WO2008135668A2 - Dispositif de traitement d'images pour la mise en correspondance d'images d'une même portion d'un corps obtenues par résonance magnétique et par ultrasons - Google Patents

Dispositif de traitement d'images pour la mise en correspondance d'images d'une même portion d'un corps obtenues par résonance magnétique et par ultrasons Download PDF

Info

Publication number
WO2008135668A2
WO2008135668A2 PCT/FR2008/000394 FR2008000394W WO2008135668A2 WO 2008135668 A2 WO2008135668 A2 WO 2008135668A2 FR 2008000394 W FR2008000394 W FR 2008000394W WO 2008135668 A2 WO2008135668 A2 WO 2008135668A2
Authority
WO
WIPO (PCT)
Prior art keywords
interest
probability
image
magnetic resonance
processing means
Prior art date
Application number
PCT/FR2008/000394
Other languages
English (en)
Other versions
WO2008135668A3 (fr
Inventor
Pierrick Coupe
Christian Barillot
Xavier Morandi
Pierre Hellier
Original Assignee
Inria Institut National De Recherche En Informatique Et En Automatique
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 Inria Institut National De Recherche En Informatique Et En Automatique filed Critical Inria Institut National De Recherche En Informatique Et En Automatique
Priority to US12/594,572 priority Critical patent/US8755581B2/en
Priority to EP08787840A priority patent/EP2137695A2/fr
Publication of WO2008135668A2 publication Critical patent/WO2008135668A2/fr
Publication of WO2008135668A3 publication Critical patent/WO2008135668A3/fr

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/32—Determination of transform parameters for the alignment of images, i.e. image registration using correlation-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/35—Determination of transform parameters for the alignment of images, i.e. image registration using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/38—Registration of image sequences
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • 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
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • 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
    • G06T2207/10132—Ultrasound image
    • G06T2207/10136—3D ultrasound image
    • 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
    • G06T2207/20076—Probabilistic 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
    • G06T2207/30016—Brain

