WO2015011407A1 - Procédé de production d'images médicales assisté par ordinateur - Google Patents

Procédé de production d'images médicales assisté par ordinateur Download PDF

Info

Publication number
WO2015011407A1
WO2015011407A1 PCT/FR2014/051900 FR2014051900W WO2015011407A1 WO 2015011407 A1 WO2015011407 A1 WO 2015011407A1 FR 2014051900 W FR2014051900 W FR 2014051900W WO 2015011407 A1 WO2015011407 A1 WO 2015011407A1
Authority
WO
WIPO (PCT)
Prior art keywords
value
voxel
voxels
volume
shell
Prior art date
Application number
PCT/FR2014/051900
Other languages
English (en)
Inventor
Grégory MALLET
Gad Miller
Original Assignee
Global Imaging On Line
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 Global Imaging On Line filed Critical Global Imaging On Line
Priority to EP14790158.1A priority Critical patent/EP3025308A1/fr
Publication of WO2015011407A1 publication Critical patent/WO2015011407A1/fr

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/162—Segmentation; Edge detection involving graph-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20072—Graph-based image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical

Definitions

  • the present invention relates to the technical field of obtaining and processing computer-assisted medical images, in particular images of a scanner or an MRI (Magnetic Resonance Imaging) device.
  • MRI Magnetic Resonance Imaging
  • Computed tomography also called computed tomography (CT), computed tomography (CT), CAT-computer assisted tomography (CT) is a medical imaging technique that consists of to measure the X-ray absorption generated by a scanner in different areas of a body, then, by computer processing, to digitize and finally to reconstruct 2D (two-dimensional) or 3D images of the anatomical structures.
  • MRI is another medical imaging technique, which is based on the principle of nuclear magnetic resonance (NMR).
  • Some of these complementary techniques use a particular iterative algorithm, called the Dijkstra algorithm, the name of its inventor, or simply dijkstra, to define an area of the image increasing with the number of iterations, from an origin point O chosen by the operator.
  • the current techniques using a dijkstra to achieve, after a certain number of iterations, an image portion corresponding to the desired segmentation are relatively inefficient for determining the appropriate iteration threshold for obtaining a complete image the area of interest, for example an injury, without this image encompassing other image areas outside the area interest.
  • the object of the invention is in particular to improve this determination of the number of iterations that is adequate to obtain a desired segmentation of an image, while requiring a limited calculation time.
  • the subject of the invention is in particular a method for producing at least one piece of information relating to a particular area of at least one part of a body (2) from digital scanning or imaging data. by magnetic resonance, called MRI of this at least part of the body, in which:
  • each voxel is associated with a numerical value correlated with a physical effect exerted by a CT or MRI device (6) on the material contained in the elementary real volume corresponding to this voxel;
  • a strictly positive parameter for example an integer or a positive real number
  • said local score is defined correlating with the numerical value associated with this voxel, the numerical values associated with the voxels corresponding to the particular body area being more low on average than the numerical values associated with the voxels corresponding to at least a portion of the body areas adjacent to the particular body area;
  • V N a subset EO of V N is defined, said origin space, for example chosen by a medical operator, and comprising at least one voxel;
  • a cost of a voxel Oi of the origin space EO is defined to a given voxel A along a determined path of neighbor voxels two by two joining Oi to A, as the sum of the local scores of the voxels of this path , without counting the score of Oi, each local score of a voxel of the path different from Oi being multiplied by a geometric coefficient, this coefficient being for example correlated to a relative position between this voxel of the path and the preceding neighbor voxel of this path ;
  • a cost of each given voxel A is defined as the minimum cost among all the paths joining any voxel of the EO origin space and the voxel A;
  • a set called hull of rank i denoted Ki, corresponding to the set of voxels belonging to Ei and not belonging to E (i -1), the shell K 0 , is defined. being defined as identical to the EO origin space;
  • an outer edge BKi of this shell is defined, formed by all the voxels of Ei which are adjacent to a voxel not belonging to Ei;
  • a quantity Gi is determined which is correlated with a thickness of the shell Ki, for example with the maximum local thickness EPLMi or with an average thickness EPmi, the maximum local thickness EPLMi being the value maximum, for the BKi voxels, the smallest distance between a determined voxel of BKi and any voxel of E (i-1), and the average thickness EPmi being the mean value of the local thickness, for the different voxels of BKi;
  • a first segmentation said target segmentation of the volume V N corresponding to the choice of a set E c , is determined, automatically or at the request of a medical operator, with C integer ⁇ M, the computer determining the value of C in connection with the finding of a predetermined change in the value of Gi, for example obtaining a value of EPLMi, or EPmi, or EPLMi / EPLM (i-1), or EPmi / EPm (i- 1) below a predetermined threshold;
  • the score of a voxel is a value depending on the numerical value in Hounsfield associated with this voxel.
  • the information is displayed and / or stored on a physical medium and / or broadcast on a telecommunications network, automatically or at the request of a medical operator, the information belonging to the group formed by a maximum dimension , a volume, a density, a surface-to-volume ratio, a volume-to-surface ratio, and a statistical element, for example an average value or a standard deviation of a medical quantity.
  • a medical size is a size that can be useful to a person working in a medical context.
  • Such processes usually use a dijkstra, ie a process iterative definition, in a digital space, of a series of subsets nested within each other using the concept of increasing cost of progression in the broad sense.
  • dijkstra ie a process iterative definition, in a digital space, of a series of subsets nested within each other using the concept of increasing cost of progression in the broad sense.
  • Each elementary iteration of the diskstra typically corresponds to the acquisition of an additional point in the digital space.
  • the corresponding iterative process is stopped after a predetermined number of elementary iterations, or else an objective of progression of this dijkstra is identified, for example when the cost of a pixel or voxel reached at the last elementary iteration reaches a predetermined threshold.
  • the cost corresponds to the observation of a predetermined evolution of the value of a magnitude Gi which is correlated to a thickness of the shell Ki, for example the maximum local thickness EPLMi or the average thickness EPmi of the shell Ki corresponding to the new voxels obtained during the iteration i:
  • the more the cost progresses weakly at each elemental iteration of the diskstra, and the greater the the thickness of the shell corresponding to the overall iteration considered is important.
  • This last piece of information is used by the invention because it reflects the fact that one has left, or is moving out of the particular area of the desired body, with moderate local scores.
  • this approach is based on anatomical findings, in connection with the definition of scores attributed to voxels and with that of the iterative process:
  • this zone has a certain homogeneity and corresponds to voxels whose local score is chosen to be relatively low compared to the local score of the voxels corresponding to adjacent body areas, formed by other organs and / or by tissues that have not been affected by the pathology.
  • the iterative process can progress more quickly (at a lower cost) in such a relatively homogeneous area with moderate local score.
  • a rapid progression of the cost at each elemental iteration of the dijkstra is thus reflected in a decrease in the thickness, local or average, of the shell Ki, formed by the new voxels obtained during the iteration, which makes it possible to use this information reflecting the fact that one has gone out, or is moving out of the particular area of the body sought.
  • the local thickness of the shell Ki in a voxel X of its outer edge BKi is the smallest value, denoted d (X, E (i-1)), of X to any voxel of E (i -1).
  • the maximum thickness EPLMi of the shell Ki is the largest of the local thicknesses, for all the X voxels of BKi, and the average thickness EPmi of the shell Ki is the mean local thickness, for all the voxels X of BKi.
  • the size Gi is correlated with the average thickness EPmi of the shell Ki, for example is a function of the volume / surface ratio of the outer edge of the shell Ki, in particular is equal to this ratio volume / surface of the outer edge, the volume of a shell Ki being defined in connection with the number of voxels of this shell and the surface of the outer edge being defined in connection with the number of voxels of this outer edge BKi.
  • a value of Gi is determined so that for i belonging to the interval [1, C], the value of Gi does not deviate from the mean value Gm by a value at least equal to the difference value at most two values of i, and preferably at most one value of i.
  • the magnitude Gi is correlated with the maximum local thickness EPLMi of the shell Ki, for example is equal to or proportional to EPLMi, and C is determined as the value i for obtaining a value of the maximum local thickness EPLMi or an EPLMi / EPLM ratio (i-1) below a predetermined threshold.
  • the threshold can be predetermined in connection with the local thickness of the shell: If the cost of progression of the djkstra becomes too important, and correlatively the maximum local thickness of the shell becomes for the first time too low for one to still being in the particular body area, for example a lesion, this means that the whole particular area searched for has been obtained, and that it can be determined that the last iteration makes it possible to obtain the desired target segmentation.
  • a starting voxel X 0 of BKi is chosen, calculates the smallest distance d (X 0 , E (i-1)) between X 0 and any voxel Z of the outer edge BK (i-1) of the shell K (i-1), that is to say the local thickness of Ki at voxel X 0 , ie D 0 , and the value of D is initialized to C;
  • the local thickness of Ki is computed or examined in a new voxel of BKi, different from a voxel for which the local thickness of Ki has already been calculated or examined, and a present value of D is determined. which is the identified maximum local thickness of the shell Ki during the iteration considered and previous iterations;
  • one of the said iterations is carried out at least one and preferably a plurality of particular iterations, called iterations with examination, such that for each of them:
  • the local thickness of Ki is computed at voxel Y, and if the value obtained DY is greater than D, then update D to the value DY,
  • the final updated value of the parameter D is assigned to the maximum local thickness EPLMi of Ki.
  • This first method makes it possible to reduce the calculation time, as explained below.
  • a recovery of BK (i-1) is carried out by a plurality of subsets SEj, possibly having two by two of the common intersections, each of these subsets SEj being formed by voxels, and preferably all the voxels of BK (i-1) located at a maximum distance Rj of a voxel of SEj, said anchor of SEj, and noted ANj;
  • the final value of the parameter d is then assigned to the local thickness of the shell Ki at the determined voxel To of BKi, that is to say at the minimum distance d (To, E (i-1)).
  • This second method also makes it possible to reduce the calculation time, as explained further.
  • first, second, and third iterative processes are not successive processes, but can be nested.
