FR2906055A1

FR2906055A1 - Methode de suivi en temps reel de structures cardiaques en echocardiographie 3d

Info

Publication number: FR2906055A1
Application number: FR0757610A
Authority: FR
Inventors: Fredrik Orderud
Original assignee: General Electric Co
Current assignee: General Electric Co
Priority date: 2006-09-15
Filing date: 2007-09-14
Publication date: 2008-03-21
Also published as: JP2008068086A; US7889912B2; US20080069436A1

Abstract

Il est proposé une méthode de suivi du mouvement et des variations de forme d'un modèle déformable dans une séquence d'images volumétriques. La méthode est utilisable pour prédire la surface d'une zone tirée d'une image 3D, telle que des structures cardiaques tirées d'une image échographique 3D. La forme et la position d'un modèle déformable sont prédites pour chaque image d'une échographie. Une détection de contours est ensuite effectuée pour chaque point prédit 34 sur le modèle déformable perpendiculairement à la surface du modèle. Les distances entre les contours prédit et mesuré pour le modèle déformable sont des mesures pour un filtre de Kalman. Les mesures sont couplées à des valeurs de bruit 42 qui spécifient l'incertitude spatiale de la détection de contours. Les données des mesures sont subséquemment sommées dans l'espace d'information et combinées à la prédiction dans le filtre de Kalman pour estimer la position et la déformation pour le modèle déformable. Le modèle déformable est ensuite mis à jour pour générer un modèle de surface mis à jour.

Description

B 07-3098 FR Société dite : GENERAL ELECTRIC COMPANY Méthode de suivi en

temps réel de structures cardiaques en échocardiographie 3D Invention de : ORDERUD Frederik Priorité de deux demandes de brevets déposées aux Etats-Unis d'Amérique le 15 septembre 2006 et le 11 juillet 2007 sous les n 60/845.082 et 11/775.903 2906055 METHODE DE SUIVI EN TEMPS REEL DE STRUCTURES CARDIAQUES EN ECHOCARDIOGRAPHIE 3D La présente invention est basée sur et revendique priorité de la demande de brevet provisoire des Etats-Unis numéro de série 60/845.082, déposée le 15 septembre 2006. Le sujet décrit dans la présente concerne globalement une méthode de suivi de structures 3D dans des données d'image. Plus spécifiquement, le sujet décrit dans la présente porte sur une méthode de suivi en temps réel de structures cardiaques, telles que des cavités du coeur, dans des images échographiques 3D afin de calculer des l0 informations voulues sur la structure en temps réel. L'émergence de l'acquisition d'images volumétriques dans le domaine de l'imagerie médicale a attiré un fort intérêt scientifique dans les années récentes. Des approches nombreuses et diverses à la segmentation et au suivi de modèles déformables dans des ensembles de données volumétriques ont été proposées, incluant aussi bien de 15 nouveaux algorithmes que des extensions d'algorithmes existants à des ensembles de données 3D. Les tentatives antérieures actuellement connues sont toutefois limitées à un fonctionnement hors ligne en raison des lourdes exigences de traitement des méthodes actuelles, même si la dernière génération de la technique d'échographie 3D permet d'effectuer une acquisition volumétrique en temps réel. Il n'existe actuellement aucune 20 méthode pour le suivi ou la segmentation en temps réel de telles données. L'existence de techniques de suivi en temps réel dans des ensembles de données volumétriques offrirait des possibilités d'évaluation et de diagnostic instantanés en imagerie médicale. Il existe par exemple un besoin clinique de surveillance de la fonction cardiaque en temps réel durant des procédures effractives et des soins intensifs. 25 Le suivi automatique de certains paramètres, tels que le volume, de la cavité principale du coeur, le ventricule gauche (VG), constituerait une application avantageuse du suivi en temps réel. La plupart des approches au suivi en échocardiographie 2D étaient basées sur des modèles déformables traditionnels, qui facilitent une déformation libre. Cependant, 30 ces méthodes ont tendance à être trop lentes pour des applications temps réel et doivent 2906055 3 être initialisées près des frontières du VG. On peut toutefois s'affranchir du problème en restreignant les déformations admissibles à certains modes prédéfinis. Cela régularise le problème pour rendre le suivi plus robuste, et permet aussi des mises en oeuvre temps réel basées sur une estimation d'état séquentielle. 5 Cette approche par estimation d'état a été présentée en premier par Blake et coll. dans "A framework for spatiotemporal control in the tracking of visual contours", International Journal of Computer Vision, 11(2):127-145, 1993, qui décrit l'utilisation d'un filtre de Kalman pour suivre des modèles B-splines déformés par des transformations linéaires dans un sous-espace de modèles appelé espace de forme. Le système a ensuite été appliqué au suivi en temps réel du ventricule gauche en échocardiographie 2D long axe par Jacob et coll. dans "Quantitative regional analysis of myocardial wall motion", Ultrasound in Medicine & Biology, 27(6):773-784, 2001. Toutes ces méthodes antérieures utilisent une représentation par B-splines, déformées par un modèle de déformation d'analyse en composantes principales (ACP) linéaire appris dans des ensembles de données 2D. Une approche assez similaire (voir "Shape and Nonrigid Motion Estimation Through Physics-Based Synthesis" de D. Metaxas et D. Terzopoulos, IEEE Transactions on Pattern Analysis and Machine Intelligence, 15(6):580-591, 1993) utilise un filtre de Kalman continu pour estimer des paramètres pour un modèle superquadrique déformable en utilisant des positions 3D de points échantillonnés par des marqueurs à diodes attachés à des objets. Cela donne des mesures 3D directes en des points connus prédéfinis. La présente invention utilise toutefois une détection de contours pour effectuer des mesures de déplacement à intervalle d'échantillonnage régulier à proximité d'un contour prédit.

