EP3523778A1 - Method and device for processing at least one image of a given part of at least one lung of a patient - Google Patents

Method and device for processing at least one image of a given part of at least one lung of a patient

Info

Publication number
EP3523778A1
EP3523778A1 EP17777294.4A EP17777294A EP3523778A1 EP 3523778 A1 EP3523778 A1 EP 3523778A1 EP 17777294 A EP17777294 A EP 17777294A EP 3523778 A1 EP3523778 A1 EP 3523778A1
Authority
EP
European Patent Office
Prior art keywords
lung
histogram
threshold
images
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
EP17777294.4A
Other languages
German (de)
French (fr)
Inventor
Guillaume CHASSAGNON
Marie-Pierre REVEL
Stéphane CHEMOUNY
Amandine RENÉ
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Assistance Publique Hopitaux de Paris APHP
Universite Paris Cite
Intrasense SA
Original Assignee
Assistance Publique Hopitaux de Paris APHP
Universite Paris 5 Rene Descartes
Intrasense SA
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Assistance Publique Hopitaux de Paris APHP, Universite Paris 5 Rene Descartes, Intrasense SA filed Critical Assistance Publique Hopitaux de Paris APHP
Publication of EP3523778A1 publication Critical patent/EP3523778A1/en
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/54—Control of apparatus or devices for radiation diagnosis
    • A61B6/541—Control of apparatus or devices for radiation diagnosis involving acquisition triggered by a physiological signal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/162—Segmentation; Edge detection involving graph-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20072—Graph-based image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30061—Lung

Definitions

  • the present invention relates to a method and a device for treating at least one image of a given part of at least one lung.
  • the method according to the invention finds application in the monitoring of pathologies that induce diffuse dilation of the bronchi of the lungs. STATE OF THE ART
  • Cystic fibrosis is the most common inherited genetic disorder of the Caucasian population with an incidence of 1/4500. The life expectancy of patients has increased significantly since its description in 1938, now reaching a little over 40 years and, to date, the population of adults with cystic fibrosis is higher than that of children. Respiratory disease remains the most important cause of death. While the lungs of affected patients are almost free at birth, the increase in the viscosity of bronchial secretions causes their accumulation in the airways and the formation of mucous plugs, or mucoid impactions. Infections, and in particular chronic Pseudomonas aeruginosa infection, favored by defective mucociliary clearance, maintain and aggravate mucoid impactions and bronchial inflammation.
  • An object of the invention is to overcome at least one of the above drawbacks.
  • Segmentation of the cutting image (s) of the given part of the lung to produce a characteristic histogram of the pulmonary density of the given part of the lung, using the voxels of the cutting image or images, each voxel being associated at a given lung density,
  • the fact of making the threshold depend not only on the mode of the histogram but also on the standard deviation of the data of the histogram makes it possible to take into account the variations of the "spreading" of the histogram, these variations being related to the degree of inspiration). This makes it possible to increase the correlation between the automatic score obtained on the basis of this threshold and the FEV1 of the patient considered, and consequently the reliability of the automatic score.
  • FIG. 1 schematically represents an image acquisition and processing system according to one embodiment of the invention.
  • Figure 2 shows three histograms of pulmonary density relating to a patient with ordinate the number of voxels.
  • FIG. 3 is a flowchart of steps of an automatic image processing method according to one embodiment of the invention.
  • FIG. 4 is a correlation curve between the evolution of an automatic score making it possible to qualify the bronchial attack obtained by an automatic image processing method according to one embodiment of the invention, and the evolution of the expiratory volume in 1 second (FEV1) corresponding.
  • Figure 5 shows two pulmonary density histograms relating to a patient.
  • FIG. 6 is a curve of evolution over time of the value of dilation scores calculated for different patients by means of a treatment method according to a first embodiment of the invention
  • FIG. 7 is a curve of evolution over time of the value of dilation scores calculated for different patients by means of a treatment method according to a second embodiment of the invention.
  • a system comprises an image acquisition device 1 of a lung, and an image processing device 2.
  • the image acquisition device 1 is known from the state of the art; these measures
  • 1 is for example an X-ray scanner or a magnetic resonance imaging device (RM).
  • RM magnetic resonance imaging device
  • the image processing device 2 is configured to process images acquired by the device 1.
  • the image processing device 2 comprises a communication interface 4 with the acquisition device 1, a segmentation module 6, a processor 8, and a memory 10.
  • the communication interface 4 is adapted to receive images acquired by the acquisition device 1.
  • This communication interface 4 is for example wired or wireless type (Wi-Fi, etc.).
  • the devices 1 and 2 form two internal components of a single device.
  • the segmentation module 6 is configured to analyze the content of images provided by the acquisition device 1 and to extract certain information.
  • the segmentation module 6 is for example configured to run the Myrian® computer program or the Syngo.via® program, known from the state of the art. Other alternative segmentation programs known from the state of the art can be used by the segmentation module 6.
  • the processor 8 is configured to perform calculations based on such information.
  • the memory 10 is adapted to store images or calculation data produced by the segmentation module 6 and / or the processor 8.
  • the device 1 acquires at least one image of at least a given portion of at least one lung of a patient.
  • the one or more images have been acquired during inspiration of the patient. It will be seen in the following that this increases the reliability of the output data of the process.
  • the images are in section with a certain thickness; the images differ according to the cutting thickness considered for the images.
  • the images show all of the two lungs, or show one or more lobes of the lungs.
  • the images are of the tomodensitometric type. Alternatively, it could be used for the invention an MRI.
  • Each image received is typically in grayscale.
  • a pixel or voxel close to black is representative of a portion of the lung shown in this image which is sparse.
  • a pixel or voxel close to white is representative of a portion of the lung represented in this image which is very dense.
  • the plurality of 2D images forms a three-dimensional image comprising a plurality of voxels, each voxel relating to an elemental volume of the lung represented by the images.
  • each voxel of the plurality of images has a gray level; a voxel close to black is representative of an elementary volume of the lung which is not very dense, and, on the other hand, a voxel close to white is representative of a very dense elementary volume of the lung.
  • the segmentation module 6 segments the plurality of images it receives, so as to produce, on the basis of these images, a histogram characteristic of the lung density from the plurality of images.
  • the histogram is a curve taking on the abscissa a pulmonary density, expressed in units on the Hounsfield scale (UH), and on the ordinate a number of voxels.
  • the histogram indirectly enumerates, for each gray level represented in the image, the number of voxels of the plurality of images having this gray level.
  • FIG. 2 Three examples of characteristic pulmonary density histograms are shown in Figure 2. These three histograms correspond to three pluralities of images acquired in a patient without lung disease who had 3 scanners at 1 year intervals (CT1, CT2 and CT3). .
  • the modes associated with these three histograms are respectively -899 HU, -888 HU and -868 HU.
  • the histogram mode also called the dominant value, is the pulmonary density of the histogram associated with the largest number of voxels in this histogram. This mode is therefore indicative of the gray level that comes up most frequently in the plurality of images.
  • the mode is determined by the segmentation module 6 or the processor 8.
  • the processor calculates a pulmonary density threshold based on one or more characteristics of the histogram.
  • a first feature used by the method is the mode of the histogram.
  • the pulmonary density threshold may also depend on the standard deviation of the density values of the histogram which is a second characteristic used by the method.
  • the threshold is for example calculated as follows by the processor 8:
  • the threshold thus makes it possible to separate the voxels of the histogram into 2 groups.
  • N is in a range from 0 to 4 and the threshold is a high threshold. Very preferably, N is in a range from 1 to 3.
  • the threshold When N is strictly positive, the threshold is therefore a density value which is shifted to the right on the histogram; when N is strictly negative, the threshold is therefore a density value which is shifted to the left on the histogram and the threshold is a low threshold. In both cases, this threshold is therefore associated with a number of voxels less than the maximum of the histogram.
  • it is considered N positive and a lung volume whose density is located above this threshold.
  • This proportion of too dense lung which is a reflection of the proportion of sick lung, is obtained through the use of a personalized threshold calculated on the properties of the histogram of each examination.
  • This personalized threshold responds to the main problem encountered in CT quantification, which is the variability of the distribution of pulmonary densities according to the degree of inspiration, making the use of non-personalized thresholds inefficient.
  • the processor then calculates a ratio between the lung volume having a defined lung density relative to the calculated threshold and a total lung volume shown by the image.
  • the processor also determines, from the images of the lung, a lung volume having a lung density greater than or less than the calculated threshold.
  • the processor can count the total number of voxels in the part of the histogram to the right of the calculated threshold, and multiply this number by the elemental volume of a voxel.
  • the processor further determines a total volume of the lung shown by the plurality of images.
  • the processor can count the total number of voxels counted in the histogram, and multiply this number by the elementary volume of a voxel.
  • the processor then calculates a bronchial dilation score from the total volume and lung volume having a lung density greater than or less than the calculated threshold.
  • the calculated score is stored in the memory 10.
  • the score is calculated as follows:
  • score is calculated as follows: score
  • the development cohort is a multicenter cohort of patients followed longitudinally (at least 2 available examinations per patient, 40 scanners analyzed in total) with pre- and post-drug scans (ivacaftor) effective for the treatment of these patients with particular mutation: the G551 D mutation of the CFTR gene involved in cystic fibrosis.
  • the objective was to verify that the clinical and functional improvement under treatment was also observed with the dilation score obtained by the image processing method described above.
  • the second cohort is an independent mono-centric cohort corresponding to a group of patients evaluated at the Cochin hospital in Paris in 2013, as part of their follow-up every 2 years (53 patients).
  • FEV1 force expiratory volume in 1 second
  • FEV1 is a reference standard, recommended by both the Food and Drug Administration and the European Medicine Agency, to estimate the severity of CF in clinical research protocols.
  • Thresholds according to other embodiments of the invention, depending both on the mode of the histogram and also on the standard deviation of the data of the histogram
  • Table 1 also lists the correlation coefficient between the Brody I score and FEV1 (line 1 1).
  • the threshold depend on parameters specific to the person being examined, namely the mode and advantageously the standard deviation or standard deviation of the histogram, therefore makes it possible to take into account inter-patient variations (variations related to the degree of inspiration of patients) and variations in technical parameters.
  • the automatic score obtained on the basis of such an adaptive threshold remains correlated with FEV1. over time, even if the patient inspires differently or if the previously mentioned technical parameters change.
  • the fact of making the threshold depend not only on the mode of the histogram but also on the standard deviation of the data of the histogram makes it possible to take into account the variations of the "spreading" of the histogram, these variations being related to the degree of inspiration). This makes it possible to further increase the correlation between the automatic score obtained on the basis of this threshold and the FEV1.
  • Table 1 illustrates that the value of the correlation coefficients between the different bronchial dilation scores according to the embodiments of the invention (line 10) and the FEV1 are close to the correlation values between the Brody II score and FEV1 (line 1 1), regardless of the segmentation program used.
  • the automatic score obtained by the implementation of the image processing method described above is of equivalent relevance to that of the Brody II score, but much simpler to obtain than the latter.
  • Table 2 below does not study the correlation of instantaneous scores with FEV 1, as in Table 1, but the correlation of the variation of these same scores ( ⁇ score) over a 19-month follow-up period in average, with the change in FEV1 over the same period.
  • FIG. 4 there is a curve showing the correlation between the evolution of an automatic score obtained by the image processing method according to one embodiment of the invention and the evolution of FEV1.
  • Figure 5 shows two histograms relating to the same patient, but produced by the segmentation module 6 from images acquired respectively while the patient inspires, and while the patient expires. It can be seen that these two histograms are different. In particular, the histogram obtained from the inspiration images has a lower standard deviation than the histogram obtained from the expiration images.
  • the images are preferably acquired while the patient is inhaling. This makes it possible to improve the correlation between the automatic score obtained and the FEV1.
  • the segmentation implemented by the segmentation module and the calculations performed by the processor can be performed on the basis of a single image.
  • the score may also depend on coefficients associated with the segmentation program used. It turns out that the histograms produced by different segmentation programs are not perfectly identical; therefore, such coefficients can further increase the correlation between the automatic score obtained and FEV1.
  • the automatic score can be calculated not on the basis of a lung volume having a lung density greater than the calculated threshold, but on the basis of a lung volume having a density less than the calculated threshold. In this case, the lower the score, the less dense the patient's lung.
  • the automatic score can advantageously be used to measure a level of impairment of the patient to a pathology inducing a diffuse pathology of the bronchi of the lungs, such as cystic fibrosis or primary ciliary dyskinesia or diffuse postinfective or idiopathic bronchial dilations.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Pulmonology (AREA)
  • Physiology (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)

