Paramètres de la méthode et interaction avec l’utilisateur

Dans cette section, nous décrivons succinctement les paramètres de la méthode et les interactions avec l’utilisateur afin de segmenter correctement une séquence 2D cardiaque.

– Maillage initial : en deux dimensions, le modèle initial consiste en un anneau re-présentant l’endocarde et l’épicarde (figure 5.2). Il est défini par trois paramètres : le centre de l’anneau, le rayon intérieur et l’épaisseur. Le maillage consiste en une collection de triangles, l’anneau étant divisé en bagues eux-mêmes divisés en sec-teurs. Le nombre de bagues et de secteurs sont deux autres paramètres utilisés pour générer le maillage. Enfin, un paramètre de contraction (PC) a été défini afin de positionner le modèle de manière plus précise à la phase télésystolique au lancement de l’algorithme, en rendant l’anneau plus épais. Si PC est fixé à 0, alors l’épaisseur est la même à la phase télédiastolique qu’à la phase télésystolique. S’il est fixé à 1, l’épaisseur de l’anneau à la télésystole sera égale à son rayon, c’est-à-dire que la cavité du VG disparaitra. En pratique, PC a été fixé à 0.2 pour l’évaluation du GDE

Christopher CASTA 67

Cette thèse est accessible à l'adresse : http://theses.insa-lyon.fr/publication/2012ISAL0117/these.pdf

CHAPITRE 5. LE GABARIT DÉFORMABLE ELASTIQUE

(voir chapitre6).

– Paramètres mécaniques :le module de Young représente la rigidité du modèle, tandis que le coefficient de Poisson définit la compressibilité du matériau, comme présenté en section 5.2.1. Le coefficient de Poisson est généralement fixé à 0.2. Le coefficient de Young prend des valeurs comprises entre 0.1 et 0.5.

– Paramètres de l’algorithme : le critère d’arrêt est défini comme la valeur minimale de la différence de déplacement moyenne entre deux itérations. Il est généralement fixé à 10⁻⁵. Le nombre de niveaux de résolution des images est paramétrisable.

Dans le cas de petits déplacements, un seul niveau de résolution peut suffire, mais il est nécessaire d’utiliser plusieurs niveaux dès lors qu’on a de grandes déformations.

Enfin, le nombre d’harmoniques utilisées pour la suppression du bruit par filtrage de Fourier est égale à 5.

Afin d’assurer un bon positionnement du modèle au lancement de l’algorithme, une méthode d’initialisation semi-automatique a été implantée. Celle-ci consiste à choisir un point approximativement au centre du VG à la phase de fin de diastole. Un cercle dont le centre est le point choisi précédemment est alors adapté à l’endocarde et pris comme initialisation pour le contour intérieur de l’anneau à la phase télédiastolique. Une méthode alternative basée sur un apprentissagea priori a été implantée avec un certain succès afin d’identifier automatiquement les points endocardiques et placer le cercle à l’intérieur. Cette méthode se base sur un apprentissage de l’apparence des profils d’intensité au voisinage des contours, avec une classification des profils via l’algorithmek-means++. Voir [Schaerer (2008)] pour une description plus complète de cette méthode.

En pratique, on n’agit en général que sur un seul paramètre : le module de Young. Si celui-ci est fixé à une valeur trop élevée, le modèle ne se déformera pas du tout. S’il est fixé à une valeur trop faible, le modèle se déformera pour suivre toutes les structures, y compris les artefacts. Lors de l’évaluation menée au chapitre 6, le module de Young a été fixé à des valeurs comprises entre 0.1 et 0.5, pour des forces ayant une norme maximale de 1. La figure5.5montre un exemple de segmentation du VG obtenue sur un sujet normal à partir d’une séquence en ciné IRM. On peut noter que selon l’application, certains tiennent compte ou excluent les muscles papillaires de la segmentation. Dans notre application, nous avons choisi de les exclure.

5.5. MODÈLE ÉLASTIQUE DYNAMIQUE

Fig. 5.5: Modèle GDE superposé aux images d’une séquence IRM ciné sur une coupe médiane du coeur, à travers le cycle cardiaque. La phase télédiastolique est en haut à gauche (seule une phase sur trois est représentée).