La présente invention porte sur une méthode de suivi du mouvement et des changements de forme de modèles déformables qui sont ajustés à des contours dans des séquences d'images volumétriques. La méthode utilise un filtre de Kalman étendu pour estimer les paramètres de position, d'orientation et de déformation d'un modèle déformable.

2906055 4 La forme et la position du modèle déformable sont d'abord prédites pour chaque nouvelle image, en utilisant un modèle cinématique. Une détection de contours est ensuite effectuée à proximité de ce modèle. La détection de contours est effectuée en cherchant des contours perpendiculairement à la surface du modèle en des positions 5 régulièrement espacées sur le modèle. Les distances déterminées entre les contours prédit et mesuré pour le modèle déformable sont traitées comme des mesures destinées à un algorithme des moindres carrés, tel qu'un filtre de Kalman. Les mesures de distance sont couplées à des valeurs de bruit de mesure associées, qui spécifient l'incertitude spatiale de la détection de contours locale. Des sensibilités des paramètres du modèle 10 par rapport aux mesures de contour sont calculées pour chaque point de détection de contours. Les sensibilités sont combinées aux mesures de contour. Toutes les données des mesures sont ensuite sommées dans l'espace d'information, et combinées avec la prédiction dans un filtre de Kalman pour estimer les paramètres de position et de déformation pour le modèle déformable.

15 Selon la présente invention, il est proposé une méthode de suivi en temps réel d'une structure 3D dans une image 3D comprenant une pluralité d'images séquentielles, la méthode comprenant les étapes de sélection d'un modèle de contour pour représenter la structure 3D suivie, de création d'un vecteur d'état prédit pour le modèle de contour d'après des images antérieures, de déformation du modèle de contour d'après le vecteur 20 d'état prédit, de détermination d'une pluralité de points de contour actuels pour la structure 3D à partir d'une image courante de l'image 3D, de détermination d'une valeur de déplacement et d'un vecteur de mesure d'après la différence entre la pluralité de points de contour actuels et une pluralité de points de contour prédits, d'assimilation de la valeur de déplacement et du vecteur de mesure dans l'espace d'information en 25 utilisant une méthode des moindres carrés pour générer un vecteur d'état mis à jour et une matrice de covariance mise à jour, et de génération d'un modèle de contour mis à jour pour l'image courante d'après le vecteur d'état mis à jour. De préférence, l'image 3D est acquise par ultrasons.

