Traitement d’images IVUS dans le cadre d’une étude clinique

Il serait intéressant d’évaluer la performance de la méthode de segmentation par rapport à l’analyse manuelle des données IVUS dans le cadre d’une étude clinique. De nombreuses études utilisant l’IVUS ont tirés des conclusions sur différents traitements de l’athérosclérose à partir de mesures d’aire de contours tracés manuellement pour la lumière et du contour externe de la paroi vasculaire. Parfois, les séquences sont en- tièrement analysées manuellement, par exemple dans (Tardif et al., 2004), et d’autres études évaluent seulement un sous-ensemble d’images, par exemple une image par millimètre, tel que dans (Nissen et al., 2004). On pourrait vérifier que l’on peut obtenir les mêmes résultats avec des séquences d’images IVUS analysées de façon automa-

tisée. Le temps nécessaire à l’analyse des données serait alors un facteur important à comparer. Un tel projet requiert l’accès à une large base de données IVUS acquises lors d’une étude clinique qui inclut généralement plusieurs centaines de patients.

6.3 Conclusion

En traitement d’images, les méthodes de segmentation sont dédiées à des applica- tions précises, particulièrement en imagerie médicale. On s’entend généralement pour dire que les méthodes générales qui peuvent être appliquées à différents problèmes sans ajustements de paramètres, contraintes et autres ne sont pas pour un avenir proche. Jus- qu’à maintenant, les méthodes ayant obtenus du succès sont celles qui s’adressaient à un problème précis comme en témoigne les centaines de publications décrivant des méthodes de segmentation d’images médicales.

Une méthode de segmentation précise et nécessitant un minimum d’interactions de l’utilisateur a donc été élaborée dans le cadre du traitement d’images IVUS. Un meilleur outil de segmentation IVUS devrait faciliter l’utilisation de cette modalité en clinique et pour la recherche de traitement de la maladie cardiovasculaire occlusive.

6.4 Annexes

Des documents complémentaires et réalisés dans le cadre de cette thèse se re- trouvent en annexes :

• L’annexe I présente le brevet :

– Marie-Hélène Roy Cardinal, Guy Cloutier, Jean Meunier, Gilles Soulez et Éric Thérasse. Automatic Multi-Dimensional Intravascular Ultrasound Image Seg- mentation Method. 76 pages, USA (#10/579, 381), Canada (#2, 587, 417), Eu- rope (#04818371.9), Japon (#2006 − 538623)., brevet en instance déposé en novembre 2005.

• L’annexe II présente les articles de conférence suivants :

– Marie-Hélène Roy-Cardinal, Jean Meunier, Gilles Soulez, Éric Therasse et Guy Cloutier. Intravascular ultrasound image segmentation : A fast-marching method. Lecture Notes in Computer Sciences. Proccedings of MICCAI 2003 :

Medical Image Computing & Computer Assisted Intervention., volume 2879,

pages 432-439, 2003.

– Marie-Hélène Roy-Cardinal, Jean Meunier, Gilles Soulez, Roch L. Maurice, Éric Therasse et Guy Cloutier. Automatic 3D segmentation of intravascular ul- trasound images using region and contour information. Lecture Notes in Com-

puter Sciences. Proccedings of MICCAI 2005 : Medical Image Computing & Computer Assisted Intervention., volume 3749, pages 319-326, 2005.

– Marie-Hélène Roy-Cardinal, Marvin Doyley, Ebo Demuinck, John Robb, Jean Meunier et Guy Cloutier. Intracoronary 3D ultrasound image segmentation : application to pre- and post-intervention data. First MICCAI Workshop on

Computer Vision for Intravascular and Intracardiac Imaging (CVII)., pages

179-186, Copenhagen, Denmark, 2006.

– Marie-Hélène Roy-Cardinal, Gilles Soulez, Jean-Claude Tardif, Jean Meunier et Guy Cloutier. Multiscale optimization for the fast-marching segmentation of three-dimensional intravascular ultrasound images. Second MICCAI Work-

shop on Computer Vision for Intravascular and Intracardiac Imaging Work- shop (CVII)., pages 96-103, New York, USA, 2008.