Christopher CASTA 69

Cette thèse est accessible à l'adresse : http://theses.insa-lyon.fr/publication/2012ISAL0117/these.pdf

CHAPITRE 5. LE GABARIT DÉFORMABLE ELASTIQUE

Chapitre 6

Evaluation du GDE dynamique

6.1 Contexte

Comme cela a été présenté précédemment, l’objectif de la segmentation cardiaque est l’aide à l’analyse automatisée, en réalisant l’extraction automatique de paramètres fonctionnels cardiaques locaux et globaux. Néanmoins, avant de pouvoir être utilisée dans des conditions réelles, c’est-à-dire en pratique clinique, toute méthode doit être évaluée, de manière à quantifier la qualité de ses résultats ainsi que sa robustesse face à des jeux de données de diverses qualités.

L’évaluation est un des aspects les plus importants en imagerie médicale, mais elle n’est pas aisée. En effet, on dispose dans beaucoup de domaines d’une vérité terrain grâce à laquelle on peut évaluer la qualité de nos résultats. Dans le domaine de l’imagerie car-diaque, la localisation précise des contours des organes n’est pas connue. Les images dont on dispose ne sont pas parfaites, et même les tracés des contours effectués par plusieurs cardiologues peuvent différer significativement les uns des autres (variabilité inter-experts).

De plus, on ne peut se permettre d’effectuer une évaluation sur un petit nombre de jeux de données. On doit disposer d’une grande base représentative de sujets normaux et patho-logiques, des variations anatomiques entre les patients ainsi que des différentes modalités d’imagerie disponibles en conditions standard. Ainsi, la base de données à partir de laquelle une méthode est évaluée doit présenter une grande variabilité, due au fait que :

– les images proviennent de sujets différents (variabilité inter-sujets),

– les sujets sont sains ou atteints de pathologies différentes, la fonction cardiaque étant donc différente pour chaque sujet,

– les images proviennent d’imageurs différents, produisant donc des images de qualité 71

Cette thèse est accessible à l'adresse : http://theses.insa-lyon.fr/publication/2012ISAL0117/these.pdf

CHAPITRE 6. EVALUATION DU GDE DYNAMIQUE

différente (contraste, artefacts, résolution, codage des images),

– les paramètres d’acquisition peuvent être différents, les images ayant été acquises par différents experts.

Enfin, il faut sélectionner parmi les nombreux critères d’évaluation disponibles ceux que l’on juge les plus pertinents.

Concernant la référence à laquelle on va comparer nos résultats, il existe un certain nombre de méthodes afin d’obtenir une référence "acceptable", même si on ne dispose pas de l’anatomie exacte du sujet. La méthode la plus simple, et couramment utilisée, et de recourir à l’expertise d’un ou plusieurs cardiologues. On crée alors un "gold standard", en faisant la moyenne de leurs segmentations. Il existe bien sûr plusieurs méthodes afin de calculer cette moyenne. Enfin, d’autres méthodes afin d’obtenir une référence existent, telle que la simulation sur des données virtuelles que l’on connaît parfaitement. Celle-ci nous permet d’obtenir une vraie référence, plus ou moins réaliste, sur laquelle évaluer notre algorithme.

Un groupe de travail du GDR STIC-Santé, IMPEIC (Initiative Multicentrique pour une Plateforme d’Evaluation en Imagerie Cardiaque), devenu MediEval (Medical Image Evaluation) s’intéresse depuis plusieurs années à l’évaluation de méthodes de segmenta-tion d’images médicales, notamment cardiaques (site du groupe : http ://stic-sante.org/

calendrier/categoryevents/9-IMPEIC). Ce groupe s’intéresse notamment à l’évaluation

"sans référence" et a proposé une méthode qui estime une référence et la proximité des segmentations par rapport à cette référence [Lebenberg et al. (2011)b]. Plusieurs de ces membres, dont notre groupe, a participé à une compétition organisée dans le cadre de la conférence MICCAI 2009 (MICCAI 2009 LV Segmentation Challenge) [Radau et al.

(2009)]. L’évaluation a été réalisée par rapport à une expertise sur 45 jeux de données.

Nous avons participé à l’entrainement, à l’étape de validation et à la compétition sur place, en utilisant l’implantation dynamique 2D du Gabarit Déformable Elastique, ce qui nous a permis d’évaluer ses qualités et ses limites sur un grand ensemble de données. Après avoir décrit la base de données utilisée lors du challenge ainsi que les critères d’évaluation, nous présentons les résultats quantitatifs obtenus sur un nombre significatif de données IRM ac-quises sur des témoins et des patients. Enfin, nous discutons des avantages et inconvénients de la méthode et les pistes à envisager en vue de l’amélioration de celle-ci.