2906055 5 De préférence, la structure 3D est une cavité cardiaque, qui peut être le ventricule gauche. De préférence, le modèle de contour sélectionné pour le ventricule gauche est une sphère tronquée ayant des modes de déformation non linéaires. La méthode peut comprendre en outre l'étape de génération de la pluralité de 5 points de contour prédits et d'un vecteur normal pour chacun des points de contour prédits d'après le modèle de contour déformé, la valeur de déplacement étant déterminée d'après la différence entre les points de contour actuels et les points de contour prédits suivant le vecteur normal du point de contour prédit. De préférence, la valeur de déplacement et le vecteur de mesure sont assimilés 10 dans l'espace d'information pour créer un vecteur d'information et une matrice d'information, le vecteur d'information et la matrice d'information étant traités en utilisant un filtre de Kalman pour générer le vecteur d'état mis à jour et la matrice de covariance mise à jour. La méthode peut comprendre en outre l'étape de calcul de la surface de la 15 structure 3D d'après le modèle de contour mis à jour avant la génération de l'image suivante. De préférence, le vecteur d'état prédit utilise le vecteur d'état mis à jour déterminé à partir des deux images précédentes et un modèle cinématique. La méthode peut comprendre en outre l'étape de calcul du volume de la structure 20 3D d'après la surface du modèle de contour mis à jour. Les dessins illustrent le meilleur mode de réalisation actuellement envisagé de l'invention. Dans les dessins: la figure 1 est une représentation graphique d'un contour sphérique tronqué; la figure 2 est un exemple de représentation du contour sphérique tronqué 25 déformé selon la méthode de la présente invention; la figure 3 est une représentation graphique de la décomposition du système global de suivi; la figure 4 est une représentation graphique des mesures de déplacement normal suivant les vecteurs normaux de points sur un contour prédit; 2906055 6 la figure 5 est une représentation graphique des étapes de la méthode utilisée pour mettre à jour et suivre un modèle de contour; la figure 6 est une superposition du modèle de contour sur une image échographique du ventricule gauche avant déformation; et 5 la figure 7 est une vue similaire à la figure 6 représentant la superposition du modèle de contour déformé et mis à jour. Cette invention présente une approche au suivi qui permet un suivi en temps réel de contours déformables ayant des modes de déformation non linéaires dans des ensembles de données volumétriques. L'approche de l'invention traite le problème de 10 suivi comme un problème d'estimation d'état, et utilise un filtre de Kalman étendu pour suivre de manière récursive des paramètres de déformation en utilisant une combinaison de prédictions d'état et de mises à jour de mesures. Un modèle de contour déformable pour le ventricule cardiaque gauche sert d'exemple de réalisation d'un suivi volumétrique en temps réel en échocardiographie 15 3D. Bien qu'un modèle de contour déformable pour le ventricule cardiaque gauche soit représenté et décrit sur les figures, on comprendra que la méthode de la présente invention pourrait être utilisée avec d'autres structures cardiaques ou même d'autres structures internes qui peuvent être surveillées en utilisant des techniques d'imagerie. En outre, bien que la présente invention porte sur l'utilisation de l'échographie, il est 20 envisagé de pouvoir utiliser divers autres types d'imagerie, tels que l'IRM et la TDM, en restant dans la portée de la présente invention. Le modèle représenté sur les figures emploie une combinaison de modes pour les déformations de forme et de pose globale afin de modéliser intuitivement la gamme de déformations attendues pour le ventricule gauche.

25 Modèle de contour déformable Comme indiqué plus haut, il est souvent souhaitable de suivre le volume variable d'une cavité cardiaque, telle que le ventricule gauche, durant la surveillance du coeur d'un patient à l'aide d'un dispositif ultrasonore. La première étape dans la méthode de la présente invention requiert d'abord de modéliser la cavité cardiaque surveillée en utilisant un modèle de contour. Dans la forme de réalisation représentée et décrite, le 2906055 7 modèle de contour 10 est une sphère tronquée, comme représenté suivant les axes x, y et z sur la figure 1. La présente méthode utilise un suivi de contour exploitant des algorithmes d'estimation d'état. Le suivi de contour est une forme de suivi séquentiel d'objet dans 5 des flux vidéo, dans lequel l'accent est mis sur les propriétés des frontières de l'objet, telles que gradients et contours, au lieu de l'intérieur de l'objet. Cette méthode diffère des approches au suivi basées sur une segmentation, également appelées suivi de zones, qui se concentrent sur des propriétés de l'intérieur de l'objet, telles que couleur ou texture. to Un avantage du suivi de contour par rapport au suivi basé sur une segmentation est la réduction de complexité des calculs, car il suffit d'examiner les frontières de l'objet, et pas tout l'intérieur de l'objet. Le suivi de contour requiert toutefois que l'objet présente des contours clairement présents qui peuvent être utilisés pour détecter la présence de l'objet.

15 Des modèles de contour sont utilisés pour représenter et paramétrer les contours, et servir ainsi de patrons pour les objets suivis. Le système fonctionne pour les nombreuses formes de contour, telles que polygones, B-splines quadratiques et cubiques, courbes implicites et surfaces paramétriques, entre autres. La seule exigence est qu'il doit être possible d'évaluer la position et le vecteur normal de points de contour 20 régulièrement espacés sur le modèle de contour. Le système de suivi est basé sur un modèle de transformation de contour T qui transforme des points sur un patron de forme de contour T _ T Po = [ Po,x Po,y Po,y I en points déformés P = [ Px Py Py ] , en utilisant un vecteur d'état x comme paramètre selon la formule suivante: 25 p=T(ho,x) Le paramétrage qui précède impose très peu de restrictions sur la déformation admissible, si bien qu'on peut utiliser une large gamme de modèles de déformation paramétrés y compris des modèles biomécaniques non linéaires. Bien que divers modèles puissent être utilisés, il doit être possible de calculer toutes les dérivées 30 partielles de la position d'un point en fonction des paramètres de déformation. La 2906055 8 transformation de normales au contour requiert aussi le calcul des dérivées spatiales. Cette approche diffère des déformations linéaires dans l'espace de formes utilisées dans des méthodes 2D antérieures, dans lesquelles toutes les déformations devaient être linéaires dans le vecteur d'état, et qui n'imposaient aucun calcul de dérivée partielle.

