• Augmenter la taille
  • Taille par défaut
  • Diminuer la taille

Analyse et traitement d'images multi modales et multi échelles

Envoyer Imprimer PDF

Cette section décrit les travaux de l'équipe concernant l'utilisation de méthodes de traitement et d'analyse d'images pour l'amélioration qualitative et quantitative des images médicales multi modales (TEP, TDM...) ainsi que l'analyse semi-automatique permettant la caractérisation des pathologies, notamment cancéreuses. L'objectif est de fournir aux cliniciens des indices plus complets, non biaisés, éventuellement inaccessibles à l'œil ou à l'analyse visuelle et manuelle, et d'accélérer les processus de diagnostic, de décision et d'évaluation thérapeutique.

La démarche commune à ces travaux est le développement innovant de techniques avancées, la validation rigoureuse de ces méthodologies sur des données synthétiques et simulées, et enfin sur données cliniques. Nous nous attachons également à démontrer l'impact des méthodes développées sur la pratique clinique, en montrant l'amélioration statistique obtenue sur des applications cliniques comme le diagnostic, la stratification thérapeutique, la dosimétrie en radiothérapie, l'évaluation précoce ou tardive de la réponse thérapeutique, dans différents modèles de cancer.

Travaux

 1. Filtrage du bruit
Ce travail consiste à implémenter des méthodes de traitement d'images fondées sur l'utilisation de transformations spatio-fréquentielles, notamment les ondelettes, les curvelets ou les contourlets, afin de définir des filtre optimisés pour réduire le bruit dans les images d'émission (TEP, TEMP) tout en limitant au maximum l'impact qualitatif et quantitatif sur les images, c'est-à-dire préserver au mieux l'information originale dans les images, notamment la résolution spatiale et les contrastes entre les tissus.

Illustration_debruitage

A. Le Pogam, et al, Denoising of PET images by combining wavelets and curvelets for improved preservation of resolution and quantitation, Medical Image Analysis 2013; in press

 2. Correction d'effets de volume partiels
Ce travail consiste en l'implémentation et l'étude de l'impact clinique de méthodes dédiées à la correction des effets de volume partiels, résultants de la résolution spatiale limitée en imagerie d'émission (TEP et TEMP). Plusieurs méthodes ont été développées, la première consiste en une déconvolution itérative de la réponse impulsionnelle du système, améliorée par une technique de débruitage (voir ci-dessus) permettant une déconvolution sans augmentation du bruit. La deuxième approche consiste à exploiter les détails et l'information contenus dans les images anatomiques (TDM, IRM) associées, et les injecter dans l'image fonctionnelle à corriger. Cette méthode, à l'origine 2D et fonctionnant de façon globale, a depuis été améliorée en une approche 3D et locale.

Illustration_PVC

N. Boussion, et al, Incorporation of wavelet based denoising in iterative deconvolution for partial volume correction in whole body PET imaging, European Journal of Nuclear Medicine and Molecular Imaging 2009;36(7):1064-75.

N. Boussion, et al, A multiresolution image based approach for correction of partial volume effects in emission tomography, Physics in Medicine and Biology 2006;51(7):1857-1876.

A. Le Pogam, et al, Evaluation of a 3D local multi-resolution algorithm for the correction of partial volume effects in positron emission tomography, Medical Physics 2011;38(9):4920-4933.

 3. Segmentation d'images
La majeure partie de ce travail a été dédié à la segmentation d'images d'émission pour la définition des volumes métaboliques actifs des tumeurs en oncologie et pour la planification en radiothérapie externe. Les méthodes développées ont été fondées sur des approches statistiques de segmentation d'images combinées avec une modélisation floue, afin d'être robustes au bruit et précises malgré les effets de volume partiels rendant floues les frontières entre tissus.

Illustration_segmentation

M. Hatt, et al, A fuzzy locally adaptive Bayesian segmentation approach for volume determination in PET, IEEE Transactions on Medical Imaging 2009;28(6):881-893.

M. Hatt, et al, Accurate automatic delineation of heterogeneous functional volumes in positron emission tomography for oncology applications, International Journal of Radiation Oncology Biology Physics 2010;77(1):301-308.

M. Hatt, et al, Reproducibility of 18F-FDG and 3'-Deoxy-3'-18F-Fluorothymidine PET Tumor Volume Measurements, Journal of Nuclear Medicine 2010;51(9):1368-1376.