Definitions

  • the invention relates to image processing devices for portion (s) of a body, and more specifically devices for automatically resetting pairs of two-dimensional (2D) or three-dimensional (3D) images of the same portion of a body. a body respectively obtained by magnetic resonance and ultrasound.
  • portion of a body is intended to mean any part of a human or animal body made up of tissues and / or organs observable at least partially by means of magnetic resonance and ultrasound techniques (B-mode ultrasound) .
  • B-mode ultrasound magnetic resonance and ultrasound techniques
  • magnetic resonance images or ultrasound images are used to diagnose portions of a body, or even to perform assisted surgery. The more precise the surgical procedures (given the operating environment), the more reliable and accurate the images used. This is particularly the case, although not exclusively, in the field of neuro-surgery of the brain.
  • the two above-mentioned image acquisition techniques each provide specific information (level of reflection for ultrasound and water concentration for magnetic resonance), so it is important to try to recalibrate (or map) the images that they provide so that they are precisely superimposable and thus offer reliable and complementary information for certain structures of interest.
  • Image pre-processing is based on the definition of regions of interest in magnetic resonance and ultrasound images by means of dots, lines and / or surfaces.
  • the main disadvantage of this pretreatment lies in the fact that it makes the registration very sensitive to the (manual) segmentation of the images.
  • Iconic registration relies on the use of intensity-image similarity measures. It makes it possible to overcome the main disadvantage of preprocessing images, but it leads to search for similarity measures based on statistical measurements on histograms, which may lack specificity and lead to failure of registration.
  • the object of the invention is therefore to improve the situation.
  • a device dedicated to the processing of data constituting images of portion (s) of a body, and comprising loaded processing means, in the presence of first data representative of elementary image portions obtained by magnetic resonance in a region of a body and second data representative of ultrasonic image elementary parts obtained in a portion of this region: constructing first and second membership probability maps of the elementary portions to structures of interest of the region portion according to at least intensities associated therewith and which are respectively defined by the first and second data, - d estimate a transformation that makes it possible to move from one of the first and second maps to another by maximizing for each of their elementary parts the joint probability that it belongs to the same structure of interest, and
  • the treatment device according to the invention may comprise other characteristics that can be taken separately or in combination, and in particular:
  • its processing means may be responsible for maximizing for each elementary part a joint probability which is a function of the product of the probability that it belongs to a structure of interest of magnetic resonance image (s) by the product of the probability that it belongs to a structure of interest of the corresponding ultrasound image (s);
  • its processing means may be responsible for constructing the second card by constituting first data which defines a three-dimensional (3D) ultrasound image from the first data defining the two-dimensional ultrasound images, then by transforming the intensity of each elemental part of this three-dimensional ultrasound image into a probability of being part of a structure of interest between 0 and
  • its processing means can be responsible for determining for each elementary part of the second map the probability belonging to a structure of interest equal to the ratio between its intensity and 2 n , where n is equal to the number of bits of ultrasound image (s);
  • its processing means may be responsible for constructing a first intermediate map by determining for each elementary part of this image by resonance three-dimensional magnetic a local average curvature of the intensity value, then to build the first map from the local mean curvatures of the first intermediate map and auxiliary information relating to the body region;
  • its processing means may be responsible for extracting from the first intermediate card the portion corresponding to the region portion represented by the second card, as a function of positioning information obtained by means of a navigation equipment;
  • this probability of belonging to a structure of interest may for example be equal to either the ratio between the local mean curvature of an elementary part of the first intermediate map and 2 n if it belongs to a healthy zone and if the average curvature local is positive, n being equal to the number of bits of the three-dimensional magnetic resonance image, ie to a parameter constituting auxiliary information attributed to the corresponding elementary part of the three-dimensional magnetic resonance image, following the determination of the information of positioning, if it belongs to a pathological zone, or to zero in all other cases;
  • its processing means may be responsible for maximizing the joint probability by means of an optimization function that does not involve the calculation of the partial derivatives of the objective matching function (joint probability);
  • its processing means may be responsible for estimating a rigid or non-rigid registration transformation
  • hyperechoic or hypoechoic can be responsible for building first and second maps of the probability of belonging to structures of interest called hyperechoic or hypoechoic.
  • the invention is particularly well suited, although not limited to, image processing portion (s) of a body to be the subject of image-assisted neurosurgery operations.
  • the object of the invention is to allow accurate (and possibly real time) registration of images of a portion of a body obtained by magnetic resonance and ultrasound.
  • the body portion is a portion of the brain.
  • the invention is not limited to this type of body portion. It concerns indeed any part of a human or animal body made of tissues and / or organs observable at least partially by magnetic resonance and ultrasound techniques (B-mode ultrasound).
  • a processing device D comprises a processing module MT responsible for providing at least the three functions mentioned below, whenever it has first data which are representative of magnetic resonance image elementary parts (s) in a region of a body (here a brain) and second data which are representative of obtained elementary image portions (s) ( s) ultrasound in a portion of this same region.
  • magnetic resonance image (s) (first data) are usually volume (3D), while ultrasound images (second data) are most often two-dimensional (2D) but can be 3D reconstructed. But, one could consider that magnetic resonance images such as ultrasound images are all of the same type, namely 2D or 3D.
  • a region of a body When a region of a body is represented by a 3D-type magnetic resonance image, it generally takes from one to several tens of 2D type ultrasound images to represent a 3D portion of this same region.
  • Each 3D magnetic resonance image (IM) is acquired by means of a first MRI type acquisition equipment AI1 (magnetic resonance imager).
  • Each 2D ultrasound image (IU) is acquired by means of a second acquisition equipment EA2 type ultrasound machine (possibly Doppler type).
  • IM 3D magnetic resonance
  • IU 2D ultrasound image
  • 3D location systems 1 mainly based on optical technology, detect and locate, in a 3D coordinate system related to the patient in real time, the position of light emitting diodes attached to the surgical instruments and the surgical microscope.
  • 3D location systems 1 mainly based on optical technology, detect and locate, in a 3D coordinate system related to the patient in real time, the position of light emitting diodes attached to the surgical instruments and the surgical microscope.
  • the first function of the processing module MT consists in constructing first and second maps of the probability of membership of the elementary parts to structures of interest which are contained in the portion of the region according to at least the intensities associated with them and which are respectively defined by the first (IM) and second (IU) data.
  • the processing module MT treats, preferably almost immediately, the first data that constitute it in order to construct a first intermediate card. . To do this, he determines for each elementary part (here a voxel X (x, y, z)) of the 3D magnetic resonance image IM a local mean curvature of the value of the intensity V (X) which is associated (defined by a first datum).
  • each average curvature of a voxel X is given by the value of an operator called MIw well known to those skilled in the art and defined (in the case 3D) by the relation (1) of the appendix where V (X) is the value of the intensity associated with voxel X (x, y, z) of the 3D magnetic resonance (IM) image, d is a partial derivative operator, and I w 1 2 is defined by relation (2) of the annex.
  • the set of local mean curvatures MIw of the intensity values associated with the voxels of the 3D magnetic resonance (MI) image constitutes a first intermediate map of (probabilistic) intensities of structures of interest.
