Utilisation des logiciels de référence

Une fois la méthodologie de test établie, il fallait tester la performance des mé- thodes de base par les logiciels de référence. Le but était de confirmer l’intérêt du projet en démontrant que ces méthodes n’étaient pas outillées pour recaler des ven- tricules gauches sur des images d’émissions. Les méthodes de base et leur application sont expliquées à la sectionB.5.1et la méthodologie de test est expliquée à la section B.6.

Pour les deux logiciels, le recalage sans l’utilisation de masque produisait des résul- tats instables. Dans plusieurs cas, la distance entre les deux ventricules ne diminuait pas si l’effet dû à l’initialisation par centre de masse des images était enlevé. Certains présentaient des dégradations dans la distance. L’orientation des images était à peine modifiée pour la majeure partie des images. Ces résultats sont peut-être dû à la pré- sence de minimum local induit par la présence de zone de forte intensité autre que le ventricule gauche. Cette hypothèse est appuyée par le résultat du recalage entre les

deux images TEP qui met en correspondances les vessies.

Pour les deux logiciels, le recalage avec l’utilisation de masque produisait des résultats instables pour la métrique d’orientation et proche de la vérité terrain pour la métrique de distance. Toutefois, les succès pour la métrique de distance sont surtout dû à l’initialisation par centre des masses des masques qui donne une correspondance des centres de ventricule gauche quasi optimal. L’impacte du recalage sur la métrique de distance est difficile à isoler dû à cette quasi optimalitée. Malgré ces résultats encourageants, la métrique d’orientation montre que le recalage fait que très peu de progrès dans ce sens et même l’empire.

À ce stade du projet, le problème de générer des masques a été laissé de côté et les efforts ont été concentrés sur améliorer le recalage pour l’orientation lors de l’utilisation de masque.

La première hypothèse était que la fonction objectif actuelle n’était pas en mesure de percevoir cette caractéristique de l’image. Les approches tentées sont de prémulti- plier les images afin d’augmenter la magnitude du contraste et de modifier les options des logiciels de références. Les modifications faites ont été de changer la métrique "Cross corrélation" pour la métrique "Mutual Information", le nombre d’itérations, le nombre de niveaux sous-échantillonnage et le type de lissage utilisé à chaque ni- veau. L’impact de ces approches a été testé avec les deux métriques présentées dans la section B.6.2. Aucune amélioration significative n’a été constatée pour l’ensemble des variantes testées. A posteriori, il aurait été judicieux d’évaluer la variation de la fonction objectif selon la différence d’orientation perçue par la métrique. Cette idée aurait permis de confirmer, ou d’infirmer que la métrique perçoit que la correspon- dance de l’orientation des deux images est la meilleure solution. Cette idée doit être appliquée en utilisant, le mieux possible, un centre de rotation qui correspond au centre du ventricule gauche afin d’éviter l’impact de la correspondance des centres de ventricules.

Suite à quelques tests préliminaires, la possibilité qu’un centre de rotation à l’ori- gine soit un choix sous-optimal semblait être une hypothèse viable.

Hypothèse :

– La distance entre le centre de rotation, qui est à l’origine, et le ventricule gauche entraîne que toute tentative d’améliorer l’orientation de l’image doit être com-

pensée par un vecteur de translation de grandes magnitudes dont la direction varie non-linéairement.

La métrique d’orientation présentée à la section B.6.2 a été utilisée pour valider cette hypothèse. Les tests montrent une certaine amélioration avec ce nouveau centre de rotation, mais celle-ci est trop faible pour démontrer que l’amélioration n’est pas un simple coup de chance.

Pour tenter de démontrer que le choix de centre de rotation était vital pour bien estimer les paramètres de rotation, des tests sur des images plus simples ont été faits. L’hypothèse était que la faible présence de structure dans les images d’émissions ne permettait pas d’exploiter optimalement un centre de rotation plus proche de la région d’intérêt. Le premier test était deux images de voiture en deux dimensions. Quel que soit le centre de rotation, ANTs a été capable de mettre en correspondance l’orienta- tion des deux images. Le deuxième test portait sur deux images de segmentation de ventricule gauche. Encore là, les deux possibilités de centre de rotation ont produit des résultats satisfaisants. Les deux images TEP, seuls cas réels où le coeur n’est pas trop proche d’une autre zone de haute intensité, consistaient le troisième test. L’orientation d’une d’elles a été modifiée pour augmenter l’erreur sur l’orientation. L’axe de rotation était l’axe axial pour éviter de modifier la forme cylindrique de l’image. Cette fois-ci, les deux choix n’ont pas permis de trouver la bonne orienta- tion selon la métrique. Cependant, après analyse visuelle, il semblerait que l’erreur soit dans l’axe qui correspond à l’orientation du ventricule droit selon le ventricule gauche. Or, le ventricule devrait être quasi invisible pour une méthode de base, alors se résultat est peut-être normal. Bref, les tests n’ont pas mis en évidence l’impact du centre de rotation pour évaluer l’erreur d’orientation.

Deux idées intéressantes ont été retenues pendant les différents tests, mais n’ont pas pu être testées pendant ce projet. Les voici :

– Utiliser le centre de masse comme centre de rotation. Celui-ci est généralement beaucoup plus proche du centre de la région d’intérêt que le point d’origine de l’image. Il représente un meilleur estimé et il ne demande pas de connaître la position du ventricule gauche.

– Appliquer les logiciels de référence sur des images modifiées avec des filtres spé- cialement choisis pour mettre en évidence le ventricule gauche. Par exemple, un

Laplacien et la différence de gaussienne.