5 Transformation du vecteur normal Le calcul de vecteurs normaux pour les divers points de contour sur la surface du modèle de contour déformé est effectué en multipliant la transposée de la matrice jacobienne spatiale inverse par le vecteur normal initial et par le déterminant de la matrice jacobienne, comme suit: = 3T(Po, x) 0T(Po, x) n no. 10 aPo aPo La matrice jacobienne spatiale du modèle de transformation est la matrice des dérivées partielles des points de contour transformés par rapport à tous les paramètres: - apx aPo,x aPy dPy dPy aPo,,, aPo,y aPo,z aPz aPz aPz - aPo,.

0Po,y 0Po,z- Exemple de modèle ellipsoïdal 15 Comme indiqué plus haut, quand la méthode de la présente invention est utilisée pour surveiller et suivre le ventricule gauche dans une image échographique, un contour sphérique tronqué, comme représenté sur la figure 1, est choisi pour représenter le ventricule gauche. Bien qu'un contour sphérique tronqué soit choisi comme modèle de contour initial, on comprendra que divers autres modèles qui reproduisent globalement 20 la forme et la taille du ventricule gauche pourraient être utilisés. De plus, si la méthode de la présente invention est utilisée pour surveiller d'autres cavités cardiaques ou d'autres organes surveillés, le modèle de contour choisi peut avoir une forme très nettement différente. La sphère tronquée peut être représentée par un ensemble de points défini par 25 l'équation du cercle, en tronquant z à des valeurs inférieures à un en utilisant le paramètre de troncation T: 0T(po, x) aPo aPx OP. - aPo,y aPo,z 2+y 2 +z2 x = 1, pour z E [-1, sin(T)], T < it/2 2906055 9 2 + y < 1 ù sin2 x (T), pour z = sin(T) L'équation de l'ellipsoïde peut aussi être exprimée sous forme paramétrique, en utilisant des paramètres u et v pour le mouvement apical-basal et la rotation du petit axe, respectivement. La valeur de u est limitée à des valeurs inférieures à 7c/2. Le contour 5 principal satisfera donc l'équation suivante: Los(u) cos(v) T < 7r/2 Po = cos(u) sin(v) u E [-7r/2, T] sin(u) v E [0,27r) f cos(T) cos(v) f E [0, 1] PO = f cos(T) sin(v) v [0,27r) sin(T) Une propriété avantageuse de ce modèle de contour est que toutes les normales au contour, sauf dans le plan de troncation, sont parallèles aux coordonnées du point lo associé. Un modèle distinct pour les normales au contour n'est donc pas nécessaire. Exemple de modèle de transformation pour l'ellipsoïde Une fois que le modèle de contour pour la sphère tronquée a été développé, un modèle de transformation pour la sphère tronquée est défini comme étant constitué des paramètres suivants: 15 - Translation (tx, ty, tz). - Homothétie (sx, sy, sz). - Rotation/orientation (rx, ry). - "Cintrage" (cx, cy) Au total, cela donne un vecteur d'état x contenant 10 paramètres: 20 x = [tom ty tz s~ sy sz rx ry c cy] T Le modèle de transformation proposé est donc défini comme suit: p= T(po,x) p = Rot,(x)Roty(x)Scale(x)Bend(x, po) +Trans( x) x 0 0 cos(ry) 0 ù sin(rysx 0 0 [01 cos(rx) sin(r,,) xo + cx cos(rrzoy 0 0 sy 0 yo + cy cos(7rzo) + ty 0 1 z 0 ùsin(r) cos(rx) sin(ry) 0 cos(ry) 0 0 sz zo tz On se rapportera maintenant à la figure 2, qui représente un contour d'ellipsoïde déformé 12. Comme on peut l'observer en comparant le contour déformé 12 représenté 25 sur la figure 2 et le modèle de contour original 10 représenté sur la figure 1, le contour 2906055 10 déformé 12, qui est basé sur un vecteur d'état calculé à partir d'images antérieures de l'échographie, déforme le modèle de contour initial de telle manière que le modèle de contour déformé reproduise plus précisément la configuration physique actuelle de la cavité cardiaque analysée, telle que le ventricule gauche.