  • the second and / or the third iterative process can be embedded in steps of the first iterative process, and for example be executed one or more times at each step of this first iterative process.
  • the iterative calculation is stopped, or a number ⁇ of additional iterations is continued so that, for example, a medical operator can decide to enlarge the zone of image covered by the target segmentation that covers the particular body area, for example, in the case where that particular body area is a lesion, to see if the neighboring areas do not include small separate lesions, or an extension of the main lesion, or simply to observe the peripheral areas of the lesion.
  • the relatively fast shutdown of the iterative process provides a significant saving in computation time, especially when the particular body area is relatively limited.
  • a recovery of the digital volume VN is carried out by eight portions of digital volume PVj corresponding to portions of the real volume delimited by three mutually perpendicular planes, of which an axial (or transverse) plane XY, a sagittal plane YZ, and a coronal plane XZ,
  • the first iterative process is carried out in parallel in each of the digital volume portions PVj to determine sets Ei, j, Ki, j, BKi, j and the evaluation of a magnitude Gi, j by computing in parallel these different elements in each of the volume portions PEj as respectively Ei, Ki, BKi and Gi in each of these volume portions PVj;
  • This characteristic variant of the invention also makes it possible to obtain a significant gain on the calculation time: in fact, it is possible to carry out in parallel a large part of the iterative process by means of preferably several microprocessors or microprocessors having several cores, or multiple computers.
  • the additional step (s) make it possible to obtain a significant additional progression of the iterative process, to determine complementary zones of the particular zone sought, with a number of iterations. moderate in the global space, and a limited calculation time, as will be explained later.
  • This variant can be implemented with other methods of producing at least one piece of information relating to a particular area of at least a part of a body. In that case,
  • a recovery of the digital volume VN is carried out by eight portions of digital volume PVj corresponding to portions of the real volume delimited by three mutually perpendicular planes, of which an axial (or transverse) plane XY, a sagittal plane YZ, and a coronal plane XZ,
  • a first iterative process of constructing an arithmetic series of sets Ei, nested in each other, is defined to cover increasing areas corresponding to the particular zone of the body, from the selection of an origin space E 0 ,
  • the first iterative process is carried out in parallel in each of the digital volume portions PVj to determine the sets Ei, j, by calculating in parallel these different sets in each of the volume portions PEj as Ei, in each of these portions of PVj volume;
  • a set of frontier voxels of order 1 which are the border voxels belonging to a set Ei, j of a portion of digital volume PVj and which do not belong to a set Ei, k of another portion of digital volume PVk, with k different from j;
  • At least one additional iteration is carried out according to the first iterative process in the digital volume V N starting from the set of first order frontier voxels as the origin space, in order to obtain at least one complementary digital space portion ECO.
  • This ECO space can thus be merged with the spaces Ei, j to obtain a target segmentation, or, where appropriate, a segmentation of interest.
  • At least one so-called primary digital image obtained from Ec for example a 2D image corresponding to a axial or sagittal or coronal section of a body part corresponding to Ec, or a 3D view of a body part corresponding to Ec.
  • At least one primary digital image 2D corresponding to an axial, sagittal or coronal section of a part of the body is automatically determined and displayed, the image corresponding to the segmentation Ec.
  • At least one memory of the computer and / or broadcast on a telecommunications network is stored at least one medical information, for example, data corresponding to the sets Ei, and / or data corresponding to the target segmentation and / or or data corresponding to the segmentation of interest.
  • display means a display of a digital image on a screen. It is irrelevant that there is a single screen, or several different screens, to display such (these) or such (s) digital image (s) in the implementation of the invention.
  • the invention also relates to a computer program characterized in that it comprises program code instructions for executing the steps of the aforementioned method which are carried out by means of a computer.
  • the invention also relates to a CT scan or computer-assisted MRI method of at least a part of a body, making it possible to visualize a particular zone of this at least part of the body, characterized in that it determines and displays at least one primary digital image of the target segmentation obtained by the aforementioned method, and / or a secondary image of the segmentation of interest obtained by the aforementioned method.
  • the CT or MRI method may comprise at least the following steps:
  • one or more digital image (s) of CT scan or MRI of at least a portion of the body are selected and displayed, preferably one or more image (s). (s) 2D;
  • a variation P is determined from the number of iterations of the basic iterative process, corresponding to a set E (C + p) said segmentation of interest, P being a positive or negative integer, less than C in absolute value if P is negative with adjustable means for changing the number of iterations;
  • one or more sets Ei are defined by continuing the basic iterative process so as to be able to define the set E (C + p);
  • a medical operator It is particularly important for a medical operator to be able to quickly acquire, and substantially in real time, the image of a particular body area sought, typically a CT or MRI image, with a computer-assisted method. It is also important to be able to benefit from the personal expertise of the medical operator to define an area of interest, which may be different from the particular body area, precisely because of the expertise of the operator .
  • the Applicant has found a CT or MRI method, as well as a CT or MRI device for combining in a particularly effective and ergonomic way human expertise on the one hand and computing means on the other hand, for the determination, typically in real time, of a particular body area searched for a body, for example a lesion or an organ, and the production of targeted images of that particular body area sought for; 'a body.
  • This method of scanning or ergonomic MRI can be implemented with any method of producing an information and / or a digital image relating to a particular area of the body from digital CT or MRI data, in particular to visualize this particular area of the body, and therefore not only with the aforementioned method.
  • this real volume VR is associated with a digital volume VN formed of voxels, each voxel of V N corresponding to an elementary real volume. of VR, and each voxel is associated with a numerical value correlated with a physical effect exerted by a CT or MRI device on the material contained in the elementary real volume corresponding to this voxel.
  • one defines, by means of digital or physical pointing means, one or more pixels of this or these initial 2D image (s), to which (s) are associated one or more voxels of V N which together define an origin space E 0 ;
  • a variation in the number of iterations of the basic iterative process is determined, corresponding to a set E (C + p) said segmentation of interest, P being a positive or negative integer, less than C in absolute value if P is negative, through adjustable means of changing the number of iterations;
  • the computer defines one or more sets Ei by continuing the basic iterative process so as to be able to define a set E (C + p)
  • the invention also relates to a CT or MRI set comprising a CT or MRI device and a computer, separated or integrated in this device, characterized in that this facility is capable of implementing the aforementioned CT or MRI method.
  • the computer typically comprises a physical medium on which is recorded a computer program as defined above.
  • This device may especially comprise means for displaying on a screen a 2D digital image corresponding to an axial section of a part of the body at a longitudinal level of the body, the image corresponding to the target segmentation EC, or to the segmentation of interest.
  • It may also comprise means making it possible to modify the number of iterations to obtain a segmentation of interest, corresponding to a set E (C + p), where P is a positive or negative integer, the computer realizing, if necessary, complementary iterations according to the first iterative process making it possible to reach the iteration rank C + P, and / or the display means of another 2D digital image corresponding to an axial section of the same part of the body, at the same level longitudinal dimension of this body, this other image corresponding to the segmentation of interest.
  • the adjustable means for modifying the number of iterations are, for example, means belonging to the group formed by a physical pointer with a click (s) and / or a knurling key, a device with a rotary or rotary ball, a tactile device, by example with a touch screen or touch pad, an optical pointer or an optical pen, a tilting pointing device, and a graphics tablet.
  • the adjustable means can also be non-physical computing means, sometimes called “virtual", such as for example a digital pointer etc.
  • the invention finally relates to a CT or MRI image on a film-based physical medium, characterized in that it has been produced from the target segmentation determined during the execution of the aforementioned method, or from the segmentation of FIG. interest mentioned above.
  • Figure 1 illustrates a method for obtaining a target segmentation showing the progression of a first iterative process.
  • Figure 2 shows the evolution of a magnitude Gi corresponding to the average thickness of a shell in the first iterative process.
  • FIG. 3 schematically represents a shell Ki, and a method of determination of the maximum local thickness of this shell.
  • Figure 4 schematically illustrates a method of iterative calculation of the local thickness of a shell Ki.
  • Figure 5 schematically represents a method for obtaining a target segmentation using a partition of the digital space.
  • Figure 6 schematically shows a set of CT or MRI according to the invention.
  • a voxel will be represented by a point, or an elementary square in Figure 5, a shell by a surface, the edge of a shell by a curve, and so on.
  • FIG. 1 very schematically represents a modified CT image, for example an image of a part of a body in an axial plane, showing a lesion whose contour 2 has been represented in bold lines, the other parts of FIG. the CT image not being represented.
  • a modified CT image for example an image of a part of a body in an axial plane, showing a lesion whose contour 2 has been represented in bold lines, the other parts of FIG. the CT image not being represented.
  • this real volume VR is associated with a digital volume VN formed of voxels, each voxel of VN corresponding to an elementary real volume of VR, and is associated with each voxel a numerical value correlates a physical effect exerted by the scanning device on the material contained in the elementary real volume corresponding to this voxel.
  • a strictly positive parameter correlated with the numerical value associated with this voxel is defined, the numerical values associated with the voxels corresponding to the particular body area corresponding to the lesion being lower on average than the numerical values associated with the voxels corresponding to at least a portion of body areas adjacent to the particular body area (lesion).
  • the medical operator in view of an untransformed CT image, then identifies the existence of a lesion, and chooses, by numerical score, a voxel O of this lesion, forming the EO origin space, which is also the first, E 0 , numerical spaces defined by the first iterative process.
  • EO could also include several voxels, the operator choosing several voxels, at different points of the lesion.
  • a cost of a voxel Oi of the O origin space to a given voxel A along a determined path of neighbor voxels two by two joining Oi to A as the sum of the local scores of the voxels of this path, without counting the score of Oi, each local score of a path voxel different from Oi being multiplied by a geometric coefficient, this coefficient being for example correlated to a relative position between this path voxel and the previous neighbor voxel of this path.
  • a cost of each given voxel A as the minimum cost among all the paths joining any voxel of the origin space O and the voxel A.
  • each curve represents the limit reached by a set Ei during one of the successive iterations.
  • Each curve also represents the outer or inner edge of a shell, a shell being defined by the surface between two successive curves.
