Information fusion and image segmentation based on belief function theory: Application to multi-tracer PET medical imaging
Fusion d'informations et segmentation d'images basées sur la théorie des fonctions de croyance : Application à l'imagerie médicale TEP multi-traceurs
Résumé
Multi-tracer Positron Emission Tomography (PET) functional imaging could have a prominent effect for the treatment of cancer by radiotherapy. PET images using 18Fluoro-Deoxy-Glucose (18 FDG), 18F-Fluoro-L Thymidine (18 FLT) and 18Fluoro-Misonidazole (18 FMiso) tracers are respectively indicators of glucose cell consumption, cell proliferation and hypoxia (cell lack of oxygen). The joint use of these three tracers could helps us to define sub-volumes lea- ding to an adequate treatment. For this purpose, it is imperative to provide a medical tool of segmentation and fusion of these images. PET images have the characteristic of being very noisy and having a low spatial resolution. These imperfections result in the presence of uncertain and imprecise information in the images respectively. Our contribution consists in proposing a method, called EVEII for Evidential Voxel-based Estimation of Imperfect Information, based on belief function theory, for providing a reliable and accurate segmentation in the context of imperfect images. It also lies in proposing a method for the fusion of multi-tracer PET images. The study of EVEII on simulated images reveals that it is the best suited compared to other methods based on belief function theory, giving a good recognition rate of almost 100 % of pixels when the signal-to-noise ratio is greater than 2.5. On PET physical phantoms, simulating the characteristics of 18FDG, 18FLT and 18FMiso PET images, the results show that our method gives the better estimation of sphere volumes to segment compared to methods of the literature proposed for this purpose. On both lowly and highly noisy phantoms respectively, mean error bias of volume estimation are only of -0.27 and 3.89 mL, demonstrating its suitability for PET image segmentation task. Finally, our method is applied to the segmentation of multi-tracer PET images for three patients. The results show that our method is well suited for the fusion of multi-tracer PET images, giving for this purpose a set of parametric images for differentiating the different biological tissues.
L'imagerie fonctionnelle par Tomographie d'Émission de Positons (TEP) multi-traceurs pourrait avoir un rôle essentiel dans le traitement du cancer par radiothérapie externe. Les images TEP aux traceurs 18Fluoro-Déoxy-Glucose (18 FDG), 18F-Fluoro-L Thymidine (18 FLT) et 18Fluoro-Misonidazole (18 FMiso) sont respectivement témoins du métabolisme glucidique, de la prolifération cellulaire et de l'hypoxie (manque d'oxygénation des cellules). L'utilisation conjointe de ces trois traceurs pourrait permettre de définir des sous-volumes donnant lieu à un traitement particulier. À cet effet, il est impératif de mettre à la disposition du corps médical un outil de segmentation et de fusion de ces images. Les images TEP ont pour caractéristique d'être très bruitées et d'avoir une faible résolution spatiale. Ces imperfections ont pour conséquence respective d'induire la présence d'informations incertaines et imprécises dans les images. Notre contribution réside dans la proposition d'une méthode, nommée EVEII pour Evidential Voxel-based Estimation of Imperfect Information, basée sur la théorie des fonctions de croyance, offrant une segmentation fiable et précise dans le contexte d'images imparfaites. Elle réside également dans la proposition d'une méthode de fusion d'images TEP multi-traceur. L'étude d'EVEII sur des images simulées a révélé qu'elle est la mieux adaptée comparée à d'autres méthodes basées sur la théorie des fonctions de croyance, en donnant un taux de bonne reconnaissance des pixels de près de 100 % lorsque le rapport signal-sur-bruit dépasse 2, 5. Sur les fantômes TEP physiques, simulant les caractéristiques des images TEP au 18 FDG, à la 18 FLT et au 18 FMiso, les résultats ont montré que notre méthode estime le mieux les volumes des sphères à segmenter comparé à des méthodes de la littérature proposées à cet effet. Sur les deux fantômes faiblement et fortement bruités respectivement, les biais moyens d'erreur d'estimation des volumes sont seulement de -0,27 et 3,89 mL, témoignant de sa pertinence à visée de segmentation d'images TEP. Enfin, notre méthode a été appliquée à la segmentation d'images TEP multi-traceurs chez trois patients. Les résultats ont montré que notre méthode est adaptée à la fusion d'images TEP multi-traceurs, offrant à cet effet un ensemble d'images paramétriques permettant de différencier les différents tissus biologiques.
Loading...