  • This first card is called intermediate because, on the one hand, it generally represents a region of a body and not a portion of a region of a body as is the case of ultrasonic images IU, and secondly, it is not yet constituted by probabilities of belonging to structures of interest.
  • hyperechoic a structure of a region of a body whose intensity is very high (tending towards white)
  • hypo echoic structure a structure of a region of a body whose intensity is very low (tending toward black). Consequently, a very high local average curvature MIw corresponds to a convex anatomical shape, while a very small local average curvature MIw corresponds to a concave anatomical shape.
  • the processing module MT may comprise a first submodule SM1 responsible for constructing each first intermediate card from the first data that defines a 3D magnetic resonance (IM) image.
  • IM magnetic resonance
  • the processing module MT may also comprise, as illustrated, storage means MS in which its first sub-module SM 1 stores each first intermediate card so that it can be used later for the resetting of ultrasound images IU, obtained possibly during a surgical operation.
  • storage means MS can be in any form, such as a memory (possibly logical). It will be noted that, in a variant, the storage means MS may be external to the processing module MT or even to the device D.
  • the processing module MT When the ultrasound images IU are of 2D type and are obtained during the operation, the processing module MT must treat them "on the fly". Specifically, it receives them from the EA2 ultrasound apparatus and begins by constructing a 3D ultrasound image from the first data defining a group of 2D ultrasound images. At this stage, the intensities associated with each of the voxels of the 3D ultrasound image are generally within the range of values [0, 255]. Therefore, to build a second probability map the The processing module MT must transform the intensity of each voxel of this 3D ultrasound image into a probability of being part of a structure of interest between 0 and 1. This transformation constitutes a normalization.
  • the type of the structures of interest of a second card is chosen to be identical to that of the corresponding first (possibly intermediate) card (stored in the memory MS). Consequently, the structures of interest of a second map are either hyper echogenic when they correspond to voxels whose probability is close to one (1), or hypo echogenic when they correspond to voxels whose probability is close. zero (0).
  • the structures of interest are hyperechoic.
  • the processing module MT may comprise a second submodule SM2 responsible for constructing each second card from the second data that defines a group of 2D ultrasound images (IU).
  • IU 2D ultrasound images
  • the second function of the processing module MT consists in estimating a transformation of registration TR which makes it possible to pass from one of the first and second cards (which correspond to the same portion of region) to the other by maximizing for each of their parts elementary (here voxels X (x, y, z)) the joint probability that it belongs to the same structure of interest.
  • the goal is to wedge the second (ultrasonic) card with respect to the corresponding first (magnetic resonance) card.
  • the processing module MT When a first intermediate card (magnetic resonance) is available and it is necessary to pass from a second card to a first card, the processing module MT must extract from this first intermediate card the data constituting the corresponding part. to the region portion that is represented by the second (ultrasonic) map, and constitute the first map with these extracted data. To do this, it is for example supplied with positioning information previously obtained by means of navigation equipment EN. This positioning information is generally bitter that has been associated by the surgeon (or an operator), during a pre-operative navigation phase using the navigation equipment EN, with characteristic structures appearing in the image. by magnetic resonance 3D.
  • this positioning information it is possible to form from a first intermediate card a first card substantially representing the portion of the region represented by the second card.
  • a first card substantially representing the portion of the region represented by the second card.
  • point geometrical beacons after having performed an optimization of the transformation by a least squares method.
  • the processing module MT may comprise a third sub-module SM3 responsible for constructing each first card from a first intermediate card (possibly stored in the memory MS), positioning information and the second card corresponding.
  • the TR registration transformation to be determined can be either rigid or non-rigid.
  • T (X) e ⁇ IM) is the joint probability that the voxel X (x, y, z) belongs to the same structure of interest in the first and second maps
  • T (X) denotes the voxel X (x, y, z) in the first map (from the first intermediate map and thus the 3D magnetic resonance image)
  • ⁇ iu denotes the region portion represented by the second map
  • ⁇ IM denotes the region portion represented by the first map.
  • MT must therefore have the probability p ⁇ u (X e ⁇ iu) associated with each voxel of the second card and the probability PM (T (X) E ⁇ ⁇ M ) associated with each voxel of the corresponding first card.
  • the determination of the probabilities p ⁇ u (X e ⁇ w) that the X voxels belong to structures of interest of the second card (and therefore of the 3D ultrasound image) can for example be performed by the second submodule SM2.
  • the probability that a voxel X of the 3D ultrasound image belongs to a structure of interest may for example be chosen equal to the ratio between its intensity and 2 n , where n is equal to the number of bits of the 3D ultrasound image in order to re-spread the intensities in the interval [0,1], ie:
  • U (X) denotes the intensity of the voxel X (x, y, z) of the 3D ultrasound image.
  • the determination of the probabilities PM (T (X) e ⁇ IM) that the voxels T (X) belong to structures of interest of the 3D magnetic resonance image can for example be carried out by the third sub-module SM3 .
  • the probability that a voxel X of the first intermediate card belongs to a structure of interest of the 3D magnetic resonance image may for example be chosen according to the value of its mean local curvature and information. IA auxiliaries relating to the portion of the region of the body considered.
  • This auxiliary information IA is for example determined by the surgeon (or the operator) in a pre-operative phase, for example that (called manual segmentation) which is performed by means of the navigation equipment EN. They constitute, for example, information a priori ( ⁇ (X)) on characteristic pathological structures M2 contained in the region concerned. For example, we can assign a value of ⁇ (X) high (close to 1) to each voxel of a hyperechoic structure such as a cavernoma or a low-grade glioma, and we can assign a value of ⁇ (X) low (close to 0) to each voxel of a hypo echoic structure such as a necrosis or a cyst.
  • ⁇ (X) 1 to each voxel X which represents it.
  • ⁇ (X) 0 to each voxel X which represents it.
  • the probability that a voxel X of the first map belongs to a structure of interest can be defined by the relationships (6) of the appendix, in which M1 denotes a characteristic non-pathogenic structure of which each value of MIw corresponds to a negative mean curvature, and n is equal to the number of bits of the 3D magnetic resonance image (and therefore of the first intermediate card).
  • the probabilities P IM (X e ⁇ ' IM ) that the X voxels belong to structures of interest of the 3D magnetic resonance image (and therefore of the first intermediate map) can be optionally determined by advance, for example by the first sub-module SM1, from said first intermediate map (and more precisely local mean curvature values) and auxiliary information IA (or ⁇ (X)) relating to the portion of the region of the region. body considered.
  • the processing module MT Once the processing module MT has the first and second probability maps, it is then able to maximize the transformation of TR registration (function of the joint probability). Any technique known to those skilled in the art can be used for this purpose. By way of nonlimiting example, it is possible, for example, to use an optimization function that does not involve the calculation of the partial derivatives of the objective matching function (such as that called “simplex with a multi-resolution scheme" "), Or an optimization function of type called” Powell ".
  • the processing module MT uses its third function.
  • the latter consists in setting the structures of interest of one of the first and second cards relative to those of the other by means of the maximized TR registration transformation.
  • the second (ultrasound) card is generally recalibrated with respect to the first card (magnetic resonance) (the reverse is also possible), in order to deliver a recalibrated IR image exploitable by the surgeon (or an operator).
  • the processing module MT may comprise a fourth sub-module SM4 responsible for maximizing the transformation of registration TR and to proceed with the image registration using the latter.
  • the processing device D is preferably made in the form of software modules (or computer (or “software”)). But it can also be in the form of electronic circuits (or “Hardware”), or a combination of circuits and software.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

Un dispositif (D) est dédié au traitement de données constituant des images de portion(s) d'un corps. Ce dispositif (D) comprend des moyens de traitement (MT) chargés, en présence de premières données représentatives de parties élémentaires d'une image obtenue par résonance magnétique dans une région d'un corps et de secondes données représentatives de parties élémentaires d'images obtenues par ultrasons dans une portion de cette région, i) de construire des première et seconde cartes de probabilité d'appartenance des parties élémentaires à des structures d'intérêt de la portion de région en fonction au moins des intensités qui leurs sont associées et qui sont respectivement définies par les premières et secondes données, ii) d'estimer une transformation qui permet de passer de l'une des première et seconde cartes à l'autre en maximisant pour chacune de leurs parties élémentaires la probabilité conjointe qu'elle appartienne à une même structure d'intérêt, et iii) de recaler les structures d'intérêt de l'une des première et seconde cartes par rapport à celles de l'autre au moyen de la transformation.

Description

DISPOSITIF DE TRAITEMENT D'IMAGES POUR LA MISE EN CORRESPONDANCE D'IMAGES D'UNE MÊME PORTION D'UN CORPS OBTENUES PAR RÉSONANCE MAGNÉTIQUE ET PAR ULTRASONS
L'invention concerne les dispositifs de traitement d'images de portion(s) d'un corps, et plus précisément les dispositifs permettant de recaler automatiquement des paires d'images bidimensionnelles (2D) ou tridimensionnelles (3D) d'une même portion d'un corps obtenues respectivement par résonance magnétique et par ultrasons.
On entend ici par « portion d'un corps » toute partie d'un corps humain ou animal constituée de tissus et/ou d'organes observables au moins partiellement grâce à des techniques de résonance magnétique et d'ultrasons (échographie en mode B). Dans certains domaines, comme par exemple celui de la médecine, on utilise des images par résonance magnétique ou des images ultrasonores pour effectuer des diagnostics sur des portions d'un corps, voire même pour faire de la chirurgie assistée. Plus les actes chirurgicaux doivent être précis (compte tenu de l'environnement opératoire), plus les images utilisées doivent être fiables et précises. C'est tout particulièrement le cas, bien que non limitativement, dans le domaine de la neuro-chirurgie du cerveau.
Les deux techniques d'acquisition d'images précitées fournissant chacune des informations spécifiques (niveau de réflexion pour les ultrasons et concentration en eau pour la résonance magnétique), il est donc important d'essayer de recaler entre elles (ou mettre en correspondance) les images qu'elles fournissent afin qu'elles soient précisément superposables et offrent ainsi des informations fiables et complémentaires pour certaines structures d'intérêt.
Hélas, comme le sait l'homme de l'art, le recalage (ou en anglais « registration ») de telles images est rendu particulièrement difficile du fait que les deux techniques d'acquisition d'images fournissent des informations dont les représentations sont très différentes (en raison de la physique de formation des images) et induisent des artefacts de natures et d'origines différentes (comme par exemple les ombres acoustiques (occultation d'une partie du signal) ou le bruit de chatoiement (ou en anglais « speckle »)). En outre ce recalage devient rapidement instable. Plusieurs méthodes de recalage classiques ont été proposées, mais aucune d'entre elles n'est réellement efficace et/ou utilisable en temps réel, en particulier dans le cadre d'opérations de neuro-chirurgie assistée par images. C'est notamment le cas des techniques dites « de différence de sommes au carré », « d'information mutuelle » et « de rapport de corrélation ».
Il a également été proposé d'améliorer certaines des méthodes de recalage précitées soit en effectuant une mise en correspondance préalable de caractéristiques d'images homologues extraites des images, soit un prétraitement des images de manière à les rendre plus semblables et ainsi permettre l'utilisation de mesures de similarité classiques, soit encore en effectuant un recalage dit « iconique » basé sur une mesure de similarité spécifique destinée à accorder les intensités des images.
Le pré-traitement des images repose sur la définition de régions d'intérêt dans les images par résonance magnétique et ultrasonores, au moyen de points, lignes et/ou surfaces. L'inconvénient principal de ce prétraitement réside dans le fait qu'il rend le recalage très sensible à la segmentation (manuelle) des images.
Le recalage iconique repose sur l'utilisation de mesures de similarités à base d'intensité-images. Il permet de s'affranchir de l'inconvénient principal du pré-traitement des images, mais il conduit à rechercher des mesures de similarités à partir de mesures statistiques sur histogrammes, qui peuvent manquer de spécificité et conduire à un échec de recalage.
Aucune technique connue de recalage d'images par résonance magnétique et par ultrasons n'étant satisfaisante, l'invention a donc pour but d'améliorer la situation.
Elle propose à cet effet un dispositif, dédié au traitement de données constituant des images de portion(s) d'un corps, et comprenant des moyens de traitement chargés, en présence de premières données représentatives de parties élémentaires d'image(s) obtenue(s) par résonance magnétique dans une région d'un corps et de secondes données représentatives de parties élémentaires d'image(s) obtenue(s) par ultrasons dans une portion de cette région : - de construire des première et seconde cartes de probabilité d'appartenance des parties élémentaires à des structures d'intérêt de la portion de région en fonction au moins des intensités qui leurs sont associées et qui sont respectivement définies par les premières et secondes données, - d'estimer une transformation qui permet de passer de l'une des première et seconde cartes à l'autre en maximisant pour chacune de leurs parties élémentaires la probabilité conjointe qu'elle appartienne à une même structure d'intérêt, et
- de recaler les structures d'intérêt de l'une des première et seconde cartes par rapport à celles de l'autre au moyen de cette transformation.
Le dispositif de traitement selon l'invention peut comporter d'autres caractéristiques qui peuvent être prises séparément ou en combinaison, et notamment :
- ses moyens de traitement peuvent être chargés de maximiser pour chaque partie élémentaire une probabilité conjointe qui est fonction du produit de la probabilité qu'elle appartienne à une structure d'intérêt de(s) image(s) par résonance magnétique par le produit de la probabilité qu'elle appartienne à une structure d'intérêt de(s) image(s) ultrasonore(s) correspondantes ;
- en présence d'images ultrasonores bidimensionnelles (2D), ses moyens de traitement peuvent être chargés de construire la seconde carte en constituant des premières données qui définissent une image ultrasonore tridimensionnelle (3D) à partir des premières données définissant les images ultrasonores bidimensionnelles, puis en transformant l'intensité de chaque partie élémentaire de cette image ultrasonore tridimensionnelle en une probabilité de faire partie d'une structure d'intérêt comprise entre 0 et
1 ;
> ses moyens de traitement peuvent être chargés de déterminer pour chaque partie élémentaire de la seconde carte la probabilité d'appartenance à une structure d'intérêt égale au rapport entre son intensité et 2n, où n est égal au nombre de bits de(s) image(s) ultrasonore(s) ;
- en présence d'une image par résonance magnétique tridimensionnelle (3D) représentant une région incluant la portion représentée par les secondes données, ses moyens de traitement peuvent être chargés de construire une première carte intermédiaire en déterminant pour chaque partie élémentaire de cette image par résonance magnétique tridimensionnelle une courbure moyenne locale de la valeur d'intensité, puis pour construire la première carte à partir des courbures moyennes locales de la première carte intermédiaire et d'informations auxiliaires relatives à la région du corps ;
> ses moyens de traitement peuvent être chargés d'extraire de la première carte intermédiaire la partie qui correspond à la portion de région qui est représentée par la seconde carte, en fonction d'informations de positionnement obtenues au moyen d'un équipement de navigation ;
> cette probabilité d'appartenance à une structure d'intérêt peut par exemple être égale soit au rapport entre la courbure moyenne locale d'une partie élémentaire de la première carte intermédiaire et 2n si elle appartient à une zone saine et si la courbure moyenne locale est positive, n étant égal au nombre de bits de l'image par résonance magnétique tridimensionnelle, soit à un paramètre constituant une information auxiliaire attribuée à la partie élémentaire correspondante de l'image par résonance magnétique tridimensionnelle, consécutivement à la détermination des informations de positionnement, si elle appartient à une zone pathologique, soit encore à zéro dans tous les autres cas ;
- ses moyens de traitement peuvent être chargés de maximiser la probabilité conjointe au moyen d'une fonction d'optimisation n'impliquant pas le calcul des dérivées partielles de la fonction objective de mise en correspondance (probabilité conjointe) ;
- ses moyens de traitement peuvent être chargés d'estimer une transformation de recalage rigide ou non rigide ;
- ses moyens de traitement peuvent être chargés de construire des première et seconde cartes de probabilité d'appartenance à des structures d'intérêt dites hyper échogènes ou hypo échogènes.
L'invention est particulièrement bien adaptée, bien que non limitativement, au traitement d'images de portion(s) d'un corps devant faire l'objet d'opérations de neurochirurgie assistée par des images.
