6.3 Stratégie de déplacement
6.3.3 Navigation active
et le seuil
((!333!), le long de la trajectoire du capteur à l’intérieur d’une artère carotide. En-haut, la trajectoire suivie et la surface interne détectée, superposées sur une coupe TDM et en bas les courbes de variation de densité et du
. Nous constatons la diminution de densité du produit de contraste dans les plus petits vaisseaux.
0 10 20 30 40 50 60 86 88 90 92 94 96 98 Densité 0 10 20 30 40 50 60 30 35 40 45 50 Sopt trajectoire SOPT d(Pi)
FIG. 6.24: Navigation interactive dans une artère carotide.
6.3.3 Navigation active
En s’écartant des approches exploitant une pré-modélisation des structures anatomiques et une pré-estimation de trajectoire pour l’endoscopie virtuelle, le schéma de la navigation active utilise la notion de capteur virtuel actif capable de déterminer automatiquement sa trajectoire, guidé par la vision, au cours du déplacement. Cette notion a été définie par Belle-mare dans son travail de thèse [Bell00]. Le système de perception et de contrôle du capteur, au cœur de la navigation active, repose sur une analyse locale de la scène sans segmentation préalable des structures d’intérêt (cf. annexe D). Au cours du déplacement, des descriptions structurelles locales basées sur l’exploitation de l’information de profondeur sont mises en correspondance pour construire progressivement un modèle descriptif des structures explo-rées.
Dans la stratégie de déplacement adoptée ici, le capteur virtuel calcule, à partir de l’ana-lyse de la carte de profondeur, le maximum de profondeur qui le rapproche de son objec-tif. Dans ce schéma, l’utilisateur doit déterminer les positions initiale et finale de navigation,
et le capteur calcule automatiquement sa trajectoire afin de rester à l’intérieur de la struc-ture anatomique. Toutefois, afin d’explorer une strucstruc-ture particulière, la direction de visée du capteur fixée sur le maximum de profondeur détermine l’ensemble des points de sur-face associés à la vue endoscopique virtuelle. Le déplacement étant estimé à partir de ces points de surface, la trajectoire estimée au cours de la navigation virtuelle dépend fortement du point de vue et n’est pas correctement centrée dans la lumière. L’intégration du modèle étendu dans le processus de navigation active permettrait d’envisager une meilleure esti-mation de la ligne centrale, de la section de la lumière ainsi qu’une génération de maillage surfacique sans définition interactive préalable de la trajectoire.
Afin de répondre à ces objectifs, nous proposons une première version de navigation active intégrant le modèle étendu du capteur virtuel et basée sur une fonction d’analyse de scène simplifiée qui ne requiert que la détection des maxima de profondeur dans la carte de profondeur associée à l’image endoscopique virtuelle. Le schéma de l’approche proposée est représenté par la figure 6.25.
Calcul d’Image Analysis de scéne Si P i Determination du seuil Max. Profondeur Ii Mi+1 Estimation de trajectoire P’i+1 Analyse dans Qi Position centrée Déplacement Q i Intersection Reorientation centrage non oui non oui
FIG. 6.25: Navigation active intégrant le modèle étendu du capteur virtuel.
Outre sa fonction primaire de visualisation, l’image endoscopique virtuelle est utilisée dans ce schéma pour analyser la scène et fixer une direction de déplacement initiale (fi-gure 6.26). Les points de surface détectés à la périphérie du champ de vision, c’est-à-dire placés à moins d’une distance du centre optique situé à la position2
, permettent de cal-culer une estimation de la prochaine position2
du centre optique. Un premier plan de quantification5
est alors déterminé par2
et la direction donnée par le maximum de
profondeur suivi
. Un centrage effectué dans ce plan de quantification permet de dé-terminer le point centré 2
et le nouveau plan de quantification 5
dont la direction est fixée par
2
2
. Un contour polygonal délimitant la lumière est calculé et le centre est éventuellement réajusté. L’image virtuelle peut alors être calculée pour cette nouvelle
posi-tion2
et une direction de visée fixée sur
afin d’analyser la scène. De la même façon qu’en navigation interactive, le plan de quantification peut être réorienté afin d’éviter des intersections de contours. d Qi+1 Q’i+1 Qi Mi+1 Vi f Image Pi Pi+1 P’i+1
FIG. 6.26: Modèle géométrique de capteur actif.
représente le maximum de profondeur
détecté à partir de la (
position. 2
est le centre optique du capteur, et 5
le plan de quantification correspondant.