  • curves 4, 6, 8, 10, 12, 14 respectively correspond to the limits of the sets E1, E2, E3, E4, E5, E6, and represent the outer edges BK1, BK2,
  • each iteration of the first iterative process comprises a plurality of elementary iterations.
  • the shells are relatively thick, with medium and maximum thicknesses important.
  • the maximum thicknesses 28, 30, 32 of the shells K2, K3, K5 located at least partly in the lesion are greater than the maximum thickness.
  • the target segmentation comprises all the voxels of the hulls covering the whole of the lesion, ie the set E7 comprising the origin point O and the set of shells K1 to K7.
  • a value Gi which is correlated with a thickness of the shell Ki, for example a maximum local thickness EPLMi or an average thickness EPmi, is determined for each value of i ⁇ 1.
  • the local thickness of the shell Ki at a point X 0 of the outer edge BKi of Ki is the minimum distance from X 0 to a point of E (i-1).
  • the maximum local thickness EPLMi and the average thickness EPmi are respectively the maximum and average values of the local thickness. The distances are considered conventionally with respect to the central point of each voxel considered.
  • a first segmentation called target segmentation volume V N corresponding to the choice of a set E c , with C integer ⁇ M
  • the computer determining autonomously the value of C in connection with the finding of a predetermined change in the value of Gi, for example obtaining a value of EPLMi, or EPmi, or EPLMi / EPLM (i-1), or Epmi / EPm (i-1) below a predetermined threshold.
  • the information is displayed and / or stored on a physical medium and / or it is broadcast on a telecommunications network, automatically or at the request of a medical operator, the information belonging to the group formed by a dimension maximum, a volume, a density, a surface-to-volume ratio, a volume-to-surface ratio, and a statistical element, for example an average value or a standard deviation of a medical quantity.
  • FIG. 2 represents the evolution of the value Gi as a function of the number of iterations, for example the evolution of the average thickness of the Ki hull.
  • the value of Gi evolves little around a mean value Gm.
  • the value of Gi decreases, typically when a portion of the shell is outside the lesion, which reduces the local thickness, the local progression of the dijkstra being slowed down by increased costs (increase in local scores ).
  • the value of Gi ends up leaving the VG interval.
  • the diskstra is then stopped, or the value C of the number of iterations retained for the target segmentation is determined when the value of Gi deviates from Gm by a value greater than a predetermined value of deviation VE.
  • VE a predetermined value of deviation VE.
  • FIG. 3 shows a shell Ki comprising an outer edge BKi, and bounded by the outer edge BKi-1 of the hull Ki-1, which also delimits E (i-1).
  • the local thickness of Ki at a point X 0 of its outer edge BKi is referenced 40, while the local thickness of Ki at point X is referenced 42.
  • a starting voxel X 0 of BKi is chosen, calculates the smallest distance d (X 0 , E (i-1)) between X 0 and any voxel Z of the outer edge BK (i-1) of the shell K (i-1), i.e. the local thickness of Ki at voxel X 0 , or D 0 , and we initialize the value of D at
  • the local thickness of Ki is computed or examined in a new voxel of BKi, different from a voxel for which the local thickness of Ki has already been calculated or examined, and a present value of D is determined. which is the identified maximum local thickness of the shell Ki during the iteration considered and previous iterations;
  • one of the said iterations is carried out at least one and preferably a plurality of particular iterations, called iterations with examination, such that for each of them:
  • the final updated value of the parameter D is assigned to the maximum local thickness EPLMi of Ki.
  • This method uses an inequality of the sides of a triangle: one of the sides can not have a dimension greater than the sum of the dimensions of the two other sides.
  • the thickness of the shell at the point Y will be necessarily also less than or equal to D, which makes it unnecessary to calculate it, and thus reduces the calculation time.
  • a step of calculation by iterations of the local thickness of the shell Ki is performed in a given voxel To of BKi as follows:
  • a recovery of BK (i-1) is carried out by a plurality of subsets SEj, possibly having two by two of the common intersections, each of these subsets SEj being formed by voxels, and preferably all the voxels of BK (i-1) located at a maximum distance Rj of a voxel of SEj, said anchor of SEj, and noted ANj;
  • the final value of the parameter d is then assigned to the minimum distance d (To, E (i-1)), that is to say to the local thickness of Ki at the To voxel.
  • FIG. 4 shows in particular different subassemblies each formed by a portion of a curve (representing a portion of BK (i-1) in 2D) delimited by a circle, around an anchor.
  • the subset SE * is formed by the portion of curve included in the circle whose center is the AN * anchor. Also represented are the subsets SE2, whose voxels are in a radius R2 around the anchor AN2, SE4, whose voxels are in a radius R4 around the anchor AN4, and SEj, whose voxels are in a radius Rj around the anchor ANj.
  • AN * is the closest anchor to To.
  • the distance d (To, E (i-1)), or local thickness of Ki in To, is identical to the minimum distance of To at the edge BK (i-1). To evaluate this distance, we will be interested in the distances of To to the different subsets SEj of BK (i-1).
  • Diff d (To, ANj) -Rj
  • FIG. 5 schematically shows a pixelated 2D image corresponding to a section of the digital volume V N , which has been previously cut into eight volume portions PVj, performing a recovery of V N.
  • Each portion of PVj volume corresponds to a portion of the actual volume cut in three planes perpendicular two by two including an axial plane (or transverse) XY, a sagittal plane YZ, and a coronal plane XZ.
  • XY, YZ, and XZ planes correspond to frontier digital planes of a voxel thickness, formed of border voxels typically belonging to two adjacent PVj digital volume portions, the intersection of the three digital planes corresponding to a central voxel which can advantageously belong to the EO origin space, or correspond to the centroid (voxel of mean coordinates) among the voxels of the EO origin space.
  • FIG. 5 corresponding to an axial section, perpendicular to the Z axis, there are therefore four PVj portions of the digital volume, ie 44, 46, 48, and 50 comprising, for two adjacent PVj portions, a border digital plane portion.
  • common XZ or YZ formed of border voxels. These four digital volume portions share a digital straight line portion 52.
  • the first iterative process is carried out in parallel in each of the digital volume portions 44, 46, 48, 50, and the first iterative process is stopped when a predetermined evolution of one or a plurality of the magnitudes Gi is noted, j.
  • the first process also makes it possible to determine second order frontier voxels 62, which are frontier with at least two sets E 1, j different from the sets 54, 56, 58, and 60.
  • At least one additional iteration is then performed according to the first iterative process, in the digital volume V N , starting from all the border voxels. of order 1 as the origin space, each voxel of this first set retaining, its local cost, to obtain at least one set of complementary digital space portion ECO comprising border voxels.
  • ECO thus comprises the assemblies 66, obtained starting from a frontier voxel of order 1.
  • the method also typically includes a step of merging sets obtained by the first iterative process. It is particularly advantageous to perform a first merge of the sets Ei, j before performing the additional iteration.
  • the ECO set obtained is fused with the set resulting from the first fusion, to form the target segmentation Ec.
  • the one or more iterations make it possible to select and integrate in the target segmentation portions 66 of the lesion that would not have been selected if the first iterative process had been performed integrally in the different portions.
  • PVj volume in parallel. Thus, it avoids a performance defect related to a complete process of the process with partition of the digital volume.
  • This process of digital data processing CT or MRI carried out partially in parallel in space portions after partition of the global digital space, and partially in this global numerical space V N , can be implemented so very general, according to other methods of treatment of CT or MRI data, and not exclusively for the execution of the aforementioned method.
  • FIG. 6 shows very schematically a patient 68 lying on a table 70.
  • a scanning or MRI device 72 makes it possible to send digital information to a processor 76 connected to a screen 74.
  • the set also includes a computer 78 comprising a physical medium 79 on which is recorded a computer program comprising the code instructions for performing the aforementioned method steps performed by computer.
  • Computer 78 may communicate with a computer server to transfer information and / or digital data.
  • the scanner or MRI device 72 may communicate with the processor 76 and the computer 78 via links 82, 84, and 86.
  • the computer 78 may communicate with the processor 76 via links 88 and 90, and by a link 92 with the server 80, which can send information via a link 96.
  • the communications can be of any type, for example by wire, optical, wireless, wifi mode or other wireless mode etc ..
  • the scanner or MRI assembly also comprises a physical or digital pointer 98 enabling a medical operator to communicate with the computer 78 and to receive in return the information relating to a segmentation of interest, for displaying an image this segmentation of interest on the screen 74 or on a second screen 75.

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

Procédé de production d'une information médicale à partir de données numériques de scanographie ou d'IRM, caractérisé en ce que au moyen d'un ordinateur: - on définit au moyen d'itérations successives une suite croissante d'ensembles Ei de voxels, et on définit, pour chaque valeur de i, un ensemble appelé coque Ki (16, 18, 20, 22, 24) correspondant à l'ensemble des voxels appartenant à Ei et n'appartenant pas à E(i -1 ); - on détermine une grandeur Gi corrélée à une épaisseur de la coque Ki; - on détermine une segmentation cible Ec, en liaison avec la constatation d'une évolution prédéterminée de la valeur de Gi; - optionnellement on détermine une information médicale relative à la segmentation cible. L'invention concerne également un procédé et un ensemble de scanographie ou d'IRM, et un programme d'ordinateur pour leur mise en œuvre.

Description

Procédé de production d'images médicales assisté par ordinateur
La présente invention concerne le domaine technique de l'obtention et du traitement des images médicales assisté par ordinateur, en particulier des images d'un scanner ou d'un dispositif d'IRM (Imagerie par Résonnance Magnétique).
La tomodensitométrie (TDM), dite aussi scanographie, tomographie axiale calculée par ordinateur (TACO), CT-scan (CT: computed tomography), CAT-scan (CAT: computer-assisted tomography), est une technique d'imagerie médicale qui consiste à mesurer l'absorption des rayons X générés par un scanner dans différentes zones d'un corps, puis, par traitement informatique, à numériser et enfin reconstruire des images 2D (en deux dimensions) ou 3D des structures anatomiques.