Abstract

The invention relates to a method for automatically processing at least one image slice of a given part of at least one lung of a patient suffering from a pathology that causes a bronchial infection by diffuse dilatation of the bronchial tubes of the lungs, the method comprising steps of segmenting (102) the at least one image slice of the given part of the lung, in order to produce a histogram characterising the pulmonary density of the given part of the lung, by means of the voxels of the at least one image slice, each voxel being associated with a given pulmonary density; calculating (104) a threshold, from the histogram, corresponding to a threshold pulmonary density, based on at least one characteristic of the histogram, a first characteristic being the mode of the histogram; determining (106) from the at least one image slice of the given part of the lung, a pulmonary volume having a pulmonary density higher or lower than the calculated threshold, corresponding to the sum of the voxels having a pulmonary density higher or lower than the calculated threshold; and calculating (110) an automatic score on the basis of the determined pulmonary volume, in order to monitor the evolution of the bronchial infection of the patient.

Description

Procédé et dispositif de traitement d'au moins une image d'une partie donnée d'au moins un poumon d'un patient  Method and device for treating at least one image of a given part of at least one lung of a patient
DOMAINE DE L'INVENTION FIELD OF THE INVENTION
La présente invention concerne un procédé et un dispositif de traitement d'au moins une image d'une partie donnée d'au moins un poumon.  The present invention relates to a method and a device for treating at least one image of a given part of at least one lung.
Le procédé selon l'invention trouve application dans le suivi de pathologies qui induisent une dilatation diffuse des bronches des poumons. ETAT DE LA TECHNIQUE  The method according to the invention finds application in the monitoring of pathologies that induce diffuse dilation of the bronchi of the lungs. STATE OF THE ART
La mucoviscidose est la plus fréquente des maladies génétiques héréditaires graves de la population caucasienne avec une incidence de 1 /4500. L'espérance de vie des patients a nettement augmenté depuis sa description en 1938, atteignant désormais un peu plus de 40 ans et, à ce jour, la population d'adultes atteints par la mucoviscidose est supérieure à celle des enfants. L'atteinte respiratoire reste la plus importante cause de mortalité. Alors que les poumons des sujets atteints sont quasiment indemnes à la naissance, l'augmentation de la viscosité des sécrétions bronchiques entraîne leur accumulation dans les voies aériennes et la formation de bouchons muqueux, ou impactions mucoïdes. Les infections, et en particulier l'infection chronique à Pseudomonas aeruginosa, favorisées par une clairance mucociliaire défectueuse, entretiennent et aggravent les impactions mucoïdes et l'inflammation bronchique. L'infection et l'inflammation bronchiques chroniques mènent progressivement au développement de dilatations bronchiques (bronchectasies) et à une insuffisance respiratoire terminale. Le principal objectif de la prise en charge respiratoire des patients est le contrôle de l'infection pulmonaire chronique par l'administration d'antibiotiques et le drainage des sécrétions pulmonaires. Les traitements les plus récents développés ont pour objectif d'agir en amont pour corriger la viscosité des sécrétions, et non plus seulement d'agir sur les conséquences.  Cystic fibrosis is the most common inherited genetic disorder of the Caucasian population with an incidence of 1/4500. The life expectancy of patients has increased significantly since its description in 1938, now reaching a little over 40 years and, to date, the population of adults with cystic fibrosis is higher than that of children. Respiratory disease remains the most important cause of death. While the lungs of affected patients are almost free at birth, the increase in the viscosity of bronchial secretions causes their accumulation in the airways and the formation of mucous plugs, or mucoid impactions. Infections, and in particular chronic Pseudomonas aeruginosa infection, favored by defective mucociliary clearance, maintain and aggravate mucoid impactions and bronchial inflammation. Chronic bronchial infection and inflammation progressively leads to the development of bronchial dilatation (bronchiectasis) and terminal respiratory failure. The main objective of the patient's respiratory management is the control of chronic pulmonary infection by the administration of antibiotics and the drainage of pulmonary secretions. The most recent treatments developed aim to act upstream to correct the viscosity of secretions, and not only to act on the consequences.
Pour l'évaluation de l'atteinte pulmonaire liée à la mucoviscidose, plusieurs scores visuels ont été proposés, dont le score dit de Brody II, décrit dans le document « High- resolution computed tomography in young patients with cystic fibrosis: distribution of abnormalities and corrélation with pulmonary function tests », par Brody, Klein, Molina et al.  For the evaluation of cystic fibrosis-related lung injury, several visual scores have been proposed, including the so-called Brody II score, described in the document "High-resolution computed tomography in young patients with cystic fibrosis: distribution of abnormalities". correlation with pulmonary function tests ", by Brody, Klein, Molina et al.
Le procédé décrit dans ce document comporte toutefois des inconvénients :  The process described in this document, however, has drawbacks:
• Il est long à mettre en œuvre (environ 20 minutes) et n'est donc pas compatible avec une utilisation en dehors de protocoles de recherche. • Il nécessite un entraînement dans un centre de référence puis une pratique répétée pour pouvoir être mis en œuvre de façon reproductible, en conséquence de quoi peu d'experts capables de l'utiliser sont disponibles sur le terrain. • It takes a long time to implement (about 20 minutes) and is therefore not compatible with use outside of research protocols. • It requires training in a reference center and repeated practice to be implemented in a reproducible manner, as a result of which few experts able to use it are available in the field.
Il a en outre été proposé dans le document « Automatic CT scan scores of bronchiectasis and Air trapping cystic fibrosis » un procédé conforme de traitement d'une image d'un poumon dans lequel un histogramme de l'image est élaboré, et dans lequel un pic de cet histogramme est utilisé pour calculer un score permettant de diagnostiquer si le patient dont le poumon est montré dans l'image est atteint de mucovicidose. EXPOSE DE L'INVENTION  It has furthermore been proposed in the document "Automatic CT Scan Scores of Bronchiectasis and Air Trapping Cystic Fibrosis" a compliant process for the treatment of an image of a lung in which a histogram of the image is developed, and in which a Peak of this histogram is used to calculate a score to diagnose if the patient whose lung is shown in the image is suffering from mucovidosis. SUMMARY OF THE INVENTION
Un but de l'invention est de pallier au moins un des inconvénients qui précèdent. An object of the invention is to overcome at least one of the above drawbacks.
Il est dès lors proposé un procédé de traitement automatique d'au moins une image de coupe d'une partie donnée d'au moins un poumon d'un patient atteint d'une pathologie qui induit une atteinte bronchique par dilatation diffuse des bronches des poumons, le procédé comprenant des étapes de : It is therefore proposed a method of automatically processing at least one sectional image of a given portion of at least one lung of a patient suffering from a pathology that induces bronchial involvement by diffuse dilation of the bronchi of the lungs. the method comprising steps of:
• acquisition d'au moins une image de coupe par tomodensitométrie,  Acquisition of at least one cutting image by tomodensitometry,
• segmentation de la ou des images de coupe de la partie donnée du poumon, pour produire un histogramme caractéristique de la densité pulmonaire de la partie donnée du poumon, à l'aide des voxels de la ou des images de coupe, chaque voxel étant associé à une densité pulmonaire donnée,  Segmentation of the cutting image (s) of the given part of the lung, to produce a characteristic histogram of the pulmonary density of the given part of the lung, using the voxels of the cutting image or images, each voxel being associated at a given lung density,
• calcul à partir de l'histogramme, d'un seuil correspondant à une densité pulmonaire seuil, fonction d'une ou de plusieurs caractéristiques de l'histogramme, une première caractéristique étant le mode de l'histogramme, le mode correspondant à la densité pulmonaire la plus représentée dans l'histogramme de la ou des images de la partie donnée du poumon, et une deuxième caractéristique étant un écart type de valeurs de densité de l'histogramme,  Calculating, from the histogram, a threshold corresponding to a threshold pulmonary density, as a function of one or more characteristics of the histogram, a first characteristic being the mode of the histogram, the mode corresponding to the density most represented lung in the histogram of the image or images of the given portion of the lung, and a second characteristic being a standard deviation of density values of the histogram,
• détermination, à partir de la ou des images de coupe de la partie donnée du poumon, d'un volume pulmonaire ayant une densité pulmonaire supérieure ou inférieure au seuil calculé, correspondant à la somme des voxels ayant une densité pulmonaire supérieure ou inférieure au seuil calculé,  Determining, from the cut image (s) of the given portion of the lung, a pulmonary volume having a pulmonary density greater than or less than the calculated threshold, corresponding to the sum of the voxels having a pulmonary density greater than or less than the threshold calculated,
