Descripteurs locaux pour la détection de structures musculo-squelettiques en Imagerie par Résonance Magnétique

Benjamin GILLES
Gérard SUBSOL

LIEU

Le stage se déroulera au LIRMM dans l'équipe ICAR, spécialisée en modélisation 3d et en traitement d'images.

PRE-REQUIS

Informatique : programmation C++, traitement d'images
Mathématiques : statistiques
Intérêt pour la médecine numérique

NOM DU PARCOURS

Tous parcours

CONTEXTE

La création de modèles anatomiques spécifiques au patient de manière fiable et automatique est aujourd'hui un défi majeur pour la médecine numérique [1]. Les domaines d'applications de ces modèles vont du diagnostic (détection de pathologies, mesures quantitatives, études comparatives), au traitement (planning chirurgical, suivi per-opératoire, stimulation electro- physiologique), en passant par la formation médicale (atlas numérique, simulateurs chirurgicaux). Nous nous intéressons ici à la modélisation du système musculo-squelettique composé des os, des muscles, des tendons, des ligaments et des cartilages. Les troubles liées à ce système (TMS) sont parmi les pathologies les plus répandues à l'heure actuelle (cf. arthrose). L'analyse automatique d'images médicales du système musculo-squelettique est un problème difficile et non résolu à cause de la complexité des données (bruits, contrastes intra et inter tissus, basse résolution, vues partielles) et de l'anatomie sous-jacente (nombreux organes inter-reliés, et en contact, grande variabilité anatomique, grandes déformations).

Des études sur le recalage d'images du patient sur des images de référence ont montré la possibilité d'extraire le contour des os et des muscles [2,3]. Cependant, ces méthodes sont très sensibles aux variations de contrastes entre les deux, par exemple lorsque différentes modalités ou agents de contraste sont utilisées. De plus, ces méthodes reposent sur un forte information géométrique a priori, ce qui ne permet pas d'extraire les tissus ou les paramètres présentant une forte variabilité géométrique entre individus et/ou dans le temps (comme par exemple, les tissus aponévrotique, les angles de pennation ou certaines pathologies). Dans ce cadre, il parait nécessaire d'étudier des algorithmes de plus bas niveau permettant une pre-segmentation des images afin de mieux guider le recalage.




DESCRIPTION

Le but de ce stage est d'évaluer, de comparer et, dans une certaine mesure, d'étendre différents descripteurs utilisés classiquement en traitement d'images [4], dans le contexte de la segmentation d'images du système musculo-squelettique. En particulier, nous nous focaliserons sur les attributs multi-échelles invariants par rotation. Une base de données d'images segmentées sera utilisée l'évaluation et le paramétrage des descripteurs. Pour améliorer la détection, ces descripteurs "image" seront ensuite couplés à un modèle géométrique a priori.

REFERENCES

[1] Blemker, S.S., Asakawa, D.S., Gold, G.E., Delp, S.L. Image-based musculoskeletal modeling: Applications, advances, and future opportunities. Journal of Magnetic Resonance Imaging, vol 25, pp 441-451, 2007.

[2] B. Gilles, L. Revéret, D.K. Pai, Creating and animating subject-specific anatomical models, Computer Graphics Forum, Eurographics'11 29(8), pp 2340-2351, 2010

[3] B. Gilles, N. Magnenat-Thalmann, Musculoskeletal MRI segmentation using multi-resolution simplex meshes with medial representations, Medical Image analysis, 14(3), pp 291-302, 2010

[4] P.M. Roth & M. Winter. Survey of Appearance-Based Methods for Object Recognition, Technical Report ICG-TR-01/08, 2008