L'IRM est une autre technique d'imagerie médicale, qui est basée sur le principe de la résonance magnétique nucléaire (RMN).
On connaît également des techniques complémentaires d'imagerie médicale visant, à partir d'images médicales 2D et/ou 3D, à réaliser une segmentation de l'image, de façon à identifier et ségréguer une zone d'intérêt, correspondant par exemple à un organe, une partie d'organe, ou une lésion, de façon à pouvoir cibler cette zone, afficher une ou plusieurs images numériques correspondantes, et en faciliter l'observation par un opérateur médical.
II est souvent nécessaire de pouvoir réaliser une telle ségrégation en un temps très court, par exemple de quelques secondes au plus de façon à minimiser le temps passé par le radiologue ou l'opérateur. Ces techniques requièrent donc une puissance de calcul notable au moyen typiquement d'un ordinateur.
Pour réduire ce temps de calcul, ou alternativement améliorer la qualité de la segmentation, on recherche des méthodes de calcul rapides et/ou performantes permettant de réduire le temps de calcul pour une qualité de segmentation donnée, ou d'améliorer la qualité de segmentation pour un temps de calcul donné.
Certaines de ces techniques complémentaires utilisent un algorithme itératif particulier, appelé algorithme de Dijkstra, du nom de son inventeur, ou plus simplement dijkstra, permettant de définir une zone de l'image s'accroissant avec le nombre d'itérations, à partir d'un point origine O choisi par l'opérateur. Les techniques actuelles utilisant un dijkstra pour atteindre, après un certain nombre d'itérations, une portion d'image correspondant à la segmentation recherchée sont cependant relativement peu performantes pour la détermination du seuil d'itérations adéquat pour l'obtention d'une image complète de la zone d'intérêt, par exemple une lésion, sans que cette image englobe d'autres zones d'image situées à l'extérieur de la zone d'intérêt.
L'invention a notamment pour but d'améliorer cette détermination du nombre d'itérations adéquat pour obtenir une segmentation recherchée d'une image, tout en requérant un temps de calcul limité.
A cet effet, l'invention a notamment pour objet un procédé de production d'au moins une information relative à une zone particulière d'une partie au moins d'un corps (2) à partir de données numériques de scanographie ou d'imagerie par résonance magnétique, dite IRM de cette partie au moins du corps, dans lequel :
- cette partie au moins du corps (2) étant disposée à l'intérieur d'un volume réel VR, on associe à ce volume réel VR un volume numérique VN formé de voxels, chaque voxel de VN correspondant à un volume réel élémentaire de VR ;
- on associe à chaque voxel une valeur numérique corrélée à un effet physique exercé par un dispositif (6) de scanographie ou d'IRM sur la matière contenue dans le volume réel élémentaire correspondant à ce voxel ;
caractérisé en ce que l'on effectue au moyen d'un ordinateur au moins les étapes suivantes:
- on définit pour chaque voxel un paramètre strictement positif (par exemple un entier ou un nombre réel positif), dit score local, corrélé à la valeur numérique associée à ce voxel, les valeurs numériques associées aux voxels correspondant à la zone corporelle particulière étant plus faibles en moyenne que les valeurs numériques associées aux voxels correspondant à une partie au moins des zones corporelles adjacentes à la zone corporelle particulière ;
- on définit un sous-ensemble EO de VN, dit espace origine, par exemple choisi par un opérateur médical, et comprenant au moins un voxel ;
- on définit un coût d'un voxel Oi de l'espace origine EO à un voxel donné A le long d'un chemin déterminé de voxels voisins deux à deux joignant Oi à A, comme la somme des scores locaux des voxels de ce chemin, sans compter le score de Oi , chaque score local d'un voxel du chemin différent de Oi étant multiplié par un coefficient géométrique, ce coefficient étant par exemple corrélé à une position relative entre ce voxel du chemin et le voxel voisin précédent de ce chemin ;
- on définit un coût de chaque voxel donné A comme le coût minimal parmi tous les chemins joignant un voxel quelconque de l'espace origine EO et le voxel A ;
- on définit au moyen d'itérations successives d'un premier processus itératif une suite arithmétique d'ensembles Ei de voxels de VN, dans laquelle E0 est l'espace origine EO, et pour tout nombre entier i compris dans un intervalle [1 , M], avec M entier > 1 , chaque ensemble Ei est l'ensemble des voxels dont le coût est inférieur ou égal à un coût prédéterminé Ci, Ci étant une suite arithmétique prédéterminée de valeurs positives (d'entiers ou de nombres réels positifs) strictement croissantes en fonction de i ;
- on définit, pour chaque valeur de i≥ 1 , un ensemble appelé coque de rang i, notée Ki, correspondant à l'ensemble des voxels appartenant à Ei et n'appartenant pas à E(i -1 ), la coque K0 étant définie comme identique à l'espace origine EO;
- on définit pour chaque coque Ki, avec i ≥ 0 , un bord extérieur BKi de cette coque, formée par l'ensemble des voxels de Ei qui sont adjacents d'un voxel n'appartenant pas à Ei ;
- on détermine pour chaque valeur de i≥ 1 , une grandeur Gi qui est corrélée à une épaisseur de la coque Ki, par exemple à l'épaisseur locale maximale EPLMi ou à une épaisseur moyenne EPmi, l'épaisseur locale maximale EPLMi étant la valeur maximum, pour les voxels de BKi, de la plus petite distance entre un voxel déterminé de BKi et un voxel quelconque de E(i-1 ), et l'épaisseur moyenne EPmi étant la valeur moyenne de l'épaisseur locale, pour les différents voxels de BKi ;
- on détermine, automatiquement ou sur requête d'un opérateur médical, une première segmentation, dite segmentation cible du volume VN correspondant au choix d'un ensemble Ec, avec C entier < M, l'ordinateur déterminant la valeur de C en liaison avec la constatation d'une évolution prédéterminée de la valeur de Gi, par exemple l'obtention d'une valeur de EPLMi, ou de EPmi, ou de EPLMi / EPLM(i-1 ), ou de EPmi / EPm(i-1 ) en dessous d'un seuil prédéterminé ;
- on détermine une information relative à la segmentation cible.
Le terme « corrélé » doit être compris comme signifiant « fonction de ». Ainsi, le score d'un voxel est une valeur fonction de la valeur numérique en Hounsfield associée à ce voxel.
Avantageusement, on affiche l'information et/ou on la stocke sur un support physique et/ou on la diffuse sur un réseau de télécommunications, automatiquement ou sur demande d'un opérateur médicale, l'information appartenant au groupe formé par une dimension maximale, un volume, une densité, un rapport surface sur volume, un rapport volume sur surface, et un élément statistique, par exemple une valeur moyenne ou un écart type d'une grandeur médicale. Une grandeur médicale est une grandeur qui peut être utile à une personne travaillant dans un contexte médical.
On connaît déjà dans l'état de la technique des processus itératifs permettant de générer des sous-ensembles de dimension croissante d'un espace numérique 2D, composés de pixels, ou d'un espace numérique 3D, composés de voxels, chaque sous-ensemble étant inclus dans les sous-ensembles correspondant à un nombre d'itérations supérieur.
De tels processus utilisent généralement un dijkstra, c'est-à-dire un processus itératif de définition, dans un espace numérique, d'une suite de sous-ensembles imbriqués les uns dans les autres utilisant la notion de coût de progression croissant au sens large. Chaque itération élémentaire du diskstra correspond typiquement à l'acquisition d'un point supplémentaire de l'espace numérique.
Typiquement, on stoppe le processus itératif correspondant après un nombre d'itérations élémentaires prédéterminé, ou bien on identifie un objectif de progression de ce dijkstra, lorsque par exemple le coût d'un pixel ou voxel atteint à la dernière itération élémentaire atteint un seuil prédéterminé.
Or selon l'invention, on utilise une approche très différente, dans laquelle on ne s'intéresse pas au niveau des coûts obtenus par les voxels lors de la dernière itération élémentaire. On détermine, selon le premier processus itératif des itérations globales selon l'indice i, chaque itération globale entre les indices i et i+1 regroupant typiquement un nombre important d'itérations élémentaires du dijkstra : Typiquement, les coûts progressent d'une valeur constante entre deux itérations globales (delta coût [C(i+1 ) - Ci] constant pour la définition d'espaces Ei et E(i+1 )). Mais selon l'invention, on s'intéresse à la vitesse de propagation du dijkstra (et à celle du coût), ce qui correspond à la constatation d'une évolution prédéterminée de la valeur d'une grandeur Gi qui est corrélée à une épaisseur de la coque Ki, par exemple l'épaisseur locale maximale EPLMi ou l'épaisseur moyenne EPmi de la coque Ki correspondant aux nouveaux voxels obtenus lors de l'itération i : Plus le coût progresse faiblement à chaque itération élémentaire du diskstra, et plus l'épaisseur de la coque correspondante à l'itération globale considérée est importante. En effet, une faible progression élémentaire du coût implique qu'un nombre important d'itérations élémentaires sera nécessaire pour augmenter le coût d'une valeur donnée [C(i+1 ) - Ci] (correspondant à une itération globale), ce qui implique que la coque correspondante comprendra un nombre de voxels élevés).
Cette dernière information est utilisée par l'invention car elle traduit le fait que l'on est sorti, ou est en train de sortir de la zone particulière du corps recherchée, présentant des scores locaux modérés.
Cette approche se fonde sur des constatations anatomiques, en liaison avec la définition des scores attribués aux voxels et avec celle du processus itératif: Lorsque la segmentation recherchée correspond, typiquement, à une zone atteinte par une pathologie, par exemple une lésion, ou bien correspond à un organe, cette zone présente une certaine homogénéité et correspond à des voxels dont le score local est choisi comme étant relativement faible par rapport au score local des voxels correspondant à des zones corporelles adjacentes, formées par d'autres organes et/ou par des tissus n'ayant pas été affectés par la pathologie. Ainsi, le processus itératif pourra progresser plus rapidement (à un coût moindre) dans une telle zone relativement homogène à score local modéré.