6.4 Bilan
L’information visuelle de la surface interne, la planification de trajectoires et les rela-tions spatiales entre les structures sont des éléments essentiels pour la planification d’inter-ventions endovasculaires. Une extension géométrique et fonctionnelle du modèle de cap-teur virtuel a été développée dans cet objectif. Les fonctions de la navigation fournissent, d’une part, les éléments indispensables au positionnement et à l’orientation à l’intérieur de la structure et le capteur étendu réalise, d’autre part, sa description locale. Cette description, basée sur l’exploration des données volumiques non pré-segmentées, passe par la détection automatique de la lumière interne du vaisseau, l’extension de la visualisation dans l’image endoscopique et la construction d’un contour, s’adaptant aux inhomogénéités de contraste le long de la structure.
Afin d’envisager une application effective aux données patient, la détection de surface est l’une des difficultés principales que nous avons du relever dans le cadre de l’approche de navigation exploratoire virtuelle proposée. Il s’agit d’un élément fondamental pour décrire quantitativement des structures anatomiques et pour produire des images endoscopiques de qualité. Une détection incorrecte peut conduire à la création d’artéfacts dans l’image et à des erreurs de mesure non négligeables. Les fonctions développées permettent de s’af-franchir de cette problématique avec des opérateurs de détection de surface qui autorisent l’extraction d’un contour délimitant la lumière vasculaire dans un plan perpendiculaire à la trajectoire centrée. Le seuil issu de cette analyse est utilisable en navigation pour générer les images endoscopiques virtuelles. Par ailleurs, l’extension de la vision permet d’identifier les structures qui se trouvent au delà de la lumière interne et qui correspondent à des plaques de nature différente qui ne sont pas identifiables sur les images d’endoscopie virtuelles clas-siques.
initial pour la définition de la ROI (et de5
). Au vu des premiers tests présentés dans ce chapitre, il affecte peu le résultat final. L’avantage de la méthode proposée est que la détec-tion est réalisée depuis l’intérieur d’une structure supposée tubulaire. La rapidité de l’algo-rithme dépend du nombre de rayons choisis pour représenter la section et la taille de la ROI. Nous utilisons dans les exemples . La diminution de affaiblit la qualité de la description du contour car la représentation est polygonale. Toutefois, il pourrait être plus faible dans certaines structures où une résolution angulaire plus fine n’est pas nécessaire.
Les deux possibilités de navigation ont été exploitées : semi-automatique qui permet de définir quelques points à l’intérieur de structures anatomiques et qui sont ensuite in-terpolées avec des fonctions spline ; et active qui offre les fonctionnalités qui permettent au capteur de se déplacer automatiquement à l’intérieur de la structure par l’analyse de l’environnement perçu. Les tests ont été réalisés sur des images TDM, mais d’autres moda-lités pourraient être utilisées. Avec le modèle étendu proposé, les données patient peuvent être analysées qualitativement et quantitativement. À partir de ce schéma nous envisageons dans les prochains chapitres l’extraction d’une représentation 3D et de descripteurs géomé-triques de la structure, ainsi qu’une évaluation plus complète.
Description des données patient
Les éléments de planification issus de l’étape d’analyse par navigation exploratoire vir-tuelle doivent être complétés par une description de la structure et par le calcul de para-mètres quantitatifs nécessaires à la détermination indirecte des outils. Outre les techniques de modélisation analytique de surfaces, la description géométrique de la structure vascu-laire peut être réalisée au moyen d’un maillage représentant la morphologie de la lumière interne. Le maillage polygonal présente l’avantage de réduire considérablement la taille des données en focalisant sur des structures d’intérêt sans nécessairement en compromettre la précision, ce qui en fait un support spatial privilégié pour le calcul numérique, la visualisa-tion, et la transmission de données.
Une des principales difficultés dans la construction de ce type de maillage est la présence de bifurcations. Parmi les solutions possibles de construction de maillages de topologie com-plexe [Bake89] [Baja96a] [Bois88] [Baja96b], une des plus adaptées aux conditions de navi-gation du capteur est l’extraction séquentielle des maillages de branches simples puis leur fusion après calcul d’intersection. En effet, le lancer de rayons permettant de maîtriser la ré-partition des points de surface détectés, il est possible de construire facilement des maillages individuels représentant la surface interne pour un parcours particulier. Dans ce cas, il est nécessaire de réaliser plusieurs explorations à partir d’un même point de départ et de fu-sionner a posteriori les maillages correspondants. Nous présentons dans la suite l’approche proposée et la manière dont la description obtenue est exploitable pour la détermination de paramètres interventionnels.