5 En se basant sur le modèle de transformation défini plus haut, des matrices jacobiennes pour les dérivées spatiales et dans l'espace d'états peuvent être calculées à partir de cette fonction, soit au moyen d'une évaluation numérique, soit en utilisant une application d'algèbre informatique pour calculer des solutions sous forme fermée. Système de suivi 10 L'approche au suivi de contour proposée dans cette invention suit une chaîne de traitement cyclique comprenant plusieurs étapes. Les principales étapes de calcul exécutées pour chaque nouvelle image de l'échographie peuvent se résumer comme suit: 1. Prédiction d'un vecteur d'état du modèle de contour en utilisant un modèle cinématique d'après des images antérieures. 15 2. Déformation du patron de forme d'après le vecteur d'état pour former un contour prédit, et calcul de vecteurs normaux associés et de matrices jacobiennes dans l'espace d'états. 3. Détection de contours locale suivant les vecteurs normaux des points de contour prédits du contour déformé. 20 4. Assimilation des mesures de contour dans l'espace d'information. 5. Combinaison du vecteur d'état du modèle de contour prédit avec les mesures de contour pour calculer un estimateur d'état de contour mis à jour. La figure 3 est une représentation globale de la décomposition du suivi global réalisé selon la méthode de la présente invention. Comme représenté sur la figure 3, le 25 vecteur d'état 14 et la matrice de covariance 16 pour les images précédentes sont utilisés à l'étape de prédiction 18 pour créer un vecteur d'état prédit 20 et une matrice de covariance prédite 22. Comme décrit en détail plus bas, le vecteur d'état 20 et la matrice de covariance 22 prédits sont utilisés avec l'étape de mesure 24 pour générer un vecteur d'information 26 et une matrice d'information 28. Le vecteur d'information 26 et la 30 matrice d'information 28 sont utilisés à l'étape de mise à jour 30.

2906055 11 Prédiction d'état Des modèles cinématiques sont utilisés pour prédire les états du contour entre images successives. Ces modèles agissent en utilisant une connaissance antérieure, donnant une prédiction à la fois pour le vecteur d'état et pour la matrice de covariance, 5 en spécifiant l'incertitude de prédiction. La prédiction peut ensuite être utilisée comme point de départ pour des affinements plus précis, appelés mises à jour, dans lesquels la prédiction est combinée à des mesures tirées de l'image courante pour former des estimateurs plus précis. La plupart des types de suivi vidéo, incluant le suivi de contour, travaillent sur 10 des objets mobiles déformables qui sont non statiques en termes à la fois de forme, d'alignement et de position. Cela augmente la complexité de la prédiction d'état, car de simples estimateurs d'état tirés de l'image précédente ne suffisent pas comme entrées pour un modèle cinématique. Cela est dû au fait que les vecteurs d'état de contour ne contiennent aucun concept de mouvement, ou taux de variation. On doit donc employer 15 une stratégie permettant de capturer une évolution temporelle en plus des variations spatiales. Il est souhaitable de pouvoir incorporer des propriétés cinématiques, telles qu'un amortissement du mouvement, une régularisation de forme et de pose pour l'objet suivi, ainsi qu'un taux de variation admissible pour les paramètres de déformation. Exploiter 20 ces propriétés peut aider à guider le suivi en limitant l'espace de recherche, ce qui permet ensuite d'abandonner des contours aberrants et d'imposer une cohérence temporelle pour le contour. Heureusement, l'étage de prédiction d'état d'un filtre de Kalman offre un cadre à cette modélisation. On peut réaliser une modélisation du mouvement en plus de la 25 position en complétant le vecteur d'état pour qu'il contienne les deux derniers estimateurs d'état successifs tirés des deux images précédentes et en formant un modèle autorégressif du second ordre. Un modèle cinématique qui prédit un état x à un instant k+l, en se focalisant sur l'écart par rapport à un état moyen xo, peut alors être exprimé sous la forme: 30 Xk+ 1 ù X0 ù A1(Xk ù X0) + A2(34ù1 ù X0) 2906055 12 dans laquelle x k est l'état estimé à l'instant k. On peut ensuite régler des propriétés, telles que l'amortissement et la régularisation vers l'état moyen xo pour tous les paramètres de déformation, en ajustant les coefficients dans les matrices AI et A2. On peut ajuster l'incertitude de prédiction de manière similaire en manipulant la matrice de 5 covariance de bruit de traitement Bo qui est utilisée dans l'équation de mise à jour de covariance associée. Cette dernière limitera la vitesse à laquelle les valeurs de paramètre sont autorisées à varier. D'autres modèles cinématiques, y compris des modèles d'ordre supérieur et des modèles non linéaires, peuvent aussi être utilisés sans apporter de modification au 10 système global. Déformation du contour Une fois que le vecteur d'état prédit x est calculé pour le modèle de contour d'après des images antérieures, le modèle de transformation est utilisé conjointement avec le vecteur d'état prédit pour créer des points de contour p avec des vecteurs 15 normaux n associés, en se basant sur le vecteur d'état prédit, comme décrit plus haut dans la description. Le traitement des mesures de contour à l'aide d'un filtre de Kalman étendu requiert d'évaluer des matrices jacobiennes dans l'espace d'états au niveau du vecteur d'état prédit afin de lier les variations de position des points de contour aux variations de 20 l'état de contour. Des matrices jacobiennes distinctes pour chaque point de contour doivent donc aussi être calculées, qui sont constituées des dérivées partielles du point de contour par rapport à tous les paramètres de transformation: -are. aPc aPc- axl ax2 aXN 0T(po, x) _ aPy apy apy âx ù axl axe aXN aPz aPz aPz _ 3Xl 0X2 aXN _ Mesures de contour 25 Une fois que le contour déformé a été créé comme décrit plus haut, une détection de contours est effectuée pour déterminer la position actuelle de points de contour 31 le long de la paroi interne de la structure 33 suivie, comme représenté sur la figure 4. A titre d'exemple, la détection de contours est effectuée pour déterminer des points de 2906055 13 contour le long de la paroi interne du ventricule gauche. La détection de contours est l'opération consistant à détecter la présence et la position de contours dans une image, telle qu'une image échographique. Un contour est généralement défini comme étant toute variation significative de l'intensité d'image apparaissant à courte échelle spatiale.