Inversement, lors de changements structurels de la matière traversée, le coût de progression augmente rapidement, du fait des scores locaux plus élevés, et le nombre d'itérations élémentaires correspondant à une itération globale (à delta coût donné) devient faible.
Une progression rapide du coût à chaque itération élémentaire du dijkstra se traduit donc par une diminution de l'épaisseur, locale ou moyenne, de la coque Ki, formée par les nouveaux voxels obtenus lors de l'itération , ce qui permet d'utiliser cette information traduisant le fait que l'on est sorti, ou est en train de sortir de la zone particulière du corps recherchée.
Conventionnellement, on définit l'épaisseur locale de la coque Ki en un voxel X de son bord extérieur BKi comme la plus petite valeur, notée d(X, E(i-1 )), de X à un voxel quelconque de E(i-1 ). L'épaisseur maximale EPLMi de la coque Ki est la plus grande des épaisseurs locales, pour l'ensemble des voxels X de BKi, et l'épaisseur moyenne EPmi de la coque Ki est l'épaisseur locale moyenne, pour l'ensemble des voxels X de BKi.
Selon un premier mode de mise en œuvre du procédé, la grandeur Gi est corrélée à l'épaisseur moyenne EPmi de la coque Ki, par exemple est une fonction du rapport volume / surface du bord extérieur de la coque Ki, en particulier est égale à ce rapport volume / surface du bord extérieur, le volume d'une coque Ki étant défini en liaison avec le nombre de voxels de cette coque et la surface du bord extérieur étant définie en liaison avec le nombre de voxels de ce bord extérieur BKi. Par exemple, si l'on constate que dans un premier intervalle de valeurs de i, soit INT1 la valeur de Gi évolue dans un intervalle de valeurs VG d'amplitude déterminée DeltaG autour d'une valeur moyenne Gm , puis que pour une ou plusieurs valeurs de i supérieures aux valeurs de INT1 , la valeur de Gi sorte de l'intervalle de valeurs VG, et s'écarte de la valeur moyenne Gm d'une valeur d'écart VE supérieure à un seuil déterminé, optionnellement corrélé à DeltaG, on détermine une valeur de C de sorte que pour i appartenant à l'intervalle [1 , C], la valeur de Gi ne s'écarte de la valeur moyenne Gm d'une valeur au moins égale à la valeur d'écart que pour au plus deux valeurs de i, et de préférence au plus une valeur de i.
Ceci peut s'appliquer notamment lorsque Gi est l'épaisseur moyenne EPmi de la coque Ki.
Selon un deuxième mode de mise en œuvre du procédé selon l'invention, la grandeur Gi est corrélée à l'épaisseur locale maximale EPLMi de la coque Ki, par exemple est égale ou proportionnelle à EPLMi, et l'on détermine C comme la valeur de i permettant l'obtention d'une valeur de l'épaisseur locale maximale EPLMi ou d'un rapport EPLMi / EPLM(i-1 ) en dessous d'un seuil prédéterminé.
Le seuil peut être prédéterminé en liaison avec l'épaisseur locale de la coque : Si le coût de progression du djkstra devient trop important, et corrélativement l'épaisseur locale maximale de la coque devient pour la première fois trop faible pour que l'on puisse se trouver encore dans la zone corporelle particulière, par exemple une lésion, ceci signifie que l'on a obtenu toute la zone particulière recherchée, et que l'on peut déterminer que la dernière itération permet d'obtenir la segmentation cible recherchée.
On peut également avantageusement réaliser une étape de calcul de l'épaisseur locale maximale EPLMi de la coque Ki, au moyen d'un deuxième processus itératif relatif à un paramètre D, de valeur actualisable et non décroissante en fonction du nombre d'itérations, dans lequel :
- on choisit un voxel de départ X0 de BKi, calcule la plus petite distance d( X0, E(i- 1 )) entre X0 et un voxel Z quelconque du bord extérieur BK(i-1 ) de la coque K(i-1 ), c'est-à-dire l'épaisseur locale de Ki au voxel X0, soit D0, et on initialise la valeur de D à Do;
- à chaque itération, on calcule ou examine l'épaisseur locale de Ki en un nouveau voxel de BKi, différent d'un voxel pour lequel on a déjà calculé ou examiné l'épaisseur locale de Ki, et on détermine une valeur actualisée de D qui est l'épaisseur locale maximale identifiée de la coque Ki au cours de l'itération considérée et des itérations précédentes ;
- on effectue, parmi lesdites itérations, au moins une et de préférence une pluralité d'itérations particulières, dites itérations avec examen, telle(s) que pour chacune d'entre elles :
- on part d'un voxel X pour lequel l'épaisseur locale d( X, E(i-1 )) de la coque Ki a déjà été calculée, et est inférieure à la valeur actualisée de D.
- on choisit un nouveau voxel Y de BKi, de préférence contigu à X0, et l'on examine l'épaisseur locale maximale possible de la coque Ki au voxel Y pour déterminer si elle peut être supérieure à la valeur actualisée de D, en calculant la somme S = d( X, E(i-1 )) + d(X, Y), puis :
- si S est supérieure à la valeur actualisée de D, on effectue le calcul de l'épaisseur locale de Ki au voxel Y, et si la valeur obtenue DY est supérieure à D, on actualise D à la valeur DY,
- si au contraire la valeur de S obtenue est inférieure ou égale à D, on ne change pas la valeur actualisée de D, et on ne calcule pas l'épaisseur locale de Ki au voxel Y.
- Lorsque, pour chacun des voxels de BKi, on a calculé l'épaisseur locale, et/ou examiné l'épaisseur locale maximale possible de Ki dans l'une desdites itérations avec examen, on attribue la valeur actualisée finale du paramètre D à l'épaisseur locale maximale EPLMi de Ki.
Cette première méthode permet de réduire le temps de calcul, comme explicité plus loin.
On peut également réaliser une étape de calcul par itérations de l'épaisseur locale de la coque Ki en un voxel déterminé To de BKi, dans lequel :
- on réalise un recouvrement de BK(i-1 ) par une pluralité de sous-ensembles SEj, pouvant éventuellement avoir deux à deux des intersections communes, chacun de ces sous-ensembles SEj étant formé par des voxels, et de préférence tous les voxels de BK(i-1 ) situés à une distance maximale Rj d'un voxel de SEj, dit ancre de SEj, et noté ANj ;
- on calcule les distances de To à chacune des ancres ANj, et l'on détermine celle dont la distance à To est minimale, soit AN* correspondant à un sous-ensemble SE*;
- on calcule la distance minimale d(To, SE*) de To à un voxel quelconque de SE*, soit d*;
- on initialise à la valeur d* un paramètre de distance d, actualisable et non croissant en fonction du nombre d'itérations d'un troisième processus itératif;
- on effectue le troisième processus itératif dans lequel on examine successivement chacun des sous-ensembles SEj différents de SE*, en procédant à l'évaluation de la valeur de la différence Diff = d(To, ANj) - Rj. Si Diff est inférieure à la valeur du paramètre d, on effectue le calcul de la plus petite distance de To à un voxel quelconque de SEj, soit d(To, SEj), et si la valeur obtenue dj est inférieure à d, on actualise d à la valeur dj. Si au contraire la valeur obtenue dj est supérieure ou égale à d, on n'actualise pas d. Si la différence Diff est supérieure ou égale à la valeur du paramètre d, on n'effectue pas le calcul de d(To, SEj). Dans tous les cas, on poursuit le troisième processus itératif jusqu'à l'examen de tous les ensembles SEj;
- on attribue alors la valeur finale du paramètre d à l'épaisseur locale de la coque Ki au voxel déterminé To de BKi , c'est-à-dire à la distance minimale d(To, E(i-1 )).
Cette seconde méthode permet également de réduire le temps de calcul, comme explicité plus loin.
On comprendra que les premier, deuxième, et troisième processus itératifs ne sont pas des processus successifs, mais peuvent être imbriqués. Notamment le deuxième et/ou le troisième processus itératif peut (peuvent) être imbriqué(s) dans des étapes du premier processus itératif, et par exemple être exécutés une ou plusieurs fois à chaque étape de ce premier processus itératif.
Avantageusement, on arrête le premier processus itératif pour la détermination des ensembles Ei lorsque le nombre d'itérations atteint la valeur N = C correspondant à la segmentation cible EC, ou bien la valeur N = C+Δ correspondant à l'ensemble E(C+A), dans laquelle Δ est un entier positif prédéterminé.
Ainsi, dès que l'on atteint la segmentation cible, on arrête le calcul itératif, ou bien on poursuit un nombre Δ d'itérations supplémentaires de façon à ce que, par exemple, un opérateur médical puisse décider d'agrandir la zone d'image couverte par la segmentation cible qui couvre la zone corporelle particulière, par exemple, dans le cas où cette zone corporelle particulière est une lésion, pour regarder si les zones voisines ne comprennent pas de petites lésions séparées, ou une extension de la lésion principale, ou simplement pour observer les zones périphériques de la lésion.
L'arrêt relativement rapide du processus itératif permet d'obtenir une économie importante de temps de calcul, en particulier lorsque la zone corporelle particulière est relativement limitée.