• L’annexe III présente les permissions des éditeurs pour la reproduction des ar- ticles publiés.

S. P. Azen, W. J. Mack, L. Cashin-Hemphill, L. LaBree, A. M. Shircore, R. H. Selzer, D. H. Blankenhorn et H. N. Hodis. Progression of coronary artery disease predicts clinical coronary events. Long-term follow-up from the cholesterol lowering athe- rosclerosis study. Circulation, 93:34–41, 1996.

C. Berry, P. L. L’Allier, J. Grégoire, J. Lespérance, S. Levesque, R. Ibrahim et J.-C. Tardif. Comparison of intravascular ultrasound and quantitative coronary angiogra- phy for the assessment of coronary artery disease progression. Circulation, 115: 1851–1857, 2007.

M. Blomley, M. Claudon et D. Cosgrove. WFUMB safety symposium on ultrasound contrast agents : Clinical applications and safety concerns. Ultrasound in Medecine

and Biology, 33(2):180–186, 2007.

L. Boring, J. Gosling, M. Cleary et I. F. Charo. Decreased lesion formation inccr2-/- mice reveals a role for chemokines in the initiation of atherosclerosis. Nature, 93: 34–41, 1996.

E. G. P. Bovenkamp, J. Dijkstra, J. G. Bosch et J. H. C. Reiber. Multi-agent segmenta- tion of IVUS images. Pattern Recognition, 37:647–663, 2004.

A. W. Bradbury et D. J. Adam. Diagnosis of peripheral arterial disease of the lower limb. British Medical Journal, 334:1229–1230, 2007.

M. E. Brezinski, G. J. Tearney, B. E. Bouma, J. A. Izatt, M. R. Hee, E. A. Swanson, J. F. Southernand et J. G. Fujimoto. Optical coherence tomography for optical biopsy. Properties and demonstration of vascular pathology. Circulation, 93:1206–1213, 1996.

B. G. Brown et X.-Q. Zhao. Is intravascular ultrasound the gold standard surrogate for clinically relevant atherosclerosis progression ? Journal of the American College of

Cardiology, 49:925–932, 2007.

E. Brusseau, C. L. de Korte, F. Mastik, J. Schaar et A. F. W. van der Steen. Fully automatic luminal contour segmentation in intracoronary ultrasound imaging - a statistical approach. IEEE Transactions on Medical Imaging, 23(5):554–566, 2004. D. Böse, C. von Birgelen et R. Erbel. Intravascular ultrasound for the evaluation of therapies targeting coronary atherosclerosis. Journal of the American College of

Cardiology, 49(9):925–932, 2007.

C. B. Burckhardt. Speckle in ultrasound b-mode scans. IEEE Transactions on Sonics

and Ultrasonics, SU-25(1):1–6, 1978.

C. Burgstahler et S. Schroeder. Magnetic resonance imaging versus computed to- mography for the detection of coronary stenosis : Do we really have to focus on stenoses ? American Heart Journal, 93:1322–1324, 2007.

J. T. Bushberg, J. A. Seibert, E. M. L. Jr. et J. M. Boone. The Essential Physics of

Medical Imaging. Lippincott Williams & Wilkins, Philadelphia, PA, USA, second

édition, 2002.

V. Chalana et Y. Kim. A methodology for evaluation of boundary detection algorithms on medical images. IEEE Transactions on Medical Imaging, 16(5):642–652, 1997. K. N. Chaudhury et K. Ramakrishnan. Stability and convergence of the level set me-

thod in computer vision. Pattern Recognition Letters, 28:884–893, 2007.

B. Chiu, M. Egger, J. Spence, G. Parraga et A. Fenster. Quantification of carotid vessel wall and plaque thickness change using 3D ultrasound images. Medical Physics, 35 (8):3691–3710, 2008.

