Récapitulatif

De manière générale, les méthodes de recalage peuvent être divisées en deux grandes catégo- ries : les méthodes iconiques et les méthodes géométriques.

Parmi les méthodes iconiques rencontrées dans la littérature, nous avons distingué trois grandes orientations : les méthodes qui reposent sur l’information mutuelle ou une variante de celle-ci, les méthodes basées sur la création de pseudo images et les méthodes qui reposent sur la corrélation.

L’utilisation de l’information mutuelle dans le cadre du recalage IRM-US est controversée. Plusieurs groupes rapportent des méthodes basées sur cette métrique tandis que d’autres soulignent qu’elle échoue à recaler les deux modalités. Un consensus semble exister entre les méthodes plus récentes sur le besoin d’inclure de l’information contextuelle dans l’IM pour améliorer sa performance, surtout pour des recalages déformables.

Les méthodes basées sur la création d’images pseudo US sont ingénieuses mais complexes et nécessitent de longues étapes de prétraitement.

Les méthodes basées sur la corrélation sont intéressantes car relativement simples à implé- menter. Ici aussi, il semble qu’il soit nécessaire de passer à une approche locale pour obtenir des méthodes plus précises et plus robustes.

On notera que la plupart des méthodes iconiques rencontrées dans la littérature nécessitent un alignement initial, effectué soit manuellement soit par le système de suivi de la sonde ultrasonore. Ceci est un désavantage car nous avons pour objectif d’automatiser le plus pos- sible notre technique. S’affranchir le plus possible de tout matériel supplémentaire, comme les systèmes de suivi, pour effectuer le recalage serait également un avantage.

Parmi les méthodes géométriques, on distingue quatre grandes voies de recherche : les mé- thodes qui recourent à des points fiduciels, les méthodes basées sur les vaisseaux, les méthodes qui reposent sur des surfaces ou contours et les méthodes hybrides. Pour nous, le gros point faible de ces méthodes est le fait qu’elles nécessitent toutes l’extraction des primitives sur les

deux modalités avant le recalage. Or, dans la plupart des méthodes trouvées dans la littéra- ture, cette extraction est soit manuelle soit semi manuelle et nécessite de longues étapes de prétraitement. Ceci va à l’encontre de notre volonté d’automatisation ainsi que de la volonté de tendre vers une application temps-réel

Les méthodes qui recourent à des points fiduciels sont les plus simples. Cependant, elles nécessitent, pour la plupart, une sélection manuelle de ces points. De plus, cette dépendance en l’utilisateur expose les méthodes aux erreurs induites par celui-ci.

Les méthodes basées sur les vaisseaux sont intéressantes dans notre cas car les veines portes sont des primitives facilement identifiables dans les deux modalités. A notre avis, il y a cependant un risque à se concentrer sur une si petite partie de l’information contenue dans l’image car on élimine alors de l’information qui pourrait être utile. Surtout si on désire réaliser du recalage déformable, ce qui est notre cas.

Les méthodes basées sur les surfaces et contours pourraient aussi être applicables. A nouveau, l’extraction de ces primitives est complexe et nécessite soit l’intervention de l’utilisateur soit le développement d’une méthode de segmentation. Pour nos images d’ARM portales cette extraction est compliquée par le fait que le contraste de l’image est tel qu’il met en avant les vaisseaux mais pas le reste de l’organe. Dès lors, extraire la surface du foie dans l’image d’ARM portale est un problème qui n’a pas de solution simple. De plus, la surface du foie risque de ne pas être une primitive efficace pour un recalage dont la cible est les vaisseaux (ici les veines portes et artères hépatiques). En effet, la déformation de la surface du foie ne reflète pas nécessairement la déformation interne de son parenchyme et donc des vaisseaux qui parcourent celui-ci.

Enfin, les méthodes hybrides sont également envisageables. Cependant, elles nécessitent l’ex- traction de deux types de primitives sur chaque modalité. De plus, les tests réalisés sur la méthode proposée par Hwang et al. (2014) ont montré qu’il n’y avait pas de différence signi- ficative dans la précision obtenue avec la méthode à deux primitives alors que la méthode basée uniquement sur la surface du foie converge de manière significativement plus rapide. A la lumière de cette revue de littérature et en gardant en tête les objectifs de ce projet de maîtrise, nous avons choisi de combiner les principes de deux des méthodes rencontrées dans la littérature pour résoudre notre problème de recalage entre l’ARM portale et l’US.

Nous optons pour une méthode basée sur la mise en correspondance de masques des vaisseaux telle que celle proposée par Chen et al. (2012) pour obtenir un premier alignement rigide. Ceci nous permet d’obtenir de manière automatique une première estimation grossière de l’alignement entre les deux images. Dans Chen et al. (2012), les méthodes nécessaires pour

46

extraire les vaisseaux sont complètement indépendantes de l’utilisateur et sont rapides, ce qui est en accord avec les objectifs de ce projet.

Ensuite, nous utilisons une ré-implémentation de la métrique iconique développée par Wein et al. (2013) pour raffiner le recalage. En effet, la méthode basée sur les vaisseaux est intéres- sante pour obtenir un premier alignement mais elle ignore toute une partie de l’information contenue dans l’image. Or cette information pourrait avoir de l’importance pour raffiner le recalage et notamment pour réaliser un recalage déformable.

Cette méthode de recalage multimodal, utilisée dans le cadre de ce projet, est décrite en détail dans le chapitre suivant.