Selon une variante caractéristique optionnelle du procédé selon l'invention (ou également d'un autre procédé de production d'au moins une information relative à une zone particulière d'une partie au moins d'un corps):
- on réalise un recouvrement du volume numérique VN par huit portions de volume numérique PVj correspondant à des portions du volume réel délimitées par trois plans perpendiculaires deux à deux dont un plan axial (ou transverse) XY, un plan sagittal YZ, et un plan coronal XZ,
- on réalise le premier processus itératif en parallèle dans chacune des portions de volume numérique PVj pour déterminer des ensembles Ei,j, Ki,j, BKi,j et l'évaluation d'une grandeur Gi,j en calculant en parallèle ces différents éléments dans chacune des portions de volume PEj en tant respectivement que Ei, Ki , BKi et Gi dans chacune de ces portions de volume PVj.;
Lorsqu'on constate une évolution prédéterminée d'une ou d'une pluralité des grandeurs Gi,j, on détermine un ensemble de voxels frontaliers d'ordre 1 , qui sont les voxels frontaliers appartenant à un ensemble Ei,j d'une portion de volume numérique
PVj et qui n'appartiennent pas à un ensemble Ei,k d'une autre portion de volume numérique PVk, avec k différent de j ; - on réalise au moins une itération supplémentaire selon le premier processus itératif dans le volume numérique VN en partant de l'ensemble de voxels frontaliers d'ordre 1 comme espace origine, chaque voxel de ce premier ensemble conservant , son coût local, pour obtenir au moins un ensemble portion d'espace numérique complémentaire ECO. Cet espace ECO peut ainsi être intégré à la segmentation cible, ou le cas échéant à la segmentation d'intérêt, par fusion avec les espaces Ei,j. Typiquement, on poursuit le processus itératif jusqu'à obtenir le même coût maximum que pour les ensembles .
Pour déterminer les trois plans perpendiculaires deux à deux précités (axial, sagittal, et coronal) on peut choisir leur point commun en un point correspondant de préférence à un voxel de l'espace origine EO, ou à un voxel obtenu en calculant le barycentre des voxels de l'espace origine EO (affectés d'un poids identique).
Cette variante caractéristique de l'invention permet elle aussi d'obtenir un gain important sur le temps de calcul : En effet, on peut réaliser en parallèle une partie importante du processus itératif au moyen de préférence de plusieurs microprocesseurs ou de microprocesseurs ayant plusieurs cœurs, ou de plusieurs ordinateurs. Après fusion des ensembles Ei,j obtenus, l'étape (ou les étapes) supplémentaire(s) permettent d'obtenir une progression complémentaire notable du processus itératif, pour déterminer des zones complémentaires de la zone particulière recherchée, avec un nombre d'itérations modéré dans l'espace global, et un temps de calcul limité, comme il sera explicité plus loin.
Cette variante peut être mise en œuvre avec d'autres procédés de production d'au moins une information relative à une zone particulière d'une partie au moins d'un corps. Dans ce cas,
- on réalise un recouvrement du volume numérique VN par huit portions de volume numérique PVj correspondant à des portions du volume réel délimitées par trois plans perpendiculaires deux à deux dont un plan axial (ou transverse) XY, un plan sagittal YZ, et un plan coronal XZ,
- on définit un premier processus itératif de construction d'une suite arithmétique d'ensembles Ei, imbriqués les une dans les autres, pour couvrir des zones croissantes correspondant à la zone particulière du corps, à partir de la sélection d'un espace origine E0,
- on réalise le premier processus itératif en parallèle dans chacune des portions de volume numérique PVj pour déterminer les ensembles Ei,j, en calculant en parallèle ces différents ensembles dans chacune des portions de volume PEj en tant que Ei, dans chacune de ces portions de volume PVj ;
A partir d'un nombre d'itérations que l'on choisit, on détermine un ensemble de voxels frontaliers d'ordre 1 , qui sont les voxels frontaliers appartenant à un ensemble Ei,j d'une portion de volume numérique PVj et qui n'appartiennent pas à un ensemble Ei,k d'une autre portion de volume numérique PVk, avec k différent de j ;
- on réalise au moins une itération supplémentaire selon le premier processus itératif dans le volume numérique VN en partant de l'ensemble de voxels frontaliers d'ordre 1 comme espace origine, pour obtenir au moins une portion d'espace numérique complémentaire ECO. Cet espace ECO peut ainsi être fusionné avec les espaces Ei,j pour obtenir une segmentation cible, ou le cas échéant une segmentation d'intérêt.
Avantageusement, on détermine et affiche sur un écran, automatiquement ou sur demande d'un opérateur médical, et optionnellement on produit sur un support pelliculaire, au moins une image numérique dite primaire obtenue à partir de Ec, Par exemple une image 2D correspondant à une coupe axiale, ou sagittale, ou coronale d'une partie du corps correspondant à Ec, ou une vue 3D d'une partie du corps correspondant à Ec.
De préférence, on détermine et affiche automatiquement au moins une image numérique primaire 2D correspondant à une coupe axiale, ou sagittale, ou coronale d'une partie du corps, l'image correspondant à la segmentation Ec.
Si par exemple un opérateur médical souhaite visualiser une segmentation différente de celle de la segmentation cible, on peut alors, après affichage de cette image numérique primaire, effectuer un affichage d'une autre image numérique correspondant à une même partie du corps que celle de l'image primaire, cette autre image, dite image secondaire, correspondant à un ensemble E(C+p) dit segmentation d'intérêt, P étant un entier positif ou négatif, l'ordinateur réalisant si nécessaire une ou plusieurs itérations complémentaires, selon le premier processus itératif, permettant d'atteindre le rang d'itération C+P.
Typiquement, on stocke dans au moins une mémoire de l'ordinateur et/ou diffuse sur un réseau de télécommunications au moins une information médicale, par exemple, des données correspondant aux ensembles Ei, et/ou des données correspondant à la segmentation cible et/ou des données correspondant à la segmentation d'intérêt.
On comprendra que le terme « affichage » signifie un affichage d'une image numérique sur un écran. Il est indifférent qu'il y ait un seul écran, ou bien plusieurs écrans différents, pour afficher telle(s) ou telle(s) image(s) numérique(s) dans la mise en œuvre de l'invention.
L'invention concerne également un programme d'ordinateur caractérisé en ce qu'il comprend des instructions de code de programme pour l'exécution des étapes du procédé précité qui sont effectuées au moyen d'un ordinateur.
L'invention concerne également un procédé de scanographie ou d'IRM assisté par un ordinateur d'une partie au moins d'un corps, permettant de visualiser une zone particulière de cette partie au moins du corps, caractérisé en ce que l'on détermine et affiche au moins une image numérique primaire de la segmentation cible obtenue par le procédé précité, et/ou une image secondaire de la segmentation d'intérêt obtenue par le procédé précité.
Le procédé de scanographie ou d'IRM peut comprendre au moins les étapes suivantes:
- on détermine et affiche une ou plusieurs image(s) numérique(s) de scanographie ou d'IRM d'une partie au moins du corps, dite(s) image(s) initiale(s), de préférence une ou plusieurs image(s) 2D;
- on sélectionne, grâce à des moyens de pointage numérique ou physique un ou plusieurs pixels de cette ou ces image(s) initiale(s), auquel(s) sont associés un ou plusieurs voxels de VN , qui définissent ensemble l'espace origine E0 ;
- on effectue les étapes du procédé précité, pour déterminer et afficher l'image primaire ;
- on détermine une variation P du nombre d'itérations du processus itératif de base, correspondant à un ensemble E(C+p) dit segmentation d'intérêt, P étant un entier positif ou négatif, inférieur à C en valeur absolue si P est négatif, grâce à des moyens réglables de modification du nombre d'itérations ;
- si nécessaire, on définit grâce à l'ordinateur un ou plusieurs ensembles Ei en poursuivant le processus itératif de base de façon à pouvoir définir l'ensemble E(C+p) ;
- on affiche une image secondaire correspondant à cette segmentation d'intérêt
Il est particulièrement important, pour un opérateur médical de pouvoir acquérir rapidement, et sensiblement en temps réel l'image d'une zone corporelle particulière recherchée, typiquement une image de scanographie ou d'IRM, avec un procédé assisté par ordinateur. Il est également important de pouvoir bénéficier de l'expertise personnelle de l'opérateur médical pour la définition d'une zone d'intérêt, qui peut se révéler différente de la zone corporelle particulière, du fait justement de l'expertise de l'opérateur.
Il est toutefois difficile de combiner une expertise humaine et des moyens informatiques en temps réel.
Toutefois, la demanderesse a trouvé un procédé de scanographie ou d'IRM, ainsi qu'un dispositif de scanographie ou d'IRM permettant de combiner de façon particulièrement efficace et ergonomique l'expertise humaine d'une part et des moyens informatiques d'autre part, pour la détermination, typiquement en temps réel, d'une zone corporelle particulière recherchée d'un corps, par exemple une lésion ou un organe, et la production d'images ciblées de cette zone corporelle particulière recherchée d'un corps.
Ce procédé de scanographie ou d'IRM ergonomique peut être mis en œuvre avec tout procédé de production d'une information et/ou d'une image numérique relative à une zone particulière du corps à partir de données numériques de scanographie ou d'IRM, notamment pour visualiser cette zone particulière du corps, et donc pas uniquement avec le procédé précité.
Dans un tel procédé, la partie au moins du corps étant disposée à l'intérieur d'un volume réel VR, on associe à ce volume réel VR un volume numérique VN formé de voxels, chaque voxel de VN correspondant à un volume réel élémentaire de VR, et on associe à chaque voxel une valeur numérique corrélée à un effet physique exercé par un dispositif de scanographie ou d'IRM sur la matière contenue dans le volume réel élémentaire correspondant à ce voxel. Puis on effectue au moyen d'un ordinateur au moins les étapes suivantes:
- on produit et affiche une ou plusieurs image(s) numérique(s) 2D de scanographie ou d'IRM d'une coupe axiale du corps à au moins un niveau longitudinal de ce corps, dites image(s) 2D initiale(s);
- on définit, grâce à des moyens de pointage numérique ou physique un ou plusieurs pixels de cette ou ces image(s) 2D initiales, auquel(s) sont associés un ou plusieurs voxels de VN qui définissent ensemble un espace origine E0;
- on calcule, à partir de cet espace origine E0, par un processus itératif de base mis en œuvre au moyen d'un ordinateur une segmentation cible Ec correspondant sensiblement à une zone couvrant une zone corporelle particulière recherchée du corps, correspondant à un nombre d'itérations C;
- on affiche au moins une image de la segmentation cible Ec;
- on détermine une variation du nombre d'itérations du processus itératif de base, correspondant à un ensemble E(C+p) dit segmentation d'intérêt, P étant un entier positif ou négatif, inférieur à C en valeur absolue si P est négatif, grâce à des moyens réglables de modification du nombre d'itérations ;
- si nécessaire, on définit grâce à l'ordinateur un ou plusieurs ensembles Ei en poursuivant le processus itératif de base de façon à pouvoir définir un ensemble E(C+p)
- on affiche au moins une image correspondant à cette segmentation d'intérêt
L'invention concerne aussi un ensemble de scanographie ou d'IRM comprenant un dispositif de scanographie ou d'IRM et un ordinateur, séparé ou intégré à ce dispositif, caractérisé en ce que cette installation est apte à mettre en œuvre le procédé de scanographie ou d'IRM précité.