D'autres caractéristiques et avantages de l'invention apparaîtront à l'examen de la description détaillée ci-après, et du dessin annexé, sur lequel l'unique figure illustre de façon très schématique et fonctionnelle un exemple de réalisation d'un dispositif de traitement selon l'invention. Le dessin annexé pourra non seulement servir à compléter l'invention, mais aussi contribuer à sa définition, le cas échéant.
L'invention a pour objet de permettre un recalage précis (et éventuellement en temps réel) d'images d'une portion d'un corps obtenues par résonance magnétique et par ultrasons. Dans ce qui suit, on considère à titre d'exemple non limitatif que la portion de corps est une portion de cerveau. Mais, l'invention n'est pas limitée à ce type de portion de corps. Elle concerne en effet toute partie d'un corps humain ou animal constituée de tissus et/ou d'organes observables au moins partiellement grâce à des techniques de résonance magnétique et d'ultrasons (échographie en mode B).
Par ailleurs, on considère dans ce qui suit, à titre d'exemple non limitatif, que le traitement d'images est destiné à assister un chirurgien lors d'une opération de neurochirurgie assistée par des images recalées en temps réel. Comme cela est schématiquement et fonctionnellement illustré sur l'unique figure, un dispositif de traitement D selon l'invention comprend un module de traitement MT chargé d'assurer aux moins les trois fonctions mentionnées ci-après, chaque fois qu'il dispose de premières données qui sont représentatives de parties élémentaires d'image(s) obtenue(s) par résonance magnétique dans une région d'un corps (ici un cerveau) et de secondes données qui sont représentatives de parties élémentaires d'image(s) obtenue(s) par ultrasons dans une portion de cette même région.
Il est rappelé que les image(s) par résonance magnétique (premières données) sont habituellement volumiques (3D), tandis que les images ultrasonores (secondes données) sont le plus souvent bidimensionnelles (2D) mais peuvent faire l'objet d'une reconstruction 3D. Mais, on pourrait envisager que les images par résonance magnétique comme les images ultrasonores soient toutes du même type, à savoir 2D ou 3D.
Par ailleurs, il est rappelé que la partie élémentaire d'une image 2D est habituellement appelée « pixel », tandis que la partie élémentaire d'une image 3D est habituellement appelée « voxel ».
Lorsqu'une région d'un corps est représentée par une image par résonance magnétique de type 3D, il faut généralement de une à plusieurs dizaines d'images ultrasonores de type 2D pour représenter une portion 3D de cette même région.
Chaque image par résonance magnétique 3D (IM) est acquise au moyen d'un premier équipement d'acquisition EA1 de type IRM (pour Imageur par résonance magnétique). Chaque image ultrasonore 2D (IU) est acquise au moyen d'un second équipement d'acquisition EA2 de type appareil d'échographie (éventuellement de type Doppler).
Dans le cas d'une opération (ou intervention) chirurgicale, l'acquisition d'image(s) par résonance magnétique 3D (IM) se fait avant ladite opération, tandis que l'acquisition d'image(s) ultrasonores 2D (IU) se fait pendant ladite opération. Ces images sont alors utilisées pour permettre au chirurgien d'observer avec précision sur un écran la portion de région qui est opérée et de progresser au sein de celle-ci afin d'y effectuer des interventions généralement planifiées à l'avance lors d'une phase dite de navigation pré- opératoire effectuée au moyen d'un équipement de navigation EN.
Il est rappelé que pour permettre le lien entre un patient en salle d'opération et les images pré-opératoires de ce même patient, on calcule une transformation géométrique rigide au moyen de systèmes de localisation tridimensionnelle (3D). Ces systèmes de localisation 3D1 principalement basés sur une technologie optique, détectent et localisent, dans un repère 3D lié au patient et en temps réel, la position de diodes électroluminescentes fixées sur les instruments chirurgicaux et sur le microscope chirurgical. Ainsi, il est possible de fusionner les images pré-opératoires du patient avec la vue du champ opératoire du chirurgien.
La première fonction du module de traitement MT consiste à construire des première et seconde cartes de probabilité d'appartenance des parties élémentaires à des structures d'intérêt qui sont contenues dans la portion de région en fonction au moins des intensités qui leurs sont associées et qui sont respectivement définies par les premières (IM) et secondes (IU) données.
Lorsque l'image par résonance magnétique IM est de type 3D et qu'elle est obtenue avant l'opération, le module de traitement MT traite, de préférence quasi-immédiatement, les premières données qui la constituent afin de construire une première carte dite intermédiaire. Pour ce faire, il détermine pour chaque partie élémentaire (ici un voxel X(x, y, z)) de l'image par résonance magnétique 3D IM une courbure moyenne locale de la valeur de l'intensité V(X) qui lui est associée (définie par une première donnée). De préférence, chaque courbure moyenne d'un voxel X est donnée par la valeur d'un opérateur appelé MIw bien connu de l'homme de l'art et défini (dans le cas 3D) par la relation (1) de l'annexe, dans laquelle V(X) désigne la valeur de l'intensité associée au voxel X(x,y,z) de l'image par résonance magnétique 3D (IM), d désigne un opérateur de dérivée partielle, et I w 12 est défini par la relation (2) de l'annexe.
Il est rappelé que cet opérateur MIw a été introduit pour détecter les sillons du cortex cérébral et la fausse cérébrale, dans le document de G. Le Goualher et al, « Three-dimensional segmentation and représentation of cortical sulci using active ribbons », Int. J. of Pattern Récognition and Artificial Intelligence, vol. 11 ; n°8, pp.1295-1315, 1997. Bien entendu, d'autres opérateurs permettant d'obtenir une carte d'intensités probabilistes à partir de données d'intensité peuvent être utilisés, comme par exemple les courbures moyennes, les courbures gaussiennes et les index de courbure.
L'ensemble des courbures moyennes locales MIw des valeurs de l'intensité associées aux voxels de l'image par résonance magnétique 3D (IM) constitue une première carte intermédiaire d'intensités (probabilistes) de structures d'intérêt. Cette première carte est dite intermédiaire car, d'une part, elle représente généralement une région d'un corps et non une portion d'une région d'un corps comme c'est le cas des images ultrasonores IU, et d'autre part, elle n'est pas encore constituée par des probabilités d'appartenance à des structures d'intérêt.
Il est important de noter que le type des structures d'intérêt peut être soit hyper échogène, soit hypo échogène. On entend ici par « structure hyper échogène » une structure d'une région d'un corps dont l'intensité est très élevée (tendant vers le blanc), et par « structure hypo échogène » une structure d'une région d'un corps dont l'intensité est très faible (tendant vers le noir). Par conséquent, une courbure moyenne locale MIw très élevée correspond à une forme anatomique convexe, tandis qu'une courbure moyenne locale MIw très faible correspond à une forme anatomique concave.
Par exemple, et comme illustré, le module de traitement MT peut comporter un premier sous-module SM1 chargé de construire chaque première carte intermédiaire à partir des premières données qui définissent une image par résonance magnétique 3D (IM).
Le module de traitement MT peut également comporter, comme illustré, des moyens de stockage MS dans lesquels son premier sous-module SM 1 stocke chaque première carte intermédiaire afin qu'elle puisse être utilisée plus tard pour le recalage d'images ultrasonores IU, obtenues éventuellement pendant une opération chirurgicale. Ces moyens de stockage MS peuvent se présenter sous n'importe quelle forme, comme par exemple une mémoire (éventuellement logique). On notera que dans une variante les moyens de stockage MS peuvent être externes au module de traitement MT, voire même au dispositif D.
Lorsque les images ultrasonores IU sont de type 2D et qu'elles sont obtenues pendant l'opération, le module de traitement MT doit les traiter « à la volée ». Plus précisément, il les reçoit en provenance de l'appareil d'échographie EA2 et commence par construire une image ultrasonore 3D à partir des premières données qui définissent un groupe d'images ultrasonores 2D. A ce stade, les intensités associées à chacun des voxels de l'image ultrasonore 3D sont généralement comprises dans l'intervalle de valeurs [0, 255]. Par conséquent, pour construire une seconde carte de probabilité le module de traitement MT doit transformer l'intensité de chaque voxel de cette image ultrasonore 3D en une probabilité de faire partie d'une structure d'intérêt comprise entre 0 et 1. Cette transformation constitue une normalisation. II est important de noter que le type des structures d'intérêt d'une seconde carte est choisi identique à celui de la première carte (éventuellement intermédiaire) correspondante (stockée dans la mémoire MS). Par conséquent, les structures d'intérêt d'une seconde carte sont soit hyper échogènes lorsqu'elles correspondent à des voxels dont la probabilité est voisine de un (1), soit hypo échogènes lorsqu'elles correspondent à des voxels dont la probabilité est voisine de zéro (0).
Dans ce qui suit, on considère à titre d'exemple illustratif et non limitatif que les structures d'intérêt sont hyper échogènes.
Par exemple, et comme illustré, le module de traitement MT peut comporter un deuxième sous-module SM2 chargé de construire chaque seconde carte à partir des secondes données qui définissent un groupe d'images ultrasonores 2D (IU).
La deuxième fonction du module de traitement MT consiste à estimer une transformation de recalage TR qui permet de passer de l'une des première et seconde cartes (qui correspondent à une même portion de région) à l'autre en maximisant pour chacune de leurs parties élémentaires (ici des voxels X(x,y,z)) la probabilité conjointe qu'elle appartienne à une même structure d'intérêt.
