [Skrinjar 2001] concluent mˆeme `a la quasi-impossibilit´e de r´ealiser un mod`ele valide sans ces donn´ees, au vu de la complexit´e des causes du “brain shift”.