En particulier, l'ordinateur comprend typiquement un support physique sur lequel est enregistré un programme d'ordinateur tel que défini précédemment.
Ce dispositif peut notamment comprendre des moyens d'affichage sur un écran d'une image numérique 2D correspondant à une coupe axiale d'une partie du corps à un niveau longitudinal du corps, l'image correspondant à la segmentation cible EC, ou à la segmentation d'intérêt.
Il peut aussi comprendre des moyens permettant de modifier le nombre d'itérations pour obtenir une segmentation d'intérêt, correspondant à un ensemble E(C+p) , P étant un entier positif ou négatif, l'ordinateur réalisant, si besoin est, des itérations complémentaires selon le premier processus itératif permettant d'atteindre le rang d'itération C+P, et/ou des moyens d'affichage d'une autre image numérique 2D correspondant à une coupe axiale de la même partie du corps, au même niveau longitudinal déterminé de ce corps, cette autre image correspondant à la segmentation d'intérêt.
Les moyens réglables de modification du nombre d'itérations sont par exemple des moyens appartenant au groupe formé par un pointeur physique à touche pour clic(s) et/ou à molette, un dispositif à molette ou à bille rotative, un dispositif tactile, par exemple à écran tactile ou tablette tactile, un pointeur optique ou un crayon optique, un dispositif de pointage inclinable, et une tablette graphique. Les moyens réglables peuvent également être des moyens informatiques non physiques, parfois appelés « virtuels », tels par exemple qu'un pointeur numérique etc ..
L'invention concerne enfin une image de scanographie ou d'IRM sur support physique pelliculaire, caractérisée en ce qu'elle a été produite à partir de la segmentation cible déterminée lors de l'exécution du procédé précité, ou à partir de la segmentation d'intérêt précitée.
L'invention sera mieux comprise à la lecture des figures annexées, qui sont fournies à titre d'exemples et ne présentent aucun caractère limitatif, dans lesquelles les figures représentent ou illustrent schématiquement des étapes, éventuellement optionnelles, du procédé selon l'invention appliqué à des données numériques de scanographie d'une partie d'un corps :
La figure 1 illustre une méthode d'obtention d'une segmentation cible montrant la progression d'un premier processus itératif.
La figure 2 représente l'évolution d'une grandeur Gi correspondant à l'épaisseur moyenne d'une coque dans le premier processus itératif.
La figure 3 représente schématiquement une coque Ki, et une méthode de détermination de l'épaisseur locale maximale de cette coque.
La figure 4 illustre schématiquement une méthode de calcul par itérations de l'épaisseur locale d'une coque Ki.
La figure 5 représente schématiquement une méthode d'obtention d'une segmentation cible utilisant une partition de l'espace numérique.
La figure 6 représente schématiquement un ensemble de scanographie ou d'IRM selon l'invention.
Dans ce qui suit, et pour la clarté de l'exposé, on représentera différents éléments 3D (en trois dimensions) de l'espace numérique par une image en deux dimensions dans les figures. Ainsi, un voxel sera représenté par un point, ou par un carré élémentaire dans la figure 5, une coque par une surface, le bord d'une coque par une courbe etc.
On se réfère maintenant à la figure 1 .
La figure 1 représente de façon très schématique, une image modifiée de scanographie, par exemple une image d'une partie d'un corps dans un plan axial, montrant une lésion dont on a représenté le contour 2 en trait gras, les autres parties de l'image de scanographie n'étant pas représentées.
La partie du corps étant disposée à l'intérieur d'un volume réel VR, on associe à ce volume réel VR un volume numérique VN formé de voxels, chaque voxel de VN correspondant à un volume réel élémentaire de VR, et on associe à chaque voxel une valeur numérique corrélée un effet physique exercé par le dispositif de scanographie sur la matière contenue dans le volume réel élémentaire correspondant à ce voxel.
On met alors en œuvre un premier processus itératif, de type diskstra, comme suit :
- on définit pour chaque voxel un paramètre strictement positif corrélé à la valeur numérique associée à ce voxel, les valeurs numériques associées aux voxels correspondant à la zone corporelle particulière correspondant à la lésion étant plus faibles en moyenne que les valeurs numériques associées aux voxels correspondant à une partie au moins de zones corporelles adjacentes à la zone corporelle particulière (lésion).
- L'opérateur médical, au vu d'une image de scanographie non transformée, identifie alors l'existence d'une lésion, et choisit, par pointage numérique, un voxel O de cette lésion, formant l'espace origine EO, qui est également le premier, E0, des espaces numériques définis par le premier processus itératif. EO pourrait également comprendre plusieurs voxels, l'opérateur choisissant plusieurs voxels, à différents points de la lésion.
- On définit un coût d'un voxel Oi de l'espace origine O à un voxel donné A le long d'un chemin déterminé de voxels voisins deux à deux joignant Oi à A, comme la somme des scores locaux des voxels de ce chemin, sans compter le score de Oi , chaque score local d'un voxel du chemin différent de Oi étant multiplié par un coefficient géométrique, ce coefficient étant par exemple corrélé à une position relative entre ce voxel du chemin et le voxel voisin précédent de ce chemin.
- On définit un coût de chaque voxel donné A comme le coût minimal parmi tous les chemins joignant un voxel quelconque de l'espace origine O et le voxel A .
- On définit au moyen d'itérations successives d'un premier processus itératif une suite arithmétique d'ensembles Ei de voxels de VN, dans laquelle E0 est l'espace origine O, et pour tout nombre entier i compris dans un intervalle [1 , M], avec M entier > 1 , chaque ensemble Ei est l'ensemble des voxels dont le coût est inférieur ou égal à un coût prédéterminé Ci, Ci étant une suite arithmétique prédéterminée de valeurs positives strictement croissantes en fonction de i .
- On définit, pour chaque valeur de i≥ 1 , un ensemble appelé coque de rang i, notée Ki, correspondant à l'ensemble des voxels appartenant à Ei et n'appartenant pas à E(i -1 ), la coque KO étant définie comme identique à l'espace origine O.
- On définit pour chaque coque Ki, avec i≥ 1 , une surface de bord extérieur BKi de cette coque, formée par l'ensemble des voxels de Ei qui sont adjacents d'un voxel n'appartenant pas à Ei et on définit le bord extérieur BK0 comme le voxel O.
Sur la figure 1 , chaque courbe représente la limite atteinte par un ensemble Ei , lors de l'une des itérations successives. Chaque courbe représente également le bord extérieur ou intérieur d'une coque, une coque étant définie par la surface entre deux courbes successives.
Ainsi, les courbes 4, 6, 8, 10, 12, 14 correspondent respectivement aux limites des ensembles E1 , E2, E3, E4, E5, E6, et représentent les bords extérieurs BK1 , BK2,
BK3, BK4, BK5, BK6 des coques K1 , K2, K3, K4, K5, et K6, représentées par les références 16, 18, 20, 22, 24, et 26.
Typiquement, chaque itération du premier processus itératif comprend une pluralité d'itérations élémentaires.
On peut constater que lorsque l'on se trouve dans une zone correspondant à l'intérieur de la lésion, les coques sont relativement épaisses, avec des épaisseurs moyennes et maximales importantes.
Au contraire, lorsque l'on est sorti des limites de la lésion, les épaisseurs des coques sont plus faibles.
Ainsi, sur la figure 1 , les épaisseurs maximales 28, 30, 32 des coques K2, K3, K5, situées au moins en partie dans la lésion sont plus grandes que l'épaisseur maximale
34 de la coque K8, référencée 36, comprise entre les courbes 38 et 40, cette coque étant située à l'extérieur de la lésion.
Ceci résulte du fait que les scores des voxels extérieurs à la lésion sont relativement élevés, ce qui augmente le coût de progression à chaque itération. Pour une différence de coût donnée correspondant à deux ensembles Ei et Ei+1 , on réalise moins d'itérations élémentaires, et l'épaisseur de la coque est plus faible.
Cette évolution de l'épaisseur des coques est mise à profit par le procédé selon l'invention pour déterminer la segmentation cible.
On peut aussi constater sur la figure 1 que certaines coques 22, 24, 26, et la septième coque 38 sont en partie à l'intérieur et en partie à l'extérieur de lalésion. Il est souhaitable que la segmentation cible comprenne l'ensemble des voxels des coques couvrant ensemble l'ensemble de la lésion, soit l'ensemble E7 comprenant le point origine O et l'ensemble des coques K1 à K7.
- Typiquement, on détermine pour chaque valeur de i≥ 1 , une grandeur Gi qui est corrélée à une épaisseur de la coque Ki, par exemple une épaisseur locale maximale EPLMi ou une épaisseur moyenne EPmi.
Conventionnellement, pour i > 1 , l'épaisseur locale de la coque Ki en un point X0 du bord extérieur BKi de Ki est la distance minimale de X0 à un point de E(i-1 ). L'épaisseur locale maximale EPLMi et l'épaisseur moyenne EPmi sont respectivement les valeurs maximale et moyenne de l'épaisseur locale. Les distances sont considérées conventionnellement par rapport au point central de chaque voxel considéré.
- Puis on réalise, automatiquement ou sur requête d'un opérateur médical, une première segmentation, dite segmentation cible du volume VN correspondant au choix d'un ensemble Ec, avec C entier < M, l'ordinateur déterminant de façon autonome la valeur de C en liaison avec la constatation d'une évolution prédéterminée de la valeur de Gi, par exemple l'obtention d'une valeur de EPLMi, ou de EPmi, ou de EPLMi / EPLM(i-1 ), ou de Epmi / EPm(i-1 ) en dessous d'un seuil prédéterminé .