Habituellement, l'objectif est de caler la seconde carte (ultrasonore) par rapport à la première carte (résonance magnétique) correspondante.
Lorsque l'on dispose d'une première carte intermédiaire (résonance magnétique) et qu'il faut passer d'une seconde carte à une première carte, le module de traitement MT doit extraire de cette première carte intermédiaire les données constituant la partie qui correspond à la portion de région qui est représentée par la seconde carte (ultrasonore), et constituer la première carte avec ces données extraites. Pour ce faire, il est par exemple alimenté avec des informations de positionnement préalablement obtenues au moyen de l'équipement de navigation EN. Ces informations de positionnement sont généralement des amers qui ont été associés par le chirurgien (ou un opérateur), lors d'une phase de navigation pré-opératoire au moyen de l'équipement de navigation EN, à des structures caractéristiques apparaissant dans l'image par résonance magnétique 3D.
Grâce à ces informations de positionnement il est possible de constituer à partir d'une première carte intermédiaire une première carte représentant sensiblement la portion de la région représentée par la seconde carte. Pour ce faire, on peut par exemple utiliser des amers géométriques ponctuels après avoir effectué une optimisation de la transformation par une méthode aux moindres carrés.
Par exemple, et comme illustré, le module de traitement MT peut comporter un troisième sous-module SM3 chargé de construire chaque première carte à partir d'une première carte intermédiaire (éventuellement stockée dans la mémoire MS), des informations de positionnement et de la seconde carte correspondante.
La transformation de recalage TR à déterminer peut être soit rigide soit non rigide.
Par exemple, on peut utiliser la transformation de recalage TR rigide ou non rigide donnée par la relation (3) de l'annexe, dans laquelle p(X e Φiu,
T(X) e ΦIM) est la probabilité conjointe que le voxel X(x,y,z) appartienne à une même structure d'intérêt dans les première et seconde cartes, T(X) désigne le voxel X(x,y,z) dans la première carte (issue de la première carte intermédiaire et donc de l'image par résonance magnétique 3D), Φiu désigne la portion de région représentée par la seconde carte, et ΦIM désigne la portion de région représentée par la première carte.
La probabilité que le voxel X(x,y,z) appartienne à une structure d'intérêt de la seconde carte étant indépendante de la probabilité que le voxel T(X) appartienne à une structure d'intérêt de la première carte, alors la probabilité conjointe p(X e Φiu, T(X) e ΦIM) peut se réécrire comme indiqué par la relation (4) de l'annexe, dans laquelle pιu(X e Φiu) est la probabilité que le voxel X(x,y,z) appartienne à une structure d'intérêt de la seconde carte et PIM(T(X) E Φ!M) est la probabilité que le voxel T(X) appartienne à une structure d'intérêt de la première carte.
Par conséquent, l'expression de la transformation TR (donnée par la relation (3) de l'annexe) peut se réécrire comme indiqué par la relation (5) de l'annexe. Afin de maximiser cette transformation TR, le module de traitement
MT doit donc disposer de la probabilité pιu(X e Φiu) associée à chaque voxel de la seconde carte et de la probabilité PM(T(X) E Φ\M) associée à chaque voxel de la première carte correspondante.
La détermination des probabilités pιu(X e Φw) que les voxels X appartiennent à des structures d'intérêt de le deuxième carte (et donc de l'image ultrasonore 3D) peut par exemple être effectuée par le deuxième sous-module SM2. Pour ce faire, la probabilité qu'un voxel X de l'image ultrasonore 3D appartienne à une structure d'intérêt peut par exemple être choisie égale au rapport entre son intensité et 2n, où n est égal au nombre de bits de l'image ultrasonore 3D afin de ré-étaler les intensités dans l'intervalle [0,1], soit :
Pιu(X e Φiu) = U(X)/2n. où U(X) désigne l'intensité du voxel X(x,y,z) de l'image ultrasonore 3D.
Par ailleurs, la détermination des probabilités PM(T(X) e ΦIM) que les voxels T(X) appartiennent à des structures d'intérêt de l'image par résonance magnétique 3D peut par exemple être effectuée par le troisième sous-module SM3. Pour ce faire, la probabilité qu'un voxel X de la première carte intermédiaire appartienne à une structure d'intérêt de l'image par résonance magnétique 3D peut par exemple être choisie en fonction de la valeur de sa courbure moyenne locale et d'informations auxiliaires IA relatives à la portion de la région du corps considérée.
Ces informations auxiliaires IA sont par exemple déterminées par le chirurgien (ou l'opérateur) dans une phase pré-opératoire, par exemple celle (appelée segmentation manuelle) qui est effectuée au moyen de l'équipement de navigation EN. Elles constituent par exemple des informations a priori (Ψ(X)) sur des structures pathologiques caractéristiques M2 contenues dans la région concernée. Par exemple, on peut attribuer une valeur de Ψ(X) élevée (proche de 1) à chaque voxel d'une structure hyper échogène telle qu'un cavernome ou un gliome de bas grade, et on peut attribuer une valeur de Ψ(X) faible (proche de 0) à chaque voxel d'une structure hypo échogène telle qu'une nécrose ou un kyste. Par exemple si l'on considère qu'une structure hyper échogène est homogène, on peut alors attribuer une valeur Ψ(X) égale à 1 à chaque voxel X qui la représente. De même, si l'on considère qu'une structure hypo échogène est homogène, on peut alors attribuer une valeur Ψ(X) égale à 0 à chaque voxel X qui la représente. A titre d'exemple non limitatif, la probabilité qu'un voxel X de la première carte appartienne à une structure d'intérêt peut être définie par les relations (6) de l'annexe, dans lesquelles M1 désigne une structure caractéristique non pathogène dont chaque valeur de MIw correspond à une courbure moyenne négative, et n est égal au nombre de bits de l'image par résonance magnétique 3D (et donc de la première carte intermédiaire).
Cela revient à déterminer les courbures moyennes locales MIw d'une région en masquant les zones pathologiques M2, puis à ne conserver que les valeurs positives des MIw et enfin à rajouter les informations auxiliaires (Ψ(X) ou IA) relatives aux zones pathologiques M2. De ce fait, les probabilités PIM(X e Φ'IM) que les voxels X appartiennent à des structures d'intérêt de l'image par résonance magnétique 3D (et donc de la première carte intermédiaire) peuvent être éventuellement déterminées à l'avance, par exemple par le premier sous-module SM1, à partir de ladite première carte intermédiaire (et plus précisément des valeurs des courbures moyennes locales) et des informations auxiliaires IA (ou Ψ(X)) relatives à la portion de la région du corps considérée. Ces probabilités Pw(X e Φ'IM) (OÙ Φ'|M désigne la région du corps représentée par l'image par résonance magnétique 3D) constituent alors une première carte de probabilité intermédiaire qui peut être stockée dans la mémoire MS par le premier sous-module SM1. Dans ce cas, lorsque le module de traitement MT a besoin d'une première carte correspondant à une seconde carte, il doit tout d'abord accéder à la mémoire MS afin de récupérer la première carte intermédiaire correspondante. Puis, il construit la première carte à partir de cette première carte intermédiaire, des informations de positionnement (éventuellement fournies par l'équipement de navigation EN), et de la portion de région qui est représentée par la seconde carte concernée.
Une fois que le module de traitement MT dispose des première et seconde cartes de probabilité, il est alors en mesure de maximiser la transformation de recalage TR (fonction de la probabilité conjointe). Toute technique connue de l'homme de l'art peut être utilisée à cet effet. A titre d'exemple non limitatif, on peut par exemple utiliser une fonction d'optimisation qui n'implique pas le calcul des dérivées partielles de la fonction objective de mise en correspondance (telle que celle dite « simplex avec un schéma à multi-résolutions »), ou bien une fonction d'optimisation de type dit « Powell ».
Il est rappelé que la fonction d'optimisation simplex, bien connue de l'homme de l'art, permet d'estimer les paramètres optimaux qui maximisent ou minimisent une fonction objective. Elle repose sur un algorithme itératif de programmation linéaire qui permet, dans le cas présent, d'estimer les paramètres de la transformation 3D TR (au nombre de six dans le cas rigide) qui maximisent la probabilité conjointe définie dans l'équation (4).
Puis, une fois que la transformation de recalage TR a été maximisée, le module de traitement MT utilise sa troisième fonction. Cette dernière consiste à recaler les structures d'intérêt de l'une des première et seconde cartes par rapport à celles de l'autre au moyen de la transformation de recalage TR maximisée. Comme indiqué précédemment, on recale généralement la seconde carte (ultrasonore) par rapport à la première carte (résonance magnétique) (l'inverse est aussi possible), afin de délivrer une image recalée IR exploitable par le chirurgien (ou un opérateur).
Par exemple, et comme illustré, le module de traitement MT peut comporter un quatrième sous-module SM4 chargé de maximiser la transformation de recalage TR et de procéder au recalage d'image au moyen de cette dernière.
Le dispositif de traitement D est préférentiellement réalisé sous la forme de modules logiciels (ou informatiques (ou « software »)). Mais il peut également se présenter sous la forme de circuits électroniques (ou « hardware »), ou d'une combinaison de circuits et de logiciels.
L'invention ne se limite pas aux modes de réalisation de dispositif de traitement décrits ci-avant, seulement à titre d'exemple, mais elle englobe toutes les variantes que pourra envisager l'homme de l'art dans le cadre des revendications ci-après.
ANNEXE
Figure imgf000017_0001