• calcul, à partir du volume pulmonaire déterminé, d'un score automatique afin de suivre l'évolution de l'atteinte bronchique du patient.  • calculating, from the determined pulmonary volume, an automatic score in order to follow the evolution of the bronchial involvement of the patient.
Le procédé proposé présente de nombreux avantages : The proposed method has many advantages:
· Il peut être mis en œuvre de façon automatique, sans requérir d'expert ; • Il est rapide d'exécution ; · It can be implemented automatically, without requiring an expert; • It is fast performing;
• sa reproductibilité est parfaite (aucune correction manuelle n'est à effectuer sur le score automatique obtenu).  • its reproducibility is perfect (no manual correction is to be performed on the automatic score obtained).
En outre, le fait de faire dépendre le seuil non seulement du mode de l'histogramme mais également de l'écart type des données de l'histogramme permet de tenir compte des variations de « l'étalement » de l'histogramme, ces variations étant liées au degré d'inspiration). Ceci permet d'augmenter la corrélation entre le score automatique obtenu sur la base de ce seuil et le VEMS du patient considéré, et par conséquent la fiabilité du score automatique.  Moreover, the fact of making the threshold depend not only on the mode of the histogram but also on the standard deviation of the data of the histogram makes it possible to take into account the variations of the "spreading" of the histogram, these variations being related to the degree of inspiration). This makes it possible to increase the correlation between the automatic score obtained on the basis of this threshold and the FEV1 of the patient considered, and consequently the reliability of the automatic score.
DESCRIPTION DES FIGURES DESCRIPTION OF THE FIGURES
D'autres caractéristiques, buts et avantages de l'invention ressortiront de la description qui suit, qui est purement illustrative et non limitative, et qui doit être lue en regard des dessins annexés sur lesquels :  Other features, objects and advantages of the invention will emerge from the description which follows, which is purely illustrative and nonlimiting, and which should be read with reference to the appended drawings in which:
« La figure 1 représente schématiquement un système d'acquisition et de traitement d'images selon un mode de réalisation de l'invention.  FIG. 1 schematically represents an image acquisition and processing system according to one embodiment of the invention.
• La figure 2 représente trois histogrammes de densité pulmonaire se rapportant à un patient avec en ordonnée le nombre de voxels.  • Figure 2 shows three histograms of pulmonary density relating to a patient with ordinate the number of voxels.
• La figure 3 est un organigramme d'étapes d'un procédé automatique de traitement d'image selon un mode de réalisation de l'invention.  FIG. 3 is a flowchart of steps of an automatic image processing method according to one embodiment of the invention.
• La figure 4 est une courbe de corrélation entre l'évolution d'un score automatique permettant de qualifier l'atteinte bronchique obtenu par un procédé automatique de traitement d'image selon un mode de réalisation de l'invention, et l'évolution du volume expiratoire maximal en 1 seconde (VEMS) correspondant.  FIG. 4 is a correlation curve between the evolution of an automatic score making it possible to qualify the bronchial attack obtained by an automatic image processing method according to one embodiment of the invention, and the evolution of the expiratory volume in 1 second (FEV1) corresponding.
· La figure 5 représente deux histogrammes de densité pulmonaire se rapportant à un patient.  Figure 5 shows two pulmonary density histograms relating to a patient.
• La figure 6 est une courbe d'évolution au cours du temps de la valeur de scores de dilatation calculés pour différents patients au moyen d'un procédé de traitement selon un premier mode de réalisation de l'invention,  FIG. 6 is a curve of evolution over time of the value of dilation scores calculated for different patients by means of a treatment method according to a first embodiment of the invention,
· La figure 7 est une courbe d'évolution au cours du temps de la valeur de scores de dilatation calculés pour différents patients au moyen d'un procédé de traitement selon un deuxième mode de réalisation de l'invention.  FIG. 7 is a curve of evolution over time of the value of dilation scores calculated for different patients by means of a treatment method according to a second embodiment of the invention.
Sur l'ensemble des figures, les éléments similaires portent des références identiques. DESCRIPTION DETAILLEE DE L'INVENTION In all the figures, similar elements bear identical references. DETAILED DESCRIPTION OF THE INVENTION
Système d'acquisition et de traitement d'images  Image acquisition and processing system
En référence à la figure 1 , un système comprend un dispositif d'acquisition 1 d'images d'un poumon, et un dispositif de traitement d'images 2.  With reference to FIG. 1, a system comprises an image acquisition device 1 of a lung, and an image processing device 2.
Le dispositif d'acquisition d'images 1 est connu de l'état de la technique ; ce dispositif The image acquisition device 1 is known from the state of the art; these measures
1 est par exemple un scanner à rayons X ou un dispositif d'imagerie par résonance magnétique (I RM). 1 is for example an X-ray scanner or a magnetic resonance imaging device (RM).
Le dispositif de traitement d'images 2 est configuré pour traiter des images acquises par le dispositif 1 .  The image processing device 2 is configured to process images acquired by the device 1.
Le dispositif de traitement d'images 2 comprend une interface de communication 4 avec le dispositif d'acquisition 1 , un module de segmentation 6, un processeur 8, et une mémoire 10.  The image processing device 2 comprises a communication interface 4 with the acquisition device 1, a segmentation module 6, a processor 8, and a memory 10.
L'interface de communication 4 est adaptée pour recevoir des images acquises par le dispositif d'acquisition 1 . Cette interface de communication 4 est par exemple de type filaire ou de type sans fil (Wi-Fi, etc). Dans une variante de réalisation particulière, les dispositifs 1 et 2 forment deux composants internes d'un seul et même dispositif.  The communication interface 4 is adapted to receive images acquired by the acquisition device 1. This communication interface 4 is for example wired or wireless type (Wi-Fi, etc.). In a particular embodiment, the devices 1 and 2 form two internal components of a single device.
Le module de segmentation 6 est configuré pour analyser le contenu d'images fournies par le dispositif d'acquisition 1 et pour en extraire certaines informations.  The segmentation module 6 is configured to analyze the content of images provided by the acquisition device 1 and to extract certain information.
Le module de segmentation 6 est par exemple configuré pour exécuter le programme d'ordinateur Myrian® ou le programme Syngo.via®, connus de l'état de la technique. D'autres programmes de segmentation alternatifs connus de l'état de la technique peuvent être utilisés par le module de segmentation 6.  The segmentation module 6 is for example configured to run the Myrian® computer program or the Syngo.via® program, known from the state of the art. Other alternative segmentation programs known from the state of the art can be used by the segmentation module 6.
Le processeur 8 est configuré pour effectuer des calculs sur la base de telles informations.  The processor 8 is configured to perform calculations based on such information.
La mémoire 10 est adaptée pour mémoriser des images ou des données de calcul produites par le module de segmentation 6 et/ou le processeur 8.  The memory 10 is adapted to store images or calculation data produced by the segmentation module 6 and / or the processor 8.
Procédé d'acquisition et de traitement d'images Image acquisition and processing method
En référence à la figure 2, un procédé d'acquisition et traitement automatique d'images comprend les étapes suivantes.  With reference to FIG. 2, a method for acquiring and automatically processing images comprises the following steps.
Le dispositif 1 acquiert au moins une image d'au moins une partie donnée d'au moins un poumon d'un patient.  The device 1 acquires at least one image of at least a given portion of at least one lung of a patient.
De préférence, la ou les images ont été acquises pendant une inspiration du patient. On verra dans ce qui suit que ceci permet d'augmenter la fiabilité des données de sortie du procédé. Les images sont en coupe avec une certaine épaisseur ; les images diffèrent en fonction des épaisseurs de coupe considérées pour les images. Preferably, the one or more images have been acquired during inspiration of the patient. It will be seen in the following that this increases the reliability of the output data of the process. The images are in section with a certain thickness; the images differ according to the cutting thickness considered for the images.
Les images montrent l'ensemble des deux poumons, ou montrent un ou plusieurs lobes des poumons.  The images show all of the two lungs, or show one or more lobes of the lungs.
On prendra dans ce qui suit l'exemple de l'acquisition d'une pluralité d'image 2D montrant des coupes différentes d'un même poumon.  In the following, we will take the example of the acquisition of a plurality of 2D images showing different sections of the same lung.
Les images sont de type tomodensitométriques. En variante, il pourrait être utilisé pour l'invention une IRM.  The images are of the tomodensitometric type. Alternatively, it could be used for the invention an MRI.
Chaque image reçue est typiquement en niveaux de gris.  Each image received is typically in grayscale.