- Ensuite, on détermine une information relative à la segmentation cible.
- Enfin, on affiche l'information et/ou on la stocke sur un support physique et/ou on la diffuse sur un réseau de télécommunications, automatiquement ou sur demande d'un opérateur médicale, l'information appartenant au groupe formé par une dimension maximale, un volume, une densité, un rapport surface sur volume, un rapport volume sur surface, et un élément statistique, par exemple une valeur moyenne ou un écart type d'une grandeur médicale.
On se réfère maintenant à la figure 2 qui représente l'évolution de la valeur Gi en fonction du nombre d'itérations, par exemple l'évolution de l'épaisseur moyenne de la coque Ki. Lors des premières itérations, la valeur de Gi évolue peu autour d'une valeur moyenne Gm. Puis, la valeur de Gi diminue, typiquement lorsqu'une partie de la coque se trouve à l'extérieur de la lésion, ce qui réduit l'épaisseur locale, la progression locale du dijkstra étant ralentie par des coûts augmentés (augmentation des scores locaux). La valeur de Gi finit par sortir de l'intervalle VG. On arrête alors le diskstra, ou l'on détermine la valeur C du nombre d'itérations retenu pour la segmentation cible lorsque la valeur de Gi s'écarte de Gm d'une valeur supérieure à une valeur d'écart VE prédéterminée, ce qui, sur la figure 2, correspond à la valeur de C=7. On peut aussi choisir de conserver une ou deux itérations supplémentaires, de façon à inclure de façon plus probable toute extrémité de la lésion.
On se réfère maintenant à la figure 3, qui représente une coque Ki comprenant un bord extérieur BKi, et délimitée par le bord extérieur BKi-1 de la coque Ki-1 , qui délimite également E(i-1 ). L'épaisseur locale de Ki en un point X0 de son bord extérieur BKi est référencée 40, alors que l'épaisseur locale de Ki au point X est référencée 42.
Pour réaliser une étape de calcul de l'épaisseur locale maximale EPLMi de la coque Ki, on procède avantageusement comme suit:
au moyen d'un deuxième processus itératif relatif à un paramètre D, de valeur actualisable et non décroissante en fonction du nombre d'itérations, - on choisit un voxel de départ X0 de BKi, calcule la plus petite distance d( X0, E(i- 1 )) entre X0 et un voxel Z quelconque du bord extérieur BK(i-1 ) de la coque K(i-1 ), c'est-à-dire l'épaisseur locale de Ki au voxel X0, soit D0, et on initialise la valeur de D à
Do ;
- à chaque itération, on calcule ou examine l'épaisseur locale de Ki en un nouveau voxel de BKi, différent d'un voxel pour lequel on a déjà calculé ou examiné l'épaisseur locale de Ki, et on détermine une valeur actualisée de D qui est l'épaisseur locale maximale identifiée de la coque Ki au cours de l'itération considérée et des itérations précédentes ;
- on effectue, parmi lesdites itérations, au moins une et de préférence une pluralité d'itérations particulières, dites itérations avec examen, telle(s) que pour chacune d'entre elles :
- on part d'un voxel X pour lequel l'épaisseur locale d( X, E(i-1 )) de la coque Ki a déjà été calculée, et est inférieure à la valeur actualisée de D, - on choisit un nouveau voxel Y de BKi, de préférence contigu à X0, et l'on examine l'épaisseur locale maximale possible de la coque Ki au voxel Y pour déterminer si elle peut être supérieure à la valeur actualisée de D, en calculant la somme S = d( X, E(i-1 )) + d(X, Y), puis : - si S est supérieure à la valeur actualisée de D, on effectue le calcul de l'épaisseur locale de Ki au voxel Y, et si la valeur obtenue DY est supérieure à D, on actualise D à la valeur DY ;
- si au contraire la valeur de S obtenue est inférieure ou égale à D, on ne change pas la valeur actualisée de D, et on ne calcule pas l'épaisseur locale de Ki au voxel Y.
- Lorsque, pour chacun des voxels de BKi, on a calculé l'épaisseur locale, et/ou examiné l'épaisseur locale maximale possible de Ki dans l'une desdites itérations avec examen, on attribue la valeur actualisée finale du paramètre D à l'épaisseur locale maximale EPLMi de Ki.
Cette méthode utilise une inégalité des côtés d'un triangle : l'un des côtés ne peut avoir une dimension supérieure à la somme des dimensions des deux autres cotés. Ainsi, si la somme de la distance de X à Y (facile à calculer) et de l'épaisseur de la coque Ki au voxel X est inférieure ou égale à la valeur actualisée de D, l'épaisseur de la coque au point Y sera nécessairement aussi inférieure ou égale à D, ce qui rend inutile de la calculer, et permet donc de réduire le temps de calcul.
Ainsi, il est clair sur la figure 3, que si la valeur actualisée de D est l'épaisseur locale 40 de Ki au voxel X0, et si la somme S = d( X, E(i-1 )) + d(X, Y), qui est égale à la valeur 42 de l'épaisseur locale de la coque Ki au voxel X, augmentée de la distance d(X, Y) du voxel X au voxel Y, est inférieure ou égale à D, l'épaisseur locale de la coque Ki au voxel Y ne pourra être supérieure à D. Par conséquent, pour calculer l'épaisseur locale maximale EPLMi de la coque Ki, il est inutile de calculer l'épaisseur locale de la coque Ki au point Y, ce qui réduit le temps de calcul.
On se réfère maintenant à la figure 4.
On réalise avantageusement une étape de calcul par itérations de l'épaisseur locale de la coque Ki en un voxel déterminé To de BKi comme suit :
- on réalise un recouvrement de BK(i-1 ) par une pluralité de sous-ensembles SEj, pouvant éventuellement avoir deux à deux des intersections communes, chacun de ces sous-ensembles SEj étant formé par des voxels, et de préférence tous les voxels de BK(i-1 ) situés à une distance maximale Rj d'un voxel de SEj, dit ancre de SEj, et noté ANj ;
- on calcule les distances de To à chacune des ancres ANj, et l'on détermine celle dont la distance à To est minimale, soit AN* correspondant à un sous-ensemble SE* ;
- on calcule la distance minimale d(To, SE*) de To à un voxel quelconque de SE*, soit d* ;
- on initialise à la valeur d* un paramètre de distance d, actualisable et non croissant en fonction du nombre d'itérations d'un troisième processus itératif ;
- on effectue le troisième processus itératif dans lequel on examine successivement chacun des sous-ensembles SEj différents de SE*, en procédant à l'évaluation de la valeur de la différence Diff = d(To, ANj) - Rj. Si Diff est inférieure à la valeur du paramètre d, on effectue le calcul de la plus petite distance de To à un voxel quelconque de SEj, soit d(To, SEj), et si la valeur obtenue dj est inférieure à d, on actualise d à la valeur dj. Si au contraire la valeur obtenue dj est supérieure ou égale à d, on n'actualise pas d. Si la différence Diff est supérieure ou égale à la valeur du paramètre d, on n'effectue pas le calcul de d( To, SEj). Dans tous les cas, on poursuit le troisième processus itératif jusqu'à l'examen de tous les ensembles SEj ;
- on attribue alors la valeur finale du paramètre d à la distance minimale d(To, E(i- 1 )), c'est-à-dire à l'épaisseur locale de Ki au voxel To.
Ici également, on utilise l'inégalité des côtés d'un triangle : l'un des côtés ne peut avoir une dimension supérieure à la somme des dimensions des deux autres cotés : Sur la figure 4 sont représentés notamment différents sous-ensembles formés chacun par une portion de courbe (représentant une portion de BK(i-1 ) en 2D) délimitée par un cercle, autour d'une ancre. Le sous-ensemble SE* est formé par la portion de courbe comprise dans le cercle dont le centre est l'ancre AN*. Sont également représentés les sous-ensembles SE2, dont les voxels sont dans un rayon R2 autour de l'ancre AN2, SE4, dont les voxels sont dans un rayon R4 autour de l'ancre AN4, et SEj, dont les voxels sont dans un rayon Rj autour de l'ancre ANj. AN* est l'ancre la plus proche de To.
La distance d(To, E(i-1 )), ou épaisseur locale de Ki en To, est identique à la distance minimale de To au bord BK(i-1 ). Pour évaluer cette distance, on va s'intéresser aux distances de To aux différents sous-ensembles SEj de BK(i-1 ).
Pour chacun des sous-ensembles SEj, hors SE2, SE* et SE4, la plus petite distance de cet ensemble à To sera au minimum égal la différence Diff = d(To, ANj) - Rj, en vertu de l'inégalité des côtés d'un triangle. En effet, le voxel de SEj le plus proche de To est Uj. Or la distance de Uj à To ne peut être inférieure à Diff = d(To, ANj) - Rj, sinon l'on aurait d(To, ANj) > d(To, Uj) + Rj, ce qui est contraire à l'inégalité du triangle [To-ANj-Uj]. Ainsi, on peut constater que les sous-ensembles SEj représentés sur la figure 4, hormis les trois sous-ensembles SE2, SE* et SE4, ont chacun une valeur de Diff qui est supérieure à d*. Par conséquent, il est inutile, lorsqu'on cherche la distance minimale de To à BK(i-1 ), de calculer la distance minimale de To à chacun de ces sous-ensembles, qui sera nécessairement supérieure à d*. Ceci permet donc de réduire le temps de calcul de l'épaisseur locale de la coque Ki au voxel To de BKi.
On se réfère maintenant à la figure 5, qui représente schématiquement une image 2D pixellisée correspondant à une coupe du volume numérique VN, qui a été préalablement découpé en huit portions de volume PVj, réalisant un recouvrement de VN.
Chaque portion de volume PVj correspond à une portion du volume réel découpé selon trois plans perpendiculaires deux à deux dont un plan axial (ou transverse) XY, un plan sagittal YZ, et un plan coronal XZ.
Ces plans XY, YZ, et XZ correspondent à des plans numériques frontaliers d'épaisