Recalage Ciné-IRM et LGE-IRM

Bien que les séquences Ciné-IRM et LGE-IRM soient acquises durant le même examen, des décalages peuvent-être observés entre les images. Cela est dû à des mouvements du patient entre les acquisitions et à la différence d’ouverture de la cage thoracique entre deux apnées distinctes. Ainsi, un recalage entre les séquences Ciné-IRM et LGE-IRM est nécessaire.

2.3.2.a Méthodes de la littérature

La littérature contient quelques stratégies pour résoudre ce problème. [Chenoune et al. 2010] présente un recalage rigide en utilisant une NMI pour aligner les deux images. [Wei et al. 2011] présente une méthode pour propager la segmentation de la séquence Ciné-IRM vers la séquence LGE-IRM. L’alignement est réalisé avec un recalage rigide utilisant une NCC comme métrique, suivi d’un recalage élastique, nécessaire ici pour avoir une bonne correspondance voxel à voxel dans la propagation de la segmentation. Enfin [Tao et al. 2015], avec le même objectif, réalise un recalage rigide utilisant l’information mutuelle de Mattes comme métrique [Mattes et al. 2001]. Dans ce dernier article, est évoqué l’impact de l’intensité élevée de la cage thoracique perturbant le succès du recalage dans le cas de deux ouvertures différentes de la cage pendant l’apnée. Pour résoudre ce problème, une région d’intérêt est utilisée à partir d’une segmentation préalable du VG sur la séquence Ciné-IRM. Ainsi, la métrique se base sur des voxels du cœur, et non de la cage thoracique. Un exemple est visible sur la figure 2.12, avec un recalage de toute l’image qui entraîne un mauvais alignement du cœur.

2.3. Recalages

(a) Méthode de la littérature (b) Méthode proposée

Figure 2.11 – Résultats comparés du recalage Ciné-IRM avec un CT champ large : échec sur la méthode de la littérature ; erreur de 2.28 mm par la méthode proposée. Vue dans un orientation SAX. A : Ciné-IRM ; B : CT .

2.3.2.b Méthode Proposée

La proposition est ici de reprendre une région d’intérêt pour éviter la dérive du recalage. Cette région, définie sur la séquence Ciné-IRM uniquement, est construite à partir de la méthode présentée dans la section 2.3.1.b. Ainsi, le calcul de la métrique se fait sur les voxels correspondant au cœur et son voisinage, et non sur des voxels de la cage thoracique.

De façon à inclure les alentours de la structure à recaler, la région d’intérêt considérée est le plus petit rectangle contenant le résultat de la méthode de détection du cœur sur la séquence Ciné-IRM. Ce recalage est à nouveau un recalage rigide, utilisant la NMI comme métrique. Lors de ce recalage, la transformation est initialisée à l’identité, étant donné que les deux images sont décalées seulement d’un léger mouvement du patient.

Le recalage est réalisé en utilisant l’information mutuelle de Mattes comme métrique [Mattes et al. 2001], avec un nombre d’échantillons représentant 5% du nombre de voxels de l’image la moins définie, soit 20 000 échantillons en moyenne. L’optimisation est réalisée à l’aide d’une descente de gradient stochastique adaptative. Les paramètres de rotation, en radian, font lors de la régression des pas multipliés par un facteur 10−5 en comparaison de la translation, exprimée en millimètres.

Chapitre 2 – Analyse préopératoire : Méthodes

(a) Avant recalage (b) Après recalage

Figure 2.12 – Illustration du mauvais alignement du cœur résultant de l’alignement de la cage thoracique.

Tableau 2.3 – Répartition des cas dans les différentes classes selon l’utilisation ou non d’une région d’intérêt

Cas _{Nombre/Pourcentage}^{Recalage Sans ROI} _{Nombre/Pourcentage}^{Recalage Avec ROI}

Succès 11 / 37% 22 / 76%

Amélioré 5 / 17% 4 / 14 %

Inchangé 3 / 10% 3 / 10 %

Dégradé 10 / 34% 0 / 0%

2.3.2.c Résultats

La cohorte de test compte 29 patients, et est décrite en annexe A.3.

Quatre classes de résultats de recalage ont été observées par rapport à l’alignement initial selon une appréciation qualitative visuelle :

Succès L’alignement entre les deux images est parfait après recalage

Amélioré L’alignement entre les deux images est meilleur après recalage, mais perfectible Inchangé L’alignement entre les deux images est inchangé après recalage

Dégradé L’alignement entre les deux images est moins bon après recalage Ces différents cas peuvent être observés sur la figure 2.13.

Les résultats sont ici exprimés en termes de nombre d’éléments dans chaque classe de résultats. Des exemples d’améliorations dans le résultat du recalage entre les deux configurations, avec et sans région d’intérêt (ROI), sont visibles pour deux patients sur la figure 2.14. Les résultats sont synthétisés dans deux tableaux. Le tableau 2.3 montre la répartition des patients dans les 4 classes de recalage. Le tableau 2.4 montre l’évolution du nombre de cas dans chaque classe entre les deux configurations, sans et avec région d’intérêt.

Ainsi, l’application d’une région d’intérêt pour l’estimation de la métrique réduit le nombre de cas Dégradé à zéro, rejoignant le premier objectif visé. En sus, le nombre de Succès a doublé.

Concernant les évolutions, aucune dégradation des résultats n’a été observée suite à l’ajout de la ROI. Les classes Amélioré et Inchangé ont conduit à des Succès. Les résultats Inchangé

2.3. Recalages

Avant Recalage Après Recalage

(a) Succès

(b) Amélioré

(c) Inchangé

(d) Dégradé

Chapitre 2 – Analyse préopératoire : Méthodes

Alignement avant Recalage

Configuration sans ROI

Configuration avec ROI

(a) Patient 1 (b) Patient 2

Figure 2.14 – Résultats comparés du recalage LGE-IRM/Ciné-IRM sur deux patients, avec et sans ROI pour le calcul de la métrique

2.3. Recalages

Tableau 2.4 – Évolution de la répartition dans les différentes classes entre la configuration estimant la métrique sur toute l’image, et la configuration estimant la métrique dans la ROI

a a a a a a a a a a_a Classes Sans ROI Devenues

Avec ROI Succès Amélioré Inchangé Dégradé

Succès 11 0 0 0

Amélioré 5 0 0 0

Inchangé 3 0 0 0

Dégradé 3 4 3 0

(a) Patient 1, LGE-IRM (b) Patient 2, LGE-IRM Figure 2.15 – Images conduisant à la classe Inchangé

et Amélioré avec la ROI sont issus de la classe Dégradé. Cela est imputé à des images IRM de particulièrement mauvaise qualité, comme visible sur la figure 2.15.

Ainsi, l’utilisation d’une ROI, basée sur le travail proposé dans la section 2.3.1.b, permet d’améliorer les performances du recalage LGE-IRM/Ciné-IRM.