Dans chaque image de la pluralité d'images, un pixel ou voxel proche du noir est représentatif d'une portion du poumon représenté sur cette image qui est peu dense. A contrario, un pixel ou voxel proche du blanc est représentatif d'une portion du poumon représenté sur cette image qui est très dense.  In each image of the plurality of images, a pixel or voxel close to black is representative of a portion of the lung shown in this image which is sparse. On the other hand, a pixel or voxel close to white is representative of a portion of the lung represented in this image which is very dense.
La pluralité d'images 2D forme une image tridimensionnelle comprenant une pluralité de voxels, chaque voxel se rapportant à un volume élémentaire du poumon représenté par les images. Ainsi, similairement, chaque voxel de la pluralité d'image a un niveau de gris ; un voxel proche du noir est représentatif d'un volume élémentaire du poumon qui est peu dense, et, a contrario, un voxel proche du blanc est représentatif d'un volume élémentaire du poumon qui est très dense.  The plurality of 2D images forms a three-dimensional image comprising a plurality of voxels, each voxel relating to an elemental volume of the lung represented by the images. Thus, similarly, each voxel of the plurality of images has a gray level; a voxel close to black is representative of an elementary volume of the lung which is not very dense, and, on the other hand, a voxel close to white is representative of a very dense elementary volume of the lung.
La pluralité est transmise au module de segmentation 6 via l'interface de communication 4.  The plurality is transmitted to the segmentation module 6 via the communication interface 4.
Le module de segmentation 6 segmente la pluralité d'images qu'il reçoit, de sorte à produire, sur la base de ces images, un histogramme caractéristique de la densité pulmonaire à partir de la pluralité d'images.  The segmentation module 6 segments the plurality of images it receives, so as to produce, on the basis of these images, a histogram characteristic of the lung density from the plurality of images.
L'histogramme est une courbe prenant en abscisse une densité pulmonaire, exprimée en unités sur l'échelle de Hounsfield (UH), et en ordonnées un nombre de voxels. En d'autres termes, l'histogramme énumère indirectement, pour chaque niveau de gris représenté dans l'image, le nombre de voxels de la pluralité d'images ayant ce niveau de gris.  The histogram is a curve taking on the abscissa a pulmonary density, expressed in units on the Hounsfield scale (UH), and on the ordinate a number of voxels. In other words, the histogram indirectly enumerates, for each gray level represented in the image, the number of voxels of the plurality of images having this gray level.
L'histogramme présente généralement une forme générale de gaussienne.  The histogram usually has a general Gaussian form.
Trois exemples d'histogrammes caractéristiques de densité pulmonaire sont représentés sur la figure 2. Ces trois histogrammes correspondent à trois pluralités d'images acquises chez un patient sans maladie pulmonaire ayant eu 3 scanners à 1 an d'intervalle (CT1 , CT2 et CT3). Les modes associés à ces trois histogrammes sont respectivement -899 UH, -888 UH et -868 UH. Le mode de l'histogramme, également appelé valeur dominante, est la densité pulmonaire de l'histogramme associée au plus grand nombre de voxels de cet histogramme. Ce mode est donc indicatif du niveau de gris qui revient le plus fréquemment dans la pluralité d'images. Three examples of characteristic pulmonary density histograms are shown in Figure 2. These three histograms correspond to three pluralities of images acquired in a patient without lung disease who had 3 scanners at 1 year intervals (CT1, CT2 and CT3). . The modes associated with these three histograms are respectively -899 HU, -888 HU and -868 HU. The histogram mode, also called the dominant value, is the pulmonary density of the histogram associated with the largest number of voxels in this histogram. This mode is therefore indicative of the gray level that comes up most frequently in the plurality of images.
Le mode est déterminé par le module de segmentation 6 ou par le processeur 8.  The mode is determined by the segmentation module 6 or the processor 8.
Le module de segmentation 6 ou le processeur 8 détermine par ailleurs l'écart type (« standard déviation » en anglais) des valeurs de densité de l'histogramme.  The segmentation module 6 or the processor 8 also determines the standard deviation ("standard deviation" in English) of the density values of the histogram.
Le processeur calcule un seuil de densité pulmonaire fonction d'une ou de plusieurs caractéristiques de l'histogramme.  The processor calculates a pulmonary density threshold based on one or more characteristics of the histogram.
Une première caractéristique utilisée par le procédé est le mode de l'histogramme. Le seuil de densité pulmonaire peut également dépendre de l'écart type des valeurs de densité de l'histogramme qui est une deuxième caractéristique utilisée par le procédé.  A first feature used by the method is the mode of the histogram. The pulmonary density threshold may also depend on the standard deviation of the density values of the histogram which is a second characteristic used by the method.
Le seuil est par exemple calculé comme suit par le processeur 8 :  The threshold is for example calculated as follows by the processor 8:
seuil = mode + N. (écart type)  threshold = mode + N. (standard deviation)
où N est une valeur prédéterminée. where N is a predetermined value.
Le seuil permet ainsi de séparer les voxels de l'histogramme en 2 groupes.  The threshold thus makes it possible to separate the voxels of the histogram into 2 groups.
De préférence, N est compris dans un intervalle allant de 0 à 4 et le seuil est un seuil haut. Très préférentiellement, N est compris dans un intervalle allant de 1 à 3.  Preferably, N is in a range from 0 to 4 and the threshold is a high threshold. Very preferably, N is in a range from 1 to 3.
Lorsque N est strictement positif, le seuil est donc une valeur de densité qui est décalée vers la droite sur l'histogramme ; lorsque N est strictement négatif, le seuil est donc une valeur de densité qui est décalée vers la gauche sur l'histogramme et le seuil est un seuil bas. Dans les deux cas, ce seuil est donc associé à un nombre de voxels inférieur au maximum de l'histogramme. Avantageusement, il est considéré N positif et un volume de poumon dont la densité est située au-dessus de ce seuil. En effet, la méthode développée est basée sur l'étude de la répartition des densités des poumons et particulièrement adaptée à la quantification de la proportion des poumons ayant une densité trop importante. Cette proportion de poumon trop dense, qui est le reflet de la proportion de poumon malade, est obtenue grâce à l'utilisation d'un seuil personnalisé calculé sur les propriétés de l'histogramme de chaque examen. Ce seuil personnalisé répond au principal problème rencontré dans la quantification en TDM qui est la variabilité de la distribution des densités pulmonaires en fonction du degré d'inspiration, rendant peu performante l'utilisation de seuils non personnalisés. Le processeur calcule ensuite un rapport entre le volume pulmonaire ayant une densité pulmonaire définie par rapport au seuil calculé et un volume total du poumon montré par l'image. When N is strictly positive, the threshold is therefore a density value which is shifted to the right on the histogram; when N is strictly negative, the threshold is therefore a density value which is shifted to the left on the histogram and the threshold is a low threshold. In both cases, this threshold is therefore associated with a number of voxels less than the maximum of the histogram. Advantageously, it is considered N positive and a lung volume whose density is located above this threshold. Indeed, the method developed is based on the study of the distribution of the densities of the lungs and particularly adapted to the quantification of the proportion of the lungs having a too important density. This proportion of too dense lung, which is a reflection of the proportion of sick lung, is obtained through the use of a personalized threshold calculated on the properties of the histogram of each examination. This personalized threshold responds to the main problem encountered in CT quantification, which is the variability of the distribution of pulmonary densities according to the degree of inspiration, making the use of non-personalized thresholds inefficient. The processor then calculates a ratio between the lung volume having a defined lung density relative to the calculated threshold and a total lung volume shown by the image.
Le volume total du poumon est par exemple estimé par le module de segmentation, ou bien prédéterminé par d'autres moyens connus de l'état de la technique.  The total volume of the lung is for example estimated by the segmentation module, or else predetermined by other means known from the state of the art.
Le processeur détermine par ailleurs, à partir des images du poumon, un volume pulmonaire ayant une densité pulmonaire supérieure ou inférieure au seuil calculé.  The processor also determines, from the images of the lung, a lung volume having a lung density greater than or less than the calculated threshold.
Pour ce faire, le processeur peut comptabiliser le nombre total de voxels se trouvant dans la partie de l'histogramme se trouvant à droite du seuil calculé, et multiplier ce nombre par le volume élémentaire d'un voxel.  To do this, the processor can count the total number of voxels in the part of the histogram to the right of the calculated threshold, and multiply this number by the elemental volume of a voxel.
Le processeur détermine par ailleurs un volume total du poumon montré par la pluralité d'images.  The processor further determines a total volume of the lung shown by the plurality of images.
Pour ce faire, le processeur peut comptabiliser le nombre total de voxels comptabilisés dans l'histogramme, et multiplier ce nombre par le volume élémentaire d'un voxel.  To do this, the processor can count the total number of voxels counted in the histogram, and multiply this number by the elementary volume of a voxel.