Claims

REVENDICATIONS
1. Dispositif (D) de traitement de données constituant des images de portion(s) d'un corps, caractérisé en ce qu'il comprend des moyens de traitement (MT) agencés, en présence de premières données représentatives de parties élémentaires d'image(s) obtenue(s) par résonance magnétique dans une région d'un corps et de secondes données représentatives de parties élémentaires d'image(s) obtenue(s) par ultrasons dans une portion de ladite région, pour i) construire des première et seconde cartes de probabilité d'appartenance des parties élémentaires à des structures d'intérêt de ladite portion de région en fonction au moins des intensités qui leurs sont associées et qui sont respectivement définies par lesdites premières et secondes données, ii) estimer une transformation permettant de passer de l'une desdites première et seconde cartes à l'autre en maximisant pour chacune de leurs parties élémentaires la probabilité conjointe qu'elle appartienne à une même structure d'intérêt, et iii) recaler les structures d'intérêt de l'une desdites première et seconde cartes par rapport à celles de l'autre au moyen de ladite transformation.
2. Dispositif selon la revendication 1, caractérisé en ce que lesdits moyens de traitement (MT) sont agencés pour maximiser pour chaque partie élémentaire une probabilité conjointe fonction du produit de la probabilité qu'elle appartienne à une structure d'intérêt de(s) image(s) par résonance magnétique par le produit de la probabilité qu'elle appartienne à une structure d'intérêt de(s) image(s) ultrasonore(s) correspondantes.
3. Dispositif selon l'une des revendications 1 et 2, caractérisé en ce qu'en présence d'images ultrasonores bidimensionnelles, lesdits moyens de traitement (MT) sont agencés pour construire ladite seconde carte en constituant des premières données définissant une image ultrasonore tridimensionnelle à partir des premières données définissant lesdites images ultrasonores bidimensionnelles, puis en transformant l'intensité de chaque partie élémentaire de ladite image ultrasonore tridimensionnelle en une probabilité de faire partie d'une structure d'intérêt comprise entre 0 et 1.
4. Dispositif selon la combinaison des revendications 2 et 3, caractérisé en ce que lesdits moyens de traitement (MT) sont agencés pour déterminer pour chaque partie élémentaire de ladite seconde carte la probabilité d'appartenance à une structure d'intérêt égale au rapport entre son intensité et 2π, où n est égal au nombre de bits de(s) image(s) ultrasonore(s).
5. Dispositif selon l'une des revendications 1 à 4, caractérisé en ce qu'en présence d'une image par résonance magnétique tridimensionnelle représentant une région incluant la portion représentée par lesdites secondes données, lesdits moyens de traitement (MT) sont agencés pour construire une première carte intermédiaire en déterminant pour chaque partie élémentaire de ladite image par résonance magnétique tridimensionnelle une courbure moyenne locale de la valeur d'intensité, puis pour construire ladite première carte à partir des courbures moyennes locales de ladite première carte intermédiaire et d'informations auxiliaires relatives à ladite région du corps.
6. Dispositif selon la revendication 5, caractérisé en ce que lesdits moyens de traitement (MT) sont agencés pour extraire de ladite première carte intermédiaire la partie qui correspond à la portion de région représentée par ladite seconde carte en fonction d'informations de positionnement obtenues au moyen d'un équipement de navigation (EN).
7. Dispositif selon l'une des revendications 5 et 6, caractérisé en ce que ladite probabilité d'appartenance à une structure d'intérêt est égale soit au rapport entre la courbure moyenne locale d'une partie élémentaire de ladite première carte intermédiaire et 2π, si elle appartient à une zone saine et si ladite courbure moyenne locale est positive, n étant égal au nombre de bits de l'image par résonance magnétique tridimensionnelle, soit à un paramètre constituant une information auxiliaire attribuée à la partie élémentaire correspondante de l'image par résonance magnétique tridimensionnelle, consécutivement à la détermination desdites informations de positionnement, si elle appartient à une zone pathologique, soit encore à zéro dans tous les autres cas.
8. Dispositif selon l'une des revendications 1 à 7, caractérisé en ce que lesdits moyens de traitement (MT) sont agencés pour maximiser ladite probabilité conjointe au moyen d'une fonction d'optimisation n'impliquant pas le calcul des dérivées partielles de la fonction objective de mise en correspondance.
9. Dispositif selon l'une des revendications 1 à 8, caractérisé en ce que lesdits moyens de traitement (MT) sont agencés pour estimer une transformation de recalage rigide.
10. Dispositif selon l'une des revendications 1 à 8, caractérisé en ce que lesdits moyens de traitement (MT) sont agencés pour estimer une transformation de recalage non rigide.
11. Dispositif selon l'une des revendications 1 à 10, caractérisé en ce que lesdits moyens de traitement (MT) sont agencés pour construire des première et seconde cartes de probabilité d'appartenance à des structures d'intérêt dites hyper échogènes.
12. Dispositif selon l'une des revendications 1 à 10, caractérisé en ce que lesdits moyens de traitement (MT) sont agencés pour construire des première et seconde cartes de probabilité d'appartenance à des structures d'intérêt dites hypo échogènes.
13. Utilisation du dispositif de traitement (D) selon l'une des revendications précédentes pour le traitement d'images de portion(s) de corps propre(s) à faire l'objet d'opérations de neurochirurgie assistée par des images.
PCT/FR2008/000394 2007-04-02 2008-03-25 Dispositif de traitement d'images pour la mise en correspondance d'images d'une même portion d'un corps obtenues par résonance magnétique et par ultrasons WO2008135668A2 (fr)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US12/594,572 US8755581B2 (en) 2007-04-02 2008-03-25 Image processing device for matching images of a same portion of a body obtained by magnetic resonance and ultrasounds
EP08787840A EP2137695A2 (fr) 2007-04-02 2008-03-25 Dispositif de traitement d'images pour la mise en correspondance d'images d'une même portion d'un corps obtenues par résonance magnétique et par ultrasons

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR0702386 2007-04-02
FR0702386A FR2914466B1 (fr) 2007-04-02 2007-04-02 Dispositif de traitement d'images pour la mise en correspondance d'images d'une meme portion d'un corps obtenues par resonance magnetique et par ultrasons.