M. Hatt, et al, PET functional volume delineation: a robustness and repeatability study, European Journal of Nuclear Medicine and Molecular Imaging 2011;38(4):663-672

M. Hatt, et al, Impact of tumor size and tracer uptake heterogeneity in 18F-FDG PET and CT Non-Small Cell Lung Cancer tumor delineation, Journal of Nuclear Medicine 2011;52(11):1690-7.

 4. Analyse de textures
Ces travaux ont consisté en le développement de techniques d'analyse d'images permettant la caractérisation locale, régionale et globale de la distribution spatiale du radiotraceur au sein d'un volume pré déterminé (par exemple une tumeur ou un organe), sur les images d'émission (TEP ou TEMP). L'analyse de textures permet la caractérisation de cette hétérogénéité tumorale à différents niveaux, dont certains inaccessibles à l'œil humain. La capacité de caractérisation de l'hétérogénéité multi échelle a également trouvé un intérêt clinique notamment dans la prédiction de la réponse à une dose homogène en radiothérapie.

F. Tixier, et al, Reproducibility of tumor uptake heterogeneity characterization through textural feature analysis in 18F-FDG PET imaging, Journal of Nuclear Medicine 2012;53(5):693-700

M. Hatt, et al, Robustness of intra-tumor 18F-FDG PET uptake heterogeneity quantification for therapy response prediction in esophageal carcinoma, European Journal of Nuclear Medicine and Molecular Imaging 2013: in press

 5. Fusion d'images

 L'objectif de ce travail est de développer des méthodes permettant la prise en compte simultanée de plusieurs volumes d'images plutôt que la combinaison a posteriori d'analyses indépendantes. Les premiers résultats de ces travaux ont été le développement de méthodes de fusion d'information permettant la caractérisation voxel à voxel de l'évolution de volumes tumoraux au cours du traitement, ou de tumeurs en imagerie multi traceurs.

 S. David, et al, Image change detection using paradoxical theory for patient follow-up quantitation and therapy assessment, IEEE Transactions on Medical Imaging 2012;in press.

S. David, et al, Multi observation PET image analysis for patient follow-up quantitation and therapy assessment, Physics in Medicine and Biology 2011;56(18):5771-88.

6. Impact clinique: suivi thérapeutique, prédiction de la réponse, impact dosimétrique en radiothérapie externe

L'objectif est ici d'évaluer l'impact clinique potentiel des méthodes développées dans des applications concrètes comme la prise en charge personalisée des patients en oncologie ou la définition des cibles tumorales en radiothérapie externe pour une dosimétrie optimisée.

Illustration_impact

M. Hatt, et al, Prognostic value of 18F-FDG PET image-based parameters in œsophageal cancer and impact of tumour delineation methodology, European Journal of Nuclear Medicine and Molecular Imaging 2011;38(7):1191-1202.

M. Hatt, et al, Baseline 18F-FDG PET image derived parameters for therapy response prediction in œsophageal cancer, European Journal of Nuclear Medicine and Molecular Imaging 2011;38(9):1595-1606.

F. Tixier, et al, Intra-tumor heterogeneity characterized by textural features on baseline 18F-FDG PET images predicts response to concomitant radio-chemotherapy in esophageal cancer, Journal of Nuclear Medicine 2011;52(3):369-378.

M. Hatt, et al, Impact of partial volume effects correction on the predictive and prognostic value of baseline 18F-FDG PET images in esophageal cancer, Journal of Nuclear Medicine 2012;53(1):12-20.

M. Hatt, et al, Comparison of different methods of incorporating respiratory motion for lung cancer tumor volume delineation on PET images: a simulation study, Physics in Medicine and Biology 2012;57(22);7409-7430

A. Le Maitre, et al, Impact of the accuracy of automatic tumour functional volume delineation on radiotherapy treatment planning, Physics in Medicine and Biology 2012;57(17):5381-5397

M. Hatt, et al, Early prediction of pathological response in locally advanced rectal cancer based on sequential 18F-FDG PET, Acta Oncologica 2012;52(3):619-626

M. Hatt, et al, Comparison between 18F-FDG PET image derived indices for early prediction of response to neoadjuvant chemotherapy in breast cancer, Journal of Nuclear Medicine 2013;54(3):341-349.

D. Groheux, et al, Estrogen receptor-positive/HER2-negative breast tumors: Early prediction of chemosensitivity with 18F-FDG PET/CT during neoadjuvant chemotherapy, Cancer 2013;109(11);1960-1968

 

Mise à jour le Mardi, 02 Juillet 2013 13:22