D. R. Coles, M. A. Smail, I. S. Negus, P. Wilde, M. Oberhoff, K. R. Karsch et A. Baum- bach. Comparison of radiation doses from multislice computed tomography coro- nary angiography and conventional diagnostic angiography. Journal of the American

College of Cardiology, 47(9):1840–1845, 2006.

R. Collins, J. Burch, G. Cranny, R. Aguiar-Ibáñez, D. Craig, K. Wright, E. Berry, M. Gough, J. Kleijnen et M. Westwood. Duplex ultrasonography, magnetic reso- nance angiography, and computed tomography angiography for diagnosis and as- sessment of symptomatic, lower limb peripheral arterial disease : Systematic review.

British Medical Journal, 334:1257–1265, 2007.

A. Colombo, P. Hall, S. Nakamura, Y. Almagor, L. Maiello, G. Martini, A. Gaglione, S. L. Goldberg et J. M. Tobis. Intracoronary stenting without anticoagulation accom- plished with intravascular ultrasound guidance. Circulation, 91:1676–1688, 1995. M. I. Cybulsky et M. A. Gimbrone Jr. Endothelial expression of a mononuclear leuko-

cyte adhesion molecule during atherogenesis. Science, 251:788–791, 1991.

G. Dai, M. R. Kaazempur-Mofrad, S. Natarajan, Y. Zhang, S. Vaughn, B. R. Black- man, R. D. Kamm, G. García-Cardeña et M. A. Gimbrone Jr. Distinct endothelial phenotypes evoked by arterial waveforms derived from atherosclerosis-susceptible and -resistant regions of human vasculature. Proceedings of the National Academy

of Sciences, 101(41):14871–14876, 2004.

A. P. Dempster, N. M. Laird et D. B. Rubin. Maximum likelihood from incomplete data via the EM algorithm. Journal of the Royal Statistical Society B, 39(1):1–38, 1977.

F. Destrempes, J. Meunier, M.-F. Giroux, G. Soulez et G. Cloutier. Segmentation in ultrasonic b-mode images of healthy carotid arteries using mixtures of nakagami

distributions and stochastic optimization. IEEE Transactions on Medical Imaging, DOI : 10.1109/TMI.2008.929098, 2008.

J. Dijkstra, G. Koning et J. H. C. Reiber. Quantitative measurements in IVUS images.

International Journal of Cardiac Imaging, 15:513–522, 1999.

V. Dutt et J. F. Greenleaf. Statistics of the log-compressed echo envelope. Journal of

the Acoustical Society of America, 99(6):3817–3825, 1996.

A. J. Edwards, I. P. Wells et C. A. Roobottom. Multidetector row ct angiography of the lower limb arteries : A prospective comparison of volumerendered techniques and intra-arterial digital subtraction angiography. Clinical Radiology, 60:85–95, 2005. M. Egger, J. Spence, A. Fenster et G. Parraga. Validation of 3D ultrasound vessel wall

volume : An imaging phenotype of carotid atherosclerosis. Ultrasound in Medecine

and Biology, 33(6):905–914, 2007.

T. Eltoft. The rician inverse gaussian distribution : A new model for non-rayleigh signal amplitude statistics. IEEE Transactions on Image Processing, 14(11):1722– 1735, 2005.

N. Forcadel, C. Le Guyader et C. Gout. Generalized fast marching method : Applica- tions to image segmentation. Numerical Algorithms, 48:189–211, 2008.

J. Fromageau, Y. Saijo, R. L. Maurice, M.-H. Roy Cardinal et G. Cloutier. IVUS elas- tography of complex human coronary plaques treated by directional atherectomy : Technical issues and preliminary clinical results. Dans Computer Vision in Intravas-

cular and Intracardiac Imaging Workshop (CVII)., pages 88–95, New York, USA,

2008.

G. D. Giannoglou, Y. S. Chatzizisis, V. Koutkias, I. Kompatsiaris, M. Papadogiorgaki, V. Mezaris, E. Parissi, P. Diamantopoulos, M. G. Strintzis, N. Maglaveras, G. E.