5 Les stratégies de détection de contours sont nombreuses et diverses. La procédure la plus couramment utilisée est un filtrage de dérivées spatiales, opération qui accentue les variations d'intensité de l'image. Un seuillage subséquent révélera la position des éventuels contours présents. Un problème de cette approche est qu'elle accentue non seulement les contours mais aussi le bruit, ce qui limite la robustesse de la méthode. La 10 présente invention utilisera donc d'autres types de détection de contours. En outre, l'approche normale à la détection de contours consiste généralement à traiter l'image entière, ce qui peut être lourd en calculs puisque les images peuvent contenir des millions de pixels. L'approche au suivi de contour de la présente invention améliore toutefois la situation, puisque seules les normales au contour sont examinées.

15 Le traitement de l'image entière est donc superflu, ce qui se traduit par une détection de contours plus simple dans laquelle seuls quelques pixels seront examinés pour chaque contour. Selon la présente invention, il est envisagé de pouvoir utiliser des modèles de détection de contours de type marche ou de détection de contours de type crête tout en 20 restant dans la portée de la présente invention. En outre, d'autres méthodes de détection de contours sont envisagées comme étant incluses dans la portée de la présente invention. Des mesures du contour sont utilisées pour guider le contour prédit vers l'objet suivi. Cela est effectué en mesurant la distance entre des points prédits 34 sur la surface 25 du contour prédit 35 déduit du modèle cinématique et les contours 33 de l'image actuelle trouvés en cherchant dans une certaine direction par rapport à la surface du contour, ce qui donne une mesure de déplacement n. Ce type de détection de contours exécuté dans la direction normale à la surface du contour est appelé déplacement normal. Toutefois, des mesures de contour peuvent aussi être effectuées en cherchant 2906055 14 dans des directions autres que la direction normale tout en restant dans la portée de cette invention. Le déplacement normal entre un point de contour prédit p associé à un vecteur normal n et un point de contour mesuré pobs est défini comme étant la projection sur la 5 normale de la distance entre les points, comme indiqué sur la figure 4: obs,x lux lP I Pobs,y Py Pobs,z lez v = [ nx ny nz ce qui, sous forme vectorielle, devient: v =nT(pobs ù p) Chaque mesure de déplacement est couplée à une valeur r de bruit de mesure qui 10 spécifie l'incertitude associée au contour, qui peut soit être constante pour tous les contours soit dépendre de l'intensité du contour ou d'une autre mesure d'incertitude. Ce choix de mesures de déplacement associées à un bruit de mesure permet d'utiliser un large éventail de détecteurs de contours possibles. La seule exigence sur le détecteur de contours est qu'il doit identifier le contour candidat le plus prometteur pour 15 chaque recherche normale au point de contour prédit, et affecter une valeur d'incertitude à ce candidat. Des modèles de mesure linéarisés, qui sont requis dans le filtre de Kalman pour chaque mesure de contour, sont construits en transformant les matrices jacobiennes de l'espace d'états de la même manière que les mesures de contour, c'est-à-dire en prenant 20 leur projection sur leur vecteur normal: hT nT 3T(P0, x) 0x Cela donne, pour chaque mesure de déplacement,un vecteur de mesure h distinct qui lie les déplacements aux variations d'état du contour. Assimilation des mesures 25 On se rapportera maintenant à la figure 5 qui représente les étapes de la présente invention décrites jusqu'ici. Comme représenté sur la figure 5, les points sur le modèle de contour po et no sont initialement déformés en utilisant le vecteur d'état prédit 20, comme représenté par l'étape de déformation 32. La déformation du modèle de contour 2906055 15 à l'étape 32 utilise le modèle de transformation de contour T pour créer les points de contour prédits 34 et le vecteur normal prédit 36. En même temps, le vecteur de mesure 38 est créé à partir de la matrice jacobienne du modèle de mesure dans l'espace d'états. A l'étape de mesure 24, la méthode détermine la position de points de contour 5 actuels sur l'image courante en utilisant des techniques de détection de contours. Dans la forme de réalisation représentée de l'invention, la méthode utilise de 400 à 600 points de détection de contours. Dans une forme de réalisation préférée, la méthode utilise 500 points de détection de contours. En se basant sur les points de contour actuels détectés ou mesurés, la méthode 10 calcule ensuite la valeur de déplacement v (40) et une valeur de bruit de mesure r (42). Une fois que les valeurs et variables sont calculées, la méthode utilise ensuite une étape d'assimilation 44 qui va être décrite en détail dans ce qui suit. Le suivi de contour crée un problème à structure particulière, car le nombre de mesures est typiquement très supérieur au nombre de dimensions de l'état. Dans la 15 forme de réalisation décrite, le système calcule de 400 à 600 points de contour pour chaque image et le vecteur d'état comprend dix paramètres. Un calcul de gain de Kalman ordinaire sera donc infaisable informatiquement, puisqu'il implique l'inversion de matrices de dimensions égales au nombre de mesures (500 X 500). Une autre approche évite ce problème en modifiant l'étape de mise à jour des 20 mesures dans le filtre de Kalman de manière à accepter des mesures assimilées dans l'espace d'information avant l'étape de mise à jour d'état. Cela est important, car les mesures de déplacement doivent être traitées efficacement pour permettre un fonctionnement en temps réel du suiveur de contour. Cette approche se fonde sur une hypothèse de mesures non corrélées, ce qui 25 permet de sommer efficacement les mesures dans l'espace d'information. Cela est possible car des mesures non corrélées se traduisent par des matrices de covariance de mesure diagonales. Toutes les informations des mesures peuvent alors être sommées en un vecteur d'information et une matrice d'information dont les dimensions sont indépendantes du nombre de mesures. Le calcul d'un vecteur d'information et d'une 30 matrice d'information pour les mesures se simplifie alors pour devenir: 2906055 16 HTR-1v = . h.r2 1v. HTR-1H = >2 h.r2 1hT Mise à jour des mesures Les mesures sous forme de vecteur d'information nécessitent d'apporter certaines modifications à l'étape de mise à jour d'état dans le filtre de Kalman. Cela peut être 5 accompli en utilisant la formulation dite filtre d'information du filtre de Kalman pour l'estimateur d'état mis à jour x à l'instant k: xk = xk + PkHTR-1Vk La matrice de covariance d'erreur mise à jour P peut de manière similaire être calculée dans l'espace d'information pour éviter d'inverser des matrices de dimensions 10 supérieures à la dimension de l'état: É' k-1 = Pil +HTR-1H Une fois que les estimateurs d'état mis à jour x et la matrice de covariance P sont calculés, ces valeurs peuvent être utilisées de la manière décrite plus haut pour mettre à jour le modèle de contour. Le modèle de contour mis à jour est à présent basé 15 sur des mesures directement tirées de l'image courante. Une fois que le modèle de contour a été mis à jour, le modèle de contour mis à jour peut être utilisé pour déterminer le volume de la zone analysée. A titre d'exemple, si la zone analysée est le ventricule gauche, le modèle de contour mis à jour peut être utilisé pour déterminer le volume du ventricule gauche pendant la durée de l'image 20 courante de l'échographie. Comme décrit plus haut, en utilisant les techniques et méthodes de traitement de la présente invention, on peut créer un modèle de contour mis à jour pour chaque image d'une technique d'imagerie continue, telle que l'échographie. Les techniques et méthodes de traitement décrites plus haut sont mises en oeuvre dans l'espace d'information en 25 utilisant le vecteur d'état, ce qui permet de créer le modèle de contour mis à jour pour chaque image individuelle avant la génération de l'image suivante. Cette méthode de traitement permet de générer le modèle de contour, et divers paramètres mesurés tels que le volume, pour la zone 3D surveillée et suivie. Dans les méthodes et systèmes de l'art antérieur, le calcul de mesures de volume pour des zones telles que le ventricule 2906055 17 gauche nécessitait de lourdes étapes de traitement après la génération de l'image. La méthode de la présente invention permet donc de calculer en temps réel diverses mesures, telles qu'un volume, durant une séquence d'échographie. On se rapportera maintenant à la figure 6 qui représente un exemple réalisé en 5 utilisant la méthode de la présente invention. Une image échographique 46 représentée sur la figure 6 contient une vue du ventricule gauche. Selon la méthode de la présente invention, un modèle de contour initial 48 est représenté superposé à l'image échographique 46. Comme on peut clairement l'observer, les dimensions du modèle de contour 48 ne correspondent pas à la cavité cardiaque représentée dans l'image 10 échographique. En suivant les étapes décrites plus haut, le modèle de contour 48 est mis à jour en utilisant des informations tirées des images échographiques précédentes et par les étapes de mise à jour décrites, incluant les méthodes de détection de contours. Les étapes de mise à jour permettent de développer un modèle de contour mis à jour 50 qui 15 correspond plus étroitement à la taille et à la forme de la cavité cardiaque analysée. Une fois que le modèle de contour mis à jour 50 a été développé, le volume du modèle de contour mis à jour peut facilement être calculé en utilisant des algorithmes et techniques conventionnels. Les volumes calculés peuvent alors être présentés en temps réel à un utilisateur/opérateur à mesure que l'image échographique est surveillée.

