5.2 Mise en correspondance des contours
5.2.3 Résultats
ϕ
t= (ϕ
D−ϕ)|∇ϕ|
ϕ(X, t= 0) =ϕ
S(X) (5.23)
5.2.3 Résultats
L’association de la méthode de mise en correspondance de contours par level
set avec la méthode d’alignement proposée par Zhang apporte une amélioration
visible du résultat de recalage des contours comme l’illustre la figure 5.2.3. La
méthode morphing par level set permet d’affiner le résultat tandis que l’étape
d’alignement sert à rapprocher la courbe source de la courbe destination tout
en évitant des appariements multiples incohérents, caractérisés généralement
par des agglomérations de liens sur les mêmes points.
La FIG. 5.15 présente le résultat de la méthode d’appariement des contours
endocardiques et épicardiques sur une séquence IRM entière. Cette méthode est
potentiellement capable d’évaluer les déformations des contours myocardiques
routine clinique parce qu’elle est complètement automatique et relativement
rapide. Avec un ordinateur standard équipé d’un processeur Pentium M 740 et
1Go de mémoire, la durée de d’appariement des contours endocardiques en 64
points sur une séquence de 20 images IRM sous matlab est de 3 minutes.
K. Benhajel [115] et Y. Chenoune [119] présentent dans leurs travaux de thèse
des méthodes permettant l’analyse de ces contours appariés. Leurs études sont
orientées sur l’évaluation des déformations segmentaires des contours
endo-cardiques. Dans le chapitre suivant, nous proposons une méthode
d’estima-tion des déformad’estima-tions locales du VG qui utilise les vitesses des contours
endo-cardiques et épiendo-cardiques obtenues par la méthode de mise en correspondance,
pour contraindre une méthode d’estimation du Flot optique.
Fig. 5.14 – Appariement des contours endocardiques. (a) Deux images
d’-une séquence IRM avec la représentation des contours extraits, (b) résultat de
l’appariement obtenu sans alignement préalable et (c) résultat de l’appariement
obtenu avec l’étape d’alignement.
Champ de vitesse du Ventricule
Gauche
Dans le chapitre précédent nous avons déterminé la vitesse des contours
endocardiques et épicardiques par appariement. De cette vitesse, on peut déjà
déduire quelques mesures globales de la contractilité du VG telles que le
rac-courcissement circonférentiel, la fraction d’éjection et la torsion des contours
(voir [115]).
Pour calculer les déformations locales et les déformations dans une direction
donnée il faudra également disposer du champ de vitesse en tout point du
my-ocarde.
Ce chapitre a donc pour objectif de présenter les méthodes d’évaluation du
champ de vitesse intra-myocardique utilisées. Dans cette thèse, nous avons
utilisé et amélioré la méthode d’estimation du flot optique de Horn et Schunck
et testé la méthode d’interpolation par plaques minces.
La première section de ce chapitre décrit notre méthode d’estimation du champ
de vitesse, que nous appelons Flot optique contraint puis nous présentons la
méthode d’interpolation par plaques minces. Nous montrons ensuite comment
sont validés les champs de vitesse estimés. Enfin, la dernière section regroupe
les résultats obtenus.
6.1 Flot Optique Contraint
Le flot optique contraint que nous proposons dans ce travail dérive du flot
optique de Horn & Schunck dont le principe est fondé sur la conservation
temporelle du niveau de gris de l’image [120, 121]. En effet, si l’on note
respec-tivement parI
x,I
yetI
tles dérivées partielles en x,y et par rapport au temps
du niveau de gris de l’imageI, la conservation de l’intensité peut être formulée
en minimisant la dérivée particulaire de l’intensité de l’image, c’est à dire :
dI
dt =I
x.u+I
y.v+I
t= 0, (6.1)
où u=dx/dt et v =dy/dt désignent les composantes horizontale et
verti-cale de la vitesse que nous recherchons. On a alors deux inconnues pour une
seule équation. Le problème est donc mal posé et peut avoir plusieurs
solu-tions. En effet, l’équation (6.1) se voit être une contrainte sur la projection de
la vitesse dans la direction du gradient de l’image :
∇I. u
v
!
=−I
t(6.2)
Afin d’obtenir une solution unique, une contrainte supplémentaire est
néces-saire. Horn et Schunck ajoutent alors une contrainte de régularité spatiale en
minimisant l’expression suivante :
infk∇uk
2+k∇vk
2(6.3)
Donc la fonctionnelle à minimiser est de la forme :
E
HS=
Z Z
I
x.u+I
y.v+I
t+
k∇uk
2+k∇vk
2dxdy (6.4)
Avec ces contraintes, la solution offerte par Horn et Schunck ne sera donc
correcte que si le champ de gradient n’est pas uniforme, autrement dit l’image
doit être texturée.
protocole d’acquisition Balanced SSFP (steady state free precession). La
par-ticularité de cette technique est d’être en mesure de récupérer aussi bien les
signaux du tissu myocardique que les signaux émis par la masse graisseuse et
les vaisseaux sanguins présents sur le cœur. La connaissance de la présence
de ces différents types de tissus sur nos séquences IRM nous conduit alors à
utiliser la méthode du flot optique.
Toutefois, dans ce travail nous améliorons la méthode standard en forçant le
flot optique à prendre une valeur fixe et connue en certains points de l’image.
Ces vitesses fixées sont celles d’un échantillon de points appartenant aux
con-tours endocardiques et épicardiques, obtenues par la méthode d’appariement
présentée au chapitre précédent.
On les introduit dans le schéma itératif de résolution du flot optique (Gauss
Seidel voir Annexe B) par l’intermédiaire de la combinaison linéaire suivante :
u
v
!
=α(i, j) u
HSv
HS!
+ (1−α(i, j)) u
cv
c!
(6.5)
Où (u
HS, v
HS) désigne le vecteur vitesse standard et (u
c, v
c) la vitesse
éparse des contours myocardiques.
L’effet de la correction est pondéré par le coefficient α dont la valeur est
égale à 1 ou 0 selon l’emplacement des pixels :
α(i, j) =
0 si (i, j)est un point où la vitesse est connue
1 sinon (6.6)
Comme toutes les méthodes différentielles, le FOC (Flot Optique
Con-traint) peut rencontrer des limitations sur des séquences cardiaques avec des
déplacements de grande amplitude. La solution que nous proposons ici pour
surmonter cet inconvénient est de combiner l’algorithme du FOC avec une
procédure multi-résolution de compensation des grands mouvements. En effet,
nous estimons d’abord le champ de vitesse sur les images à la résolution la
plus faible en initialisant le flot optique par un champ nul. Lorsque
l’estima-tion à basse résolul’estima-tion est effectuée, le champ de vitesse obtenu est interpolé
à la résolution supérieure pour y devenir le champ initial du flot optique. La
démarche est répétée jusqu’à la résolution la plus élevée. Cette approche
per-met l’obtention de résultats satisfaisants à la fois en terme de rapidité et de
précision parce que le champ initial est déjà proche du champ estimé.
L’utilisation du Flot Optique sur une séquence bruitée est discutable,
puis-que l’hypothèse sur la conservation du niveau de gris n’est peut être plus
re-spectée. Nous avons donc comparé les résultats obtenus à ceux d’une approche
qui évalue uniquement le champ de vitesse par interpolation sans utiliser
l’in-formation apportée par le niveau de gris des pixels de l’image. La méthode
d’approximation par plaques minces choisie est présentée dans la section
suiv-ante.
Dans le document
Estimation des déformations du ventricule gauche sur des séquences ciné-IRM non-marquées
(Page 89-95)