Le processeur calcule ensuite un score de dilatation des bronches à partir du volume total et du volume pulmonaire ayant une densité pulmonaire supérieure ou inférieure au seuil calculé.  The processor then calculates a bronchial dilation score from the total volume and lung volume having a lung density greater than or less than the calculated threshold.
Le score calculé est mémorisé dans la mémoire 10.  The calculated score is stored in the memory 10.
Dans un premier mode de réalisation particulièrement simple de mise en œuvre, le score est calculé comme suit :  In a first particularly simple embodiment, the score is calculated as follows:
score score
volume pulmonaire ayant une densité  pulmonary volume having a density
_ pulmonaire supérieure ou inférieure au seuil calculé _ pulmonary greater than or less than the calculated threshold
volume pulmonaire total du poumon montré par V ensemble des images analysées  total pulmonary volume of the lung shown by V set of images analyzed
Avantageusement, le score est calculé comme suit : score Advantageously, the score is calculated as follows: score
volume pulmonaire ayant une densité  pulmonary volume having a density
pulmonaire supérieure au seuil calculé volume pulmonaire total du poumon montré par V ensemble desimages analysées  pulmonary greater than threshold calculated total lung volume of lung shown by V set of images analyzed
Dans ce cas, plus le poumon est malade et donc dense, plus le score prend une valeur élevée. Validation des résultats obtenus par le procédé de traitement d'image In this case, the more the lung is sick and therefore dense, the higher the score becomes. Validation of the results obtained by the image processing method
Pour tester la validité du score automatique obtenu par mise en œuvre du procédé qui précède, le protocole suivant a été mis en œuvre.  To test the validity of the automatic score obtained by implementing the above method, the following protocol has been implemented.
Deux cohortes indépendantes de patients ont été examinées : une cohorte de développement et une deuxième cohorte.  Two independent cohorts of patients were examined: a development cohort and a second cohort.
La cohorte de développement est une cohorte multicentrique de patients suivis longitudinalement (au moins 2 examens disponibles par patient, 40 scanners analysés au total) avec des scanners réalisés avant et après traitement par un médicament (ivacaftor) efficace pour le traitement de ces patients ayant une mutation particulière : la mutation G551 D du gène CFTR en cause dans la mucoviscidose. L'objectif a été de vérifier que l'amélioration clinique et fonctionnelle sous traitement était également observée avec le score de dilatation obtenu par le procédé de traitement d'image décrit précédemment.  The development cohort is a multicenter cohort of patients followed longitudinally (at least 2 available examinations per patient, 40 scanners analyzed in total) with pre- and post-drug scans (ivacaftor) effective for the treatment of these patients with particular mutation: the G551 D mutation of the CFTR gene involved in cystic fibrosis. The objective was to verify that the clinical and functional improvement under treatment was also observed with the dilation score obtained by the image processing method described above.
La deuxième cohorte est une cohorte mono-centrique indépendante correspondant à un ensemble de patients évalués à l'hôpital Cochin à Paris en 2013, dans le cadre de leur suivi tous les 2 ans (53 patients).  The second cohort is an independent mono-centric cohort corresponding to a group of patients evaluated at the Cochin hospital in Paris in 2013, as part of their follow-up every 2 years (53 patients).
Pour chaque patient de ces deux cohortes, une évaluation fonctionnelle respiratoire avec étude du VEMS (Volume expiratoire maximal en 1 seconde) a été mise en œuvre le même jour que le scanner. Le VEMS est un standard de référence, recommandé à la fois par la Food and Drug Administration et par l'European Medicine Agency, pour estimer la gravité de la mucoviscidose dans les protocoles de recherche clinique.  For each patient in these two cohorts, a respiratory function evaluation with study of FEV1 (forced expiratory volume in 1 second) was performed on the same day as the CT scan. FEV1 is a reference standard, recommended by both the Food and Drug Administration and the European Medicine Agency, to estimate the severity of CF in clinical research protocols.
La corrélation entre le score de densité pulmonaire et le VEMS a été mesurée par calcul du coefficient de corrélation de Spearman (noté Rho) selon des méthodes bien connues.  The correlation between pulmonary density score and FEV1 was measured by calculation of the Spearman correlation coefficient (noted Rho) according to well known methods.
# Seuil Score Rho P value # Threshold Score Rho P value
1 (-) 300 UH 3.17 % (± 1.10) -0.53 <.001 1 (-) 300 HU 3.17% (± 1.10) -0.53 <.001
2 (-) 400 UH 4.10 % (± 1.42) -0.55 <.0012 (-) 400 UH 4.10% (± 1.42) -0.55 <.001
3 (-) 500 UH 5.39 % (± 1.85) -0.56 <.0013 (-) 500 UH 5.39% (± 1.85) -0.56 <.001
4 MLD + 2.5 SD 4.02 % (± 0.55) -0.61 <.0014 MLD + 2.5 SD 4.02% (± 0.55) -0.61 <.001
5 MLD + 2 SD 5.10 % (± 0.80) -0.64 <.0015 MLD + 2 SD 5.10% (± 0.80) -0.64 <.001
6 MLD + 1 .5 SD 6.57 % (± 1.08) -0.65 <.0016 MLD + 1 .5 SD 6.57% (± 1.08) -0.65 <.001
7 Mode + 3 SD 4.09 % (± 0.65) -0.67 <.0017 Mode + 3 SD 4.09% (± 0.65) -0.67 <.001
8 Mode + 2 SD 6.58 % (± 1.35) -0.67 <.0018 Mode + 2 SD 6.58% (± 1.35) -0.67 <.001
9 Mode + 1.5 SD 8.90 % (± 1.96) -0.65 <.0019 Mode + 1.5 SD 8.90% (± 1.96) -0.65 <.001
10 Mode + 1 SD 13.43 % (± 3.49) -0.70 <.001 # Méthode visuelle Score Rho P value 10 Mode + 1 SD 13.43% (± 3.49) -0.70 <.001 # Visual method Rho P value score
1 1 Score de Brody-l l 30.65 (± 13.76) -0.76 <.001  1 1 Brody-l score l 30.65 (± 13.76) -0.76 <.001
TABLEAU 1: corrélation entre scores et VEMS  TABLE 1: correlation between scores and FEV1
Le tableau 1 ci-dessus recense, pour plusieurs types de seuils calculés, le score de dilatation des bronches associé obtenu (valeur en % plus ou moins la valeur de l'écart type SD), et la valeur des coefficients de corrélation Rho avec le VEMS: Table 1 above lists, for several types of calculated thresholds, the associated bronchial dilatation score obtained (value in% plus or minus the value of the standard deviation SD), and the value of the correlation coefficients Rho with the FEV:
· des seuils de valeur prédéterminée (colonnes 1 à 3),  · Thresholds of predetermined value (columns 1 to 3),
• des seuils dépendant de la densité moyenne des poumons (« mean lung density » en anglais, abrégé en MLD) (lignes 4 à 6) et de l'écart type des données de l'histogramme,  • mean lung density thresholds (lines 4 to 6) and the standard deviation of the histogram data,
• des seuils, selon d'autres modes de réalisation de l'invention, dépendant à la fois du mode de l'histogramme et également de l'écart type des données de l'histogramme Thresholds, according to other embodiments of the invention, depending both on the mode of the histogram and also on the standard deviation of the data of the histogram
(lignes 7 à 10). (lines 7 to 10).
Le tableau 1 recense également le coefficient de corrélation entre le score de Brody I I et le VEMS (ligne 1 1 ).  Table 1 also lists the correlation coefficient between the Brody I score and FEV1 (line 1 1).
Le tableau 1 illustre que les scores automatiques calculés conformément à l'invention (ligne 10) sont plus fortement corrélés au VEMS que les scores de dilatation bronchique calculés sur la base de seuils fixes ou dépendant de la moyenne de densité pulmonaire (MLD).  Table 1 illustrates that the automatic scores calculated in accordance with the invention (line 10) are more strongly correlated with FEV 1 than bronchial dilation scores calculated on the basis of fixed or lung density average (LLD) dependent thresholds.
Ceci s'explique notamment par le fait que la distribution de densité pulmonaire varie non seulement d'un patient à l'autre, mais varie également au cours du temps chez un même patient. Cette distribution est influencée par les modifications en rapport avec la maladie (par exemple les épaississements bronchiques augmentent la densité pulmonaire), mais aussi par des paramètres techniques (paramètres utilisés lors de l'acquisition des images) et par des paramètres physiologiques comme le degré d'inspiration des poumons. En effet, des tests réalisés chez des patients n'ayant pas de maladie pulmonaire montrent que l'histogramme de densité de leur poumon varie au cours du temps (comme le montrent les trois histogrammes représentées en figure 2) du fait des variations des paramètres techniques et physiologiques.  This is explained by the fact that the distribution of lung density varies not only from one patient to another, but also varies over time in the same patient. This distribution is influenced by changes related to the disease (eg bronchial thickenings increase lung density), but also by technical parameters (parameters used during image acquisition) and by physiological parameters such as the degree of inspiration of the lungs. Indeed, tests performed in patients without lung disease show that the histogram of their lung density varies over time (as shown by the three histograms shown in Figure 2) due to variations in technical parameters. and physiological.
Le fait de faire dépendre le seuil à des paramètres propres à la personne qui est examinée, à savoir le mode et avantageusement l'écart-type ou déviation standard de l'histogramme, permet donc de tenir compte des variations inter-patients (variations liées au degré d'inspiration des patients) et aux variations des paramètres techniques. Ainsi, le score automatique obtenu sur la base d'un tel seuil adaptatif demeure corrélé avec le VEMS au cours du temps, même si le patient inspire différemment ou si les paramètres techniques précédemment mentionnés changent. The fact of making the threshold depend on parameters specific to the person being examined, namely the mode and advantageously the standard deviation or standard deviation of the histogram, therefore makes it possible to take into account inter-patient variations (variations related to the degree of inspiration of patients) and variations in technical parameters. Thus, the automatic score obtained on the basis of such an adaptive threshold remains correlated with FEV1. over time, even if the patient inspires differently or if the previously mentioned technical parameters change.
De plus, le fait de faire dépendre le seuil non seulement du mode de l'histogramme mais également de l'écart type des données de l'histogramme permet de tenir compte des variations de « l'étalement » de l'histogramme, ces variations étant liées au degré d'inspiration). Ceci permet d'augmenter encore la corrélation entre le score automatique obtenu sur la base de ce seuil et le VEMS. Dans le tableau 1 , le mode de réalisation dans lequel N=3 fournit les meilleurs résultats de corrélation avec le VEMS.  Moreover, the fact of making the threshold depend not only on the mode of the histogram but also on the standard deviation of the data of the histogram makes it possible to take into account the variations of the "spreading" of the histogram, these variations being related to the degree of inspiration). This makes it possible to further increase the correlation between the automatic score obtained on the basis of this threshold and the FEV1. In Table 1, the embodiment in which N = 3 provides the best correlation results with FEV1.
Par ailleurs, le tableau 1 illustre que la valeur des coefficients de corrélation entre les différents scores de dilatation bronchique selon les modes de réalisation de l'invention (ligne 10) et le VEMS sont proches des valeurs de corrélation entre le score de Brody II et le VEMS (ligne 1 1 ), et ce indépendamment du programme de segmentation utilisé. En d'autres termes, le score automatique obtenu par la mise en œuvre du procédé de traitement d'image décrit précédemment est de pertinence équivalente à celle du score de Brody II, mais beaucoup plus simple à obtenir que ce dernier.  Moreover, Table 1 illustrates that the value of the correlation coefficients between the different bronchial dilation scores according to the embodiments of the invention (line 10) and the FEV1 are close to the correlation values between the Brody II score and FEV1 (line 1 1), regardless of the segmentation program used. In other words, the automatic score obtained by the implementation of the image processing method described above is of equivalent relevance to that of the Brody II score, but much simpler to obtain than the latter.
Le tableau 2 ci-dessous étudie non pas la corrélation de scores instantanés avec le VEMS, comme dans le tableau 1 , mais la corrélation de la variation de ces même scores (Δ score) au cours d'une période de suivi de 19 mois en moyenne, avec la variation du VEMS au cours de la même période.  Table 2 below does not study the correlation of instantaneous scores with FEV 1, as in Table 1, but the correlation of the variation of these same scores (Δ score) over a 19-month follow-up period in average, with the change in FEV1 over the same period.
TABLEAU 2: corrélation entre variations de score et variations de VEMS Les données du tableau 2 vont dans le même sens que celles du tableau 1 : la variation du score automatique selon l'un ou l'autre des différents modes de réalisation de l'invention est fortement corrélée à la variation du VEMS. TABLE 2: Correlation Between Score Variations and Changes in FEV1 The data in Table 2 are in the same direction as those in Table 1: the variation of the automatic score according to one or the other of the different embodiments of the invention is strongly correlated with the variation of the FEV1.
Est à titre d'exemple illustré en figure 4 une courbe montant la corrélation entre l'évolution d'un score automatique obtenu par le procédé de traitement d'image selon un mode de réalisation de l'invention et l'évolution du VEMS.  As an example illustrated in FIG. 4, there is a curve showing the correlation between the evolution of an automatic score obtained by the image processing method according to one embodiment of the invention and the evolution of FEV1.
Par ailleurs, la figure 5 montre deux histogrammes relatifs à un même patient, mais produits par le module de segmentation 6 à partir d'images acquises respectivement pendant que le patient inspire, et pendant que le patient expire. On constate que ces deux histogrammes sont différents. En particulier, l'histogramme obtenu à partir des images d'inspiration a un écart type plus faible que l'histogramme obtenu à partir des images d'expiration.  In addition, Figure 5 shows two histograms relating to the same patient, but produced by the segmentation module 6 from images acquired respectively while the patient inspires, and while the patient expires. It can be seen that these two histograms are different. In particular, the histogram obtained from the inspiration images has a lower standard deviation than the histogram obtained from the expiration images.
Comme indiqué précédemment, les images sont de préférence acquises pendant que le patient inspire. Ceci permet d'améliorer la corrélation entre le score automatique obtenu et le VEMS.  As indicated previously, the images are preferably acquired while the patient is inhaling. This makes it possible to improve the correlation between the automatic score obtained and the FEV1.
Autres variantes de réalisation Other variants
L'invention ne se limite pas aux modes de réalisation décrits précédemment.  The invention is not limited to the embodiments described above.
En particulier, la segmentation mise en œuvre par le module de segmentation et les calculs opérés par le processeur peuvent être effectués sur la base d'une seule image.  In particular, the segmentation implemented by the segmentation module and the calculations performed by the processor can be performed on the basis of a single image.
Il a été vu précédemment que le score automatique calculé dépend du mode de l'histogramme produit par le module de segmentation, voire dépend également de l'écart type des données de l'histogramme.  It has been seen previously that the calculated automatic score depends on the mode of the histogram produced by the segmentation module, or even depends on the standard deviation of the data of the histogram.
D'autres paramètres de l'histogramme peuvent également pris en compte pour calculer le score, notamment un coefficient de dissymétrie de l'histogramme (« skewness » en anglais) et le kurtosis (coefficient d'aplatissement de l'histogramme).  Other parameters of the histogram can also be taken into account to calculate the score, in particular a coefficient of dissymmetry of the histogram ("skewness" in English) and the kurtosis (coefficient of flattening of the histogram).
Le score peut également dépendre de coefficients associés au programme de segmentation utilisé. Il se trouve que les histogrammes produits par différents programmes de segmentation ne sont pas parfaitement identiques ; dès lors, de tels coefficients permettent d'augmenter encore la corrélation entre le score automatique obtenu et le VEMS.  The score may also depend on coefficients associated with the segmentation program used. It turns out that the histograms produced by different segmentation programs are not perfectly identical; therefore, such coefficients can further increase the correlation between the automatic score obtained and FEV1.
Par exemple, le score peut être calculé comme suit : score = a * {écart type) + b * (mode) + c * (coefficient de dyssimétrie) + dFor example, the score can be calculated as follows: score = a * {standard deviation) + b * (mode) + c * (dyssimetry coefficient) + d
* (coefficient d' aplatissement) + e * (flattening coefficient) + e
où a, b, c, d et e sont des coefficients prédéterminés, au moins un des coefficients a, b, c, d et e dépendant du programme de segmentation d'image utilisé pour mettre en œuvre l'étape de segmentation. where a, b, c, d and e are predetermined coefficients, at least one of the coefficients a, b, c, d and e depending on the image segmentation program used to implement the segmentation step.
Par exemple, le score peut être égal à = 1.7 x Déviation standard + 0.5 x Mode + 36 x coefficient de dysmétrie + 0.1 x coefficient d'aplatissement - 51 x Score (Mode + 3DS).  For example, the score can be equal to = 1.7 x Standard deviation + 0.5 x Mode + 36 x Dystrometry coefficient + 0.1 x Flattening coefficient - 51 x Score (Mode + 3DS).
Les images peuvent en outre être acquises par IRM. Dans ce cas, l'histogramme produit par segmentation de telles images montre une répartition des intensités de signal du poumon.  The images can also be acquired by MRI. In this case, the histogram produced by segmentation of such images shows a distribution of the signal intensities of the lung.
Dans d'autres variantes du procédé de traitement d'images, le score automatique peut être calculé non pas sur la base d'un volume pulmonaire ayant une densité pulmonaire supérieure au seuil calculé, mais sur la base d'un volume pulmonaire ayant une densité pulmonaire inférieure au seuil calculé. Dans ce cas, plus le score prend une valeur faible, moins le poumon du patient est dense.  In other variants of the image processing method, the automatic score can be calculated not on the basis of a lung volume having a lung density greater than the calculated threshold, but on the basis of a lung volume having a density less than the calculated threshold. In this case, the lower the score, the less dense the patient's lung.
Le score automatique peut avantageusement être exploité pour mesurer un niveau d'atteinte du patient à une pathologie induisant une pathologie diffuse des bronches des poumons, telle que la mucoviscidose ou la dyskinésie ciliaire primaire ou les dilatations bronchiques diffuses post infectieuses ou idiopathiques.  The automatic score can advantageously be used to measure a level of impairment of the patient to a pathology inducing a diffuse pathology of the bronchi of the lungs, such as cystic fibrosis or primary ciliary dyskinesia or diffuse postinfective or idiopathic bronchial dilations.

Claims

REVENDICATIONS
1 . Procédé de traitement automatique d'au moins une image de coupe d'une partie donnée d'au moins un poumon d'un patient atteint d'une pathologie qui induit une atteinte bronchique par dilatation diffuse des bronches des poumons, le procédé comprenant des étapes de : 1. A method of automatically processing at least one cut image of a given portion of at least one lung of a patient suffering from a pathology that induces bronchial involvement by diffuse dilation of the bronchi of the lungs, the method comprising steps from:
• acquisition d'au moins une image de coupe par tomodensitométrie,  Acquisition of at least one cutting image by tomodensitometry,
• segmentation (102) de la ou des images de coupe de la partie donnée du poumon, pour produire un histogramme caractéristique de la densité pulmonaire de la partie donnée du poumon, à l'aide des voxels de la ou des images de coupe, chaque voxel étant associé à une densité pulmonaire donnée,  Segmentation (102) of the one or more section images of the given part of the lung, to produce a characteristic histogram of the pulmonary density of the given part of the lung, using the voxels of the cutting image or images, each voxel is associated with a given lung density,
• calcul (104) à partir de l'histogramme, d'un seuil correspondant à une densité pulmonaire seuil, fonction d'une ou de plusieurs caractéristiques de l'histogramme, une première caractéristique étant le mode de l'histogramme, le mode correspondant à la densité pulmonaire la plus représentée dans l'histogramme de la ou des images de la partie donnée du poumon,  Calculating (104) from the histogram a threshold corresponding to a threshold pulmonary density, as a function of one or more characteristics of the histogram, a first characteristic being the mode of the histogram, the corresponding mode at the most represented pulmonary density in the histogram of the image or images of the given part of the lung,
• détermination (106), à partir de la ou des images de coupe de la partie donnée du poumon, d'un volume pulmonaire ayant une densité pulmonaire supérieure ou inférieure au seuil calculé, correspondant à la somme des voxels ayant une densité pulmonaire supérieure ou inférieure au seuil calculé,  Determining (106), from the cut image (s) of the given portion of the lung, a lung volume having a lung density greater than or less than the calculated threshold, corresponding to the sum of the voxels having a higher lung density or less than the calculated threshold,
• calcul (1 10), à partir du volume pulmonaire déterminé, d'un score automatique afin de suivre l'évolution de l'atteinte bronchique du patient.  • calculation (1 10), from the determined lung volume, of an automatic score to follow the evolution of the bronchial involvement of the patient.
dans lequel le seuil est fonction d'au moins deux caractéristiques, et la seconde caractéristique est un écart type de valeurs de densité de l'histogramme. wherein the threshold is a function of at least two characteristics, and the second characteristic is a standard deviation of density values of the histogram.
2. Procédé selon la revendication précédente, dans lequel le seuil est calculé au moyen de la formule suivante : 2. Method according to the preceding claim, wherein the threshold is calculated by means of the following formula:
seuil = mode + N. (écart type)  threshold = mode + N. (standard deviation)
où N est une valeur prédéterminée comprise dans un intervalle allant de 0 à 4. where N is a predetermined value in an interval from 0 to 4.
3. Procédé selon la revendication précédente, dans lequel N est une valeur prédéterminée comprise dans un intervalle allant de 1 à 2. 3. Method according to the preceding claim, wherein N is a predetermined value in an interval ranging from 1 to 2.
4. Procédé selon l'une des revendications précédentes, dans lequel le score automatique est un rapport entre : 4. Method according to one of the preceding claims, wherein the automatic score is a ratio between:
• le volume pulmonaire ayant une densité pulmonaire supérieure ou inférieure au seuil calculé, et correspondant à la somme des voxels ayant une densité pulmonaire supérieure ou inférieure au seuil calculé ; sur  • the lung volume with a lung density greater than or less than the calculated threshold, and corresponding to the sum of the voxels with a lung density greater than or less than the calculated threshold; sure
• un volume total du poumon montré par la ou les images, correspondant à la somme de tous les voxels de la ou des images de coupe.  A total volume of the lung shown by the image or images, corresponding to the sum of all the voxels of the cutting image or images.
5. Procédé selon l'une des revendications précédentes, dans lequel : 5. Method according to one of the preceding claims, wherein:
- on détermine (106), à partir de la ou des images de la partie donnée du poumon, le volume pulmonaire ayant une densité pulmonaire supérieure au seuil calculé, determining, from the image or images of the given part of the lung, the pulmonary volume having a pulmonary density greater than the calculated threshold,
- le score automatique est le rapport entre : - the automatic score is the ratio between:
• le volume pulmonaire ayant une densité pulmonaire supérieure au seuil calculé correspondant à la somme des voxels ayant une densité pulmonaire supérieure au seuil calculé ; sur  • the lung volume with a lung density greater than the calculated threshold corresponding to the sum of the voxels with a lung density greater than the calculated threshold; sure
• un volume total du poumon montré par la ou les images, correspondant à la somme de tous les voxels de la ou des images de coupe.  A total volume of the lung shown by the image or images, corresponding to the sum of all the voxels of the cutting image or images.
6. Procédé selon l'une des revendications précédentes, dans lequel les images sont réalisées sur l'ensemble des deux poumons, ou sur un ou plusieurs lobes des poumons. 6. Method according to one of the preceding claims, wherein the images are made on all of the two lungs, or on one or more lobes of the lungs.
7. Procédé selon l'une des revendications précédentes, dans lequel les images sont acquises lorsque le patient inspire. 7. Method according to one of the preceding claims, wherein the images are acquired when the patient inspires.
8. Procédé selon l'une des revendications précédentes, dans lequel le score est également fonction d'une troisième caractéristique qui est le coefficient de dissymétrie de l'histogramme et d'une quatrième caractéristique qui est le coefficient d'aplatissement, et est calculé au moyen de la formule suivante 8. Method according to one of the preceding claims, wherein the score is also a function of a third characteristic which is the asymmetry coefficient of the histogram and a fourth characteristic which is the flattening coefficient, and is calculated using the following formula
score = a * (écart type) + b * (mode) + c * (coefficient de dyssimétrie) + d  score = a * (standard deviation) + b * (mode) + c * (dyssimetry coefficient) + d
* (coefficient d' aplatissement) + e * (flattening coefficient) + e
où a, b, c, d et e sont des coefficients prédéterminés, au moins un des coefficients a, b, c, et e dépendant d'un algorithme de segmentation d'image utilisé pour mettre en œuvre l'étape de segmentation et où le coefficient de dissymétrie et le coefficient d'aplatissement se rapportent à l'histogramme. where a, b, c, d and e are predetermined coefficients, at least one of the coefficients a, b, c, and e depending on an image segmentation algorithm used to implement the segmentation step and where the asymmetry coefficient and the flattening coefficient relate to the histogram.
9. Procédé selon l'une des revendications précédentes, dans lequel on calcule (104) un seuil qui est uniquement fonction d'une ou de plusieurs caractéristiques de l'histogramme. 9. Method according to one of the preceding claims, wherein one calculates (104) a threshold which is only a function of one or more characteristics of the histogram.
10. Procédé de mesure d'un niveau d'atteinte du patient à une pathologie induisant une atteinte bronchique par dilatation diffuse des bronches des poumons, telle que la mucoviscidose ou la dyskinésie ciliaire primaire ou les dilatations bronchiques diffuses post infectieuses ou idiopathiques, le procédé de mesure comprenant le procédé de traitement selon l'une des revendications 1 à 9. 10. A method of measuring a level of patient involvement in a pathology inducing bronchial involvement by diffuse dilation of the bronchi of the lungs, such as cystic fibrosis or primary ciliary dyskinesia or postinfective or idiopathic diffuse bronchial dilations, the method measuring device comprising the treatment method according to one of claims 1 to 9.
1 1. Produit programme d'ordinateur comprenant des instructions de code de programme pour l'exécution des étapes du procédé selon l'une de revendications précédentes, lorsque ce programme est exécuté par au moins un processeur. A computer program product comprising program code instructions for performing the steps of the method according to one of the preceding claims, when this program is executed by at least one processor.
12. Dispositif de traitement automatique d'au moins une image de coupe d'une partie donnée d'au moins un poumon d'un patient atteint d'une pathologie qui induit une atteinte bronchique par dilatation diffuse des bronches des poumons, le dispositif comprenant : 12. Device for automatic treatment of at least one cut image of a given part of at least one lung of a patient suffering from a pathology that induces bronchial involvement by diffuse dilation of the bronchi of the lungs, the device comprising :
· un module d'acquisition d'au moins une image de coupe par tomodensitométrie et de segmentation, configuré pour segmenter la ou des images de la partie donnée du poumon, de sorte à produire un histogramme caractéristique de la densité pulmonaire de la partie donnée du poumon, à l'aide des voxels de la ou des images de coupe, chaque voxel étant associé à une densité pulmonaire donnée,  A module for acquiring at least one tomodensitometry and segmentation image, configured to segment the image or images of the given part of the lung, so as to produce a characteristic histogram of the pulmonary density of the given part of the lung; lung, using the voxels of the cutting image or images, each voxel being associated with a given pulmonary density,
• au moins un processeur configuré pour :  At least one processor configured to:
o calculer un seuil fonction d'une ou de plusieurs caractéristiques de l'histogramme, une première caractéristique étant le mode de l'histogramme, le mode correspondant à la densité pulmonaire la plus représentée dans l'histogramme de la ou des images de la partie donnée du poumon,  calculating a threshold depending on one or more characteristics of the histogram, a first characteristic being the mode of the histogram, the mode corresponding to the most represented pulmonary density in the histogram of the image or images of the part lung data,
o déterminer, à partir de la ou des images de coupe de la partie donnée du poumon, un volume pulmonaire ayant une densité pulmonaire supérieure ou inférieure au seuil calculé, correspondant à la somme des voxels ayant une densité pulmonaire supérieure ou inférieure au seuil calculé, calculer, à partir du volume pulmonaire déterminé, un score automatiq de suivre l'évolution de l'atteinte bronchique du patient, le seuil étant fonction d'au moins deux caractéristiques, et la seconde caractéristique est un écart type de valeurs de densité de l'histogramme. o determining, from the one or more sectional images of the given part of the lung, a pulmonary volume having a pulmonary density greater than or less than the calculated threshold, corresponding to the sum of the voxels having a pulmonary density greater than or less than the calculated threshold, calculate, from the determined lung volume, an automatic score to follow the evolution of the bronchial involvement of the patient, the threshold being a function of at least two characteristics, and the second characteristic is a standard deviation of the density values of the histogram.
EP17777294.4A 2016-10-04 2017-10-04 Method and device for processing at least one image of a given part of at least one lung of a patient Withdrawn EP3523778A1 (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1659565A FR3057094B1 (en) 2016-10-04 2016-10-04 METHOD AND DEVICE FOR PROCESSING AT LEAST ONE IMAGE OF A DATA PART OF AT LEAST ONE LUNG OF A PATIENT
PCT/EP2017/075246 WO2018065482A1 (en) 2016-10-04 2017-10-04 Method and device for processing at least one image of a given part of at least one lung of a patient

