Automatic detection and quantification of evolving processes in 3D medical images: application to multiple sclerosis
Détection et quantification automatiques de processus évolutifs dans des images médicales tridimensionnelles : application à la sclérose en plaques
Résumé
The study of evolving processes over time, for instance multiple sclerosis lesions, is often considerably helpful in diagnosis. It can either be used for patient follow-up to watch over the pathology evolution or to study the effect of a new drug. Our work has first dealt with choosing and applying preprocessings on time series of images acquired with magnetic resonance imaging techniques (MRI) of multiple sclerosis patients; this is necessary when one wants to conduct an automatic temporal analysis. Then we have been able to develop methods of detection and quantification of evolving areas in these images. A first study is based on the comparison between two images using an apparent displacement field from one image to another. This vector field can be analysed with differential operators such as the Jacobian. It is also possible to extract a segmentation of evolving areas in 3D+t with such an analysis. With this approach, each point is supposed to have a given intensity, and to have an apparent move. A second study consists in achieving a retrospective statistical analysis on a whole image series (typically more than ten), based on a parametrical model of evolving area. In our case, we detect the points with an intensity variation over time that is significantly due to a lesion. The statistical methods we use make it possible to take into account the spatial cohenrence of images. For this second approach, each point is supposed to be fixed with a changing intensity over time. This work has been achieved with several clinical partners to carry out an experimental study of our algorithms under the control of medical experts, but also to set up a clinical validation step.
L'étude des processus évoluant au cours du temps, comme les lésions de sclérose en plaques, peut dans certains cas être une aide considérable au diagnostic. Elle peut aussi servir au suivi d'un patient pour surveiller l'évolution de sa pathologie ou pour étudier les effets d'un nouveau traitement. Notre travail a tout d'abord consisté à choisir et à appliquer des prétraitements sur des séries d'images issues de l'imagerie par résonance magnétique (IRM) de patients atteints de sclérose en plaques ; ceci est nécessaire lorsqu'on veut mener une analyse temporelle automatique. Nous avons ensuite pu développer des méthodes de détection et de quantification des zones évolutives dans des ces images. Une première étude repose sur la comparaison de deux images en utilisant un champ de déplacements apparents d'une image vers l'autre. Ce champ de vecteurs peut être analysé par le biais d'opérateurs différentiels tels que le jacobien. Il est également possible d'extraire une segmentation des régions évolutives en 3D+t avec une telle analyse. Avec cette approche, on suppose que chaque point a une intensité fixe, et qu'il a un mouvement apparent. Une seconde étude consiste à mener une analyse statistique rétrospective sur une série complète d'images (typiquement plus de dix), en s'appuyant sur un modèle paramétrique de zone évolutive. Dans notre cas, les points dont la variation temporelle de l'intensité est significativement due à une lésion sont détectés. Les méthodes statistiques utilisées permettent de prendre en compte la cohérence spatiale des images. Pour cette seconde approche, on suppose que chaque point est immobile et que son intensité varie au cours du temps. Ces travaux ont été réalisés avec plusieurs partenaires cliniques afin de mener une étude expérimentale de nos algorithmes sous le contrôle d'experts médicaux, mais aussi d'entamer un travail de validation clinique.