2906055 18 LISTE DES COMPOSANTS 10 Modèle de contour 12 Contour déformé 14 Vecteur d'état 5 16 Matrice de covariance 18 Etape de prédiction 20 Vecteur d'état prédit 22 Matrice de covariance 24 Etape de mesure l0 26 Vecteur d'information 28 Matrice d'information 30 Etape de mise à jour 31 Point de contour actuel 32 Etape de déformation 15 33 Structure actuelle 34 Point de contour prédit Contour prédit 36 Vecteur normal prédit 38 Vecteur de mesure 20 40 Valeur de déplacement 42 Valeur de bruit 44 Etape d'assimilation 46 Image échographique 48 Modèle de contour 25 50 Modèle de contour mis à jour

Claims

REVENDICATIONS

1. Méthode de suivi en temps réel d'une structure 3D dans une image 3D comprenant une pluralité d'images séquentielles, la méthode comprenant les étapes de: sélection d'un modèle de contour 10 pour représenter la structure 3D suivie; création d'un vecteur d'état prédit (20) pour le modèle de contour 10 d'après des images antérieures; déformation (32) du modèle de contour (10) d'après le vecteur d'état prédit 14; détermination d'une pluralité de points de contour actuels (31) pour la structure 3D à partir d'une image courante de l'image 3D; détermination d'une valeur de déplacement (40) et d'un vecteur de mesure 38 d'après la différence entre la pluralité de points de contour actuels (31) et une pluralité de points de contour prédits (34); assimilation (44) de la valeur de déplacement (40) et du vecteur de mesure (38) dans l'espace d'information en utilisant une méthode des moindres carrés pour générer un vecteur d'état mis à jour et une matrice de covariance mise à jour; et génération d'un modèle de contour mis à jour (50) pour l'image courante d'après le vecteur d'état mis à jour.

2. Méthode selon la revendication 1, dans laquelle l'image 3D est acquise par ultrasons.

3. Méthode selon la revendication 1 ou 2 dans laquelle la structure 3D est une cavité cardiaque.

4. Méthode selon la revendication 3, dans laquelle la cavité cardiaque est le ventricule gauche.

5. Méthode selon la revendication 4, dans laquelle le modèle de contour sélectionné pour le ventricule gauche est une sphère tronquée ayant des modes de déformation non linéaires.

6. Méthode selon la revendication 1 ou 3, comprenant en outre l'étape de génération de la pluralité de points de contour prédits (34) et d'un vecteur normal pour chacun des points de contour prédits (34) d'après le modèle de contour déformé (12), la 2906055 20 valeur de déplacement (40) étant déterminée d'après la différence entre les points de contour actuels (31) et les points de contour prédits (34) suivant le vecteur normal (36) du point de contour prédit (34).

7. Méthode selon la revendication 1 ou 3, dans laquelle la valeur de déplacement 5 40 et le vecteur de mesure (38) sont assimilés dans l'espace d'information pour créer un vecteur d'information (26) et une matrice d'information (28), dans laquelle le vecteur d'information (26) et la matrice d'information (28) sont traités en utilisant un filtre de Kalman pour générer le vecteur d'état mis à jour et la matrice de covariance mise à jour.

8. Méthode selon la revendication 1 ou 3, comprenant en outre l'étape de calcul 10 de la surface de la structure 3D d'après le modèle de contour mis à jour (50) avant la génération de l'image suivante.

9. Méthode selon la revendication 1 ou 3, dans laquelle le vecteur d'état prédit utilise le vecteur d'état mis à jour déterminé à partir des deux images précédentes et un modèle cinématique. 15

10. Méthode selon la revendication 8, comprenant en outre l'étape de calcul du volume de la structure 3D d'après la surface du modèle de contour mis à jour (50).