Publications (1)

Publication Number Publication Date
EP3523778A1 true EP3523778A1 (en) 2019-08-14

Family

ID=58401634

Family Applications (1)

Application Number Title Priority Date Filing Date
EP17777294.4A Withdrawn EP3523778A1 (en) 2016-10-04 2017-10-04 Method and device for processing at least one image of a given part of at least one lung of a patient

Country Status (4)

Country Link
US (1) US11017528B2 (en)
EP (1) EP3523778A1 (en)
FR (1) FR3057094B1 (en)
WO (1) WO2018065482A1 (en)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7047574B2 (en) * 2018-04-26 2022-04-05 コニカミノルタ株式会社 Dynamic image analysis device, dynamic image analysis system, dynamic image analysis program and dynamic image analysis method
FR3099621B1 (en) * 2019-07-31 2021-12-31 Inst Nat Sante Rech Med METHOD FOR GENERATION OF A BIOMARKER, SYSTEM
CN111598853B (en) * 2020-04-30 2024-02-13 讯飞医疗科技股份有限公司 CT image scoring method, device and equipment for pneumonia
CN112083993B (en) * 2020-09-02 2024-06-07 上海联影医疗科技股份有限公司 Scanning protocol generation method and device, electronic equipment and storage medium

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013003826A1 (en) * 2011-06-29 2013-01-03 The Regents Of The University Of Michigan Analysis of temporal changes in registered tomographic images
US20160203263A1 (en) * 2015-01-08 2016-07-14 Imbio Systems and methods for analyzing medical images and creating a report

Also Published As

Publication number Publication date
US11017528B2 (en) 2021-05-25
US20200051240A1 (en) 2020-02-13
FR3057094B1 (en) 2019-09-20
WO2018065482A1 (en) 2018-04-12
FR3057094A1 (en) 2018-04-06

Similar Documents

Publication Publication Date Title
FR3057094B1 (en) METHOD AND DEVICE FOR PROCESSING AT LEAST ONE IMAGE OF A DATA PART OF AT LEAST ONE LUNG OF A PATIENT
EP3755197B1 (en) Method for automatically determining image display quality in an endoscopic video capsule
Reed et al. A visual analogue scale and a Likert scale are simple and responsive tools for assessing dysphagia in eosinophilic oesophagitis
EP2652702B1 (en) Method of detecting and quantifying blur in a digital image
WO2005116901A2 (en) Method of diagnosing the presence and/or severity of a hepatic pathology in an individual and/or of monitoring the effectiveness of a treatment for one such pathology
EP1898783A2 (en) Electrophysiological analysis system and method
CA2888118C (en) Method for quantifying brain injuries
EP0732668A1 (en) Contour extraction method using multi-fractal analysis
Santos et al. Anemia and dementia among the elderly: the São Paulo Ageing & Health Study
FR2937850A1 (en) SYSTEM FOR DETECTING THE RESPIRATORY MUSCLE ACTIVITY OF A PATIENT WITH RESPIRATORY ASSISTANCE.
EP2785039A1 (en) Method and device for tattooing an image sequence, method and device for authenticating a sequence of tattooed images and corresponding computer program
EP3331441A1 (en) Method for characterising a gait
EP2652674A1 (en) Method of comparing images of irises by intelligent selection of textured zones
Rumeau et al. Comment tester l’olfaction avec le Sniffin’Sticks test®
EP3815037A1 (en) System and method for producing a multiparameter graphic indicator from an image of a histological section
EP3130144B1 (en) Method for calibrating a digital imager
EP4004866A1 (en) Method for generating a biomarker, system
WO2015173109A1 (en) Method for processing images in order to determine a degree of mobility of the vocal chords
Eggerickx et al. Inégalités sociales de mortalité au-delà de 65 ans. Le cas de la Belgique
EP3017752B1 (en) Active medical device for selective, early treatment of hypopnoea
EP4387521A1 (en) Method for determination of an indicator representative of a change in the brain of an individual caused by a demyelinating or related disease affecting the state of the myelin of the brain
FR3051950B1 (en) METHOD FOR THE GEOMETRIC CHARACTERIZATION OF AERIAL PATHWAYS OF A LUNG BY MRI
FR3140199A1 (en) Method and device for assisting in determining a dosage of antioxidants for a person suffering from oxidative stress
FR3080936A1 (en) METHOD OF DETECTING AND QUANTIFYING FLOUD IN A DIGITAL IMAGE
Gruénais Didier Fassin (éd.) Afflictions. L ‘Afrique du Sud, de l ‘apartheid au sida Paris, Karthala, 2004, 299 p.

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20190502

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

AX Request for extension of the european patent

Extension state: BA ME

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: EXAMINATION IS IN PROGRESS

17Q First examination report despatched

Effective date: 20200909

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: EXAMINATION IS IN PROGRESS

RAP1 Party data changed (applicant data changed or rights of an application transferred)

Owner name: ASSISTANCE PUBLIQUE - HOPITAUX DE PARIS

Owner name: INTRASENSE

Owner name: UNIVERSITE DE PARIS

GRAP Despatch of communication of intention to grant a patent

Free format text: ORIGINAL CODE: EPIDOSNIGR1

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: GRANT OF PATENT IS INTENDED

INTG Intention to grant announced

Effective date: 20220302

RAP3 Party data changed (applicant data changed or rights of an application transferred)

Owner name: ASSISTANCE PUBLIQUE - HOPITAUX DE PARIS

Owner name: INTRASENSE

Owner name: UNIVERSITE PARIS CITE

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION IS DEEMED TO BE WITHDRAWN

18D Application deemed to be withdrawn

Effective date: 20220713