Publications (2)

Publication Number Publication Date
WO2008135668A2 true WO2008135668A2 (fr) 2008-11-13
WO2008135668A3 WO2008135668A3 (fr) 2009-05-07

Family

ID=38704846

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/FR2008/000394 WO2008135668A2 (fr) 2007-04-02 2008-03-25 Dispositif de traitement d'images pour la mise en correspondance d'images d'une même portion d'un corps obtenues par résonance magnétique et par ultrasons

Country Status (4)

Country Link
US (1) US8755581B2 (fr)
EP (1) EP2137695A2 (fr)
FR (1) FR2914466B1 (fr)
WO (1) WO2008135668A2 (fr)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9710730B2 (en) 2011-02-11 2017-07-18 Microsoft Technology Licensing, Llc Image registration
GB201209382D0 (en) * 2012-05-25 2012-07-11 Poikos Ltd Body measurement
KR101461099B1 (ko) * 2012-11-09 2014-11-13 삼성전자주식회사 자기공명영상장치 및 기능적 영상획득방법
JP6234426B2 (ja) * 2015-12-25 2017-11-22 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 画像処理装置、医用装置、およびプログラム
US10706262B2 (en) * 2018-01-08 2020-07-07 3DLOOK Inc. Intelligent body measurement
US10842445B2 (en) * 2018-11-08 2020-11-24 General Electric Company System and method for unsupervised deep learning for deformable image registration

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5568384A (en) * 1992-10-13 1996-10-22 Mayo Foundation For Medical Education And Research Biomedical imaging and analysis
DE69332042T2 (de) * 1992-12-18 2003-01-02 Koninklijke Philips Electronics N.V., Eindhoven Ortungszurückstellung von relativ elastisch verformten räumlichen Bildern durch übereinstimmende Flächen
US5937083A (en) * 1996-04-29 1999-08-10 The United States Of America As Represented By The Department Of Health And Human Services Image registration using closest corresponding voxels with an iterative registration process
US6266453B1 (en) * 1999-07-26 2001-07-24 Computerized Medical Systems, Inc. Automated image fusion/alignment system and method
US6379302B1 (en) * 1999-10-28 2002-04-30 Surgical Navigation Technologies Inc. Navigation information overlay onto ultrasound imagery
WO2001043640A2 (fr) * 1999-12-15 2001-06-21 Koninklijke Philips Electronics N.V. Systeme d'imagerie diagnostique avec sonde echographique
US6728424B1 (en) * 2000-09-15 2004-04-27 Koninklijke Philips Electronics, N.V. Imaging registration system and method using likelihood maximization
US7106891B2 (en) * 2001-10-15 2006-09-12 Insightful Corporation System and method for determining convergence of image set registration
US7945304B2 (en) * 2001-11-20 2011-05-17 Feinberg David A Ultrasound within MRI scanners for guidance of MRI pulse sequences
DE10210650B4 (de) * 2002-03-11 2005-04-28 Siemens Ag Verfahren zur dreidimensionalen Darstellung eines Untersuchungsbereichs eines Patienten in Form eines 3D-Rekonstruktionsbilds und medizinische Untersuchungs- und/oder Behandlungseinrichtung
GB2391125B (en) * 2002-07-19 2005-11-30 Mirada Solutions Ltd Registration of multi-modality data in imaging
GB0320973D0 (en) * 2003-09-08 2003-10-08 Isis Innovation Improvements in or relating to similarity measures
US7298881B2 (en) * 2004-02-13 2007-11-20 University Of Chicago Method, system, and computer software product for feature-based correlation of lesions from multiple images
WO2006092594A2 (fr) * 2005-03-01 2006-09-08 Kings College London Enregistrement a ultrasons en 3d
DE602005009370D1 (de) * 2005-10-06 2008-10-09 Medcom Ges Fuer Medizinische B Registrierung von 2D Ultraschall-Daten und einem 3D Bilddatensatz
US7715654B2 (en) * 2005-10-18 2010-05-11 Siemens Medical Solutions Usa, Inc. System and method for fast multimodal registration by least squares
EP2131212A3 (fr) * 2008-06-05 2011-10-05 Medison Co., Ltd. Enregistrement non rigide entre des images de tomographie et des images par ultrasons

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
None

Also Published As

Publication number Publication date
EP2137695A2 (fr) 2009-12-30
US20100119135A1 (en) 2010-05-13
FR2914466B1 (fr) 2009-06-12
US8755581B2 (en) 2014-06-17
WO2008135668A3 (fr) 2009-05-07
FR2914466A1 (fr) 2008-10-03

Similar Documents

Publication Publication Date Title
CN112150524B (zh) 一种基于深度学习的二维和三维医学图像配准方法和系统
WO2008135668A2 (fr) Dispositif de traitement d'images pour la mise en correspondance d'images d'une même portion d'un corps obtenues par résonance magnétique et par ultrasons
FR3095331A1 (fr) Procédé de chirurgie orthopédique assistée par ordinateur
Marmol et al. Dense-ArthroSLAM: Dense intra-articular 3-D reconstruction with robust localization prior for arthroscopy
FR2802002A1 (fr) Procede de recalage automatique d'images tridimensionnelles
CN111080681B (zh) 一种基于LoG算子的3D/2D医学图像配准方法
CN106327479B (zh) 血管造影中介下先心病术中血管辨识的装置及方法
CN108154552A (zh) 一种立体腹腔镜三维模型重建方法和装置
JP7071240B2 (ja) 検査支援装置、方法およびプログラム
FR3095332A1 (fr) Méthode de planification d’une ablation de tissus basée sur l’apprentissage profond
Groch et al. 3D surface reconstruction for laparoscopic computer-assisted interventions: comparison of state-of-the-art methods
CA3176333A1 (fr) Methode de determination d'une region d'ablation basee sur l'apprentissage profond
CN115245303A (zh) 一种用于内窥镜三维导航的图像融合系统和方法
Zhou et al. Circular generalized cylinder fitting for 3D reconstruction in endoscopic imaging based on MRF
EP3682808A1 (fr) Dispositif médical en radiologie interventionnelle de guidage en temps réel d'une aiguille médicale d'opération dans un volume
Lo et al. Belief propagation for depth cue fusion in minimally invasive surgery
EP4154262A1 (fr) Méthode de prédiction de la récidive d'une lésion par analyse d'images
Wang et al. Towards video guidance for ultrasound, using a prior high-resolution 3D surface map of the external anatomy
Foroughi et al. Automatic initialization for 3d bone registration
WO2003088143A2 (fr) Procede d'assistance et de guidage de navigation d'un outil dans des structures anatomiques.
Yang et al. A novel neurosurgery registration pipeline based on heat maps and anatomic facial feature points
Amir-Khalili et al. 3D surface reconstruction of organs using patient-specific shape priors in robot-assisted laparoscopic surgery
Billings et al. A hybrid surface/image-based approach to facilitate ultrasound/CT registration
Feng et al. CT Image Segmentation for Preoperative Tracker Registration of Robot-Assisted Surgery
WO2024089352A1 (fr) Systeme d'aide en temps reel a la realisation d'au moins un tunnel osseux par arthroscopie

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 08787840

Country of ref document: EP

Kind code of ref document: A2

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 2008787840

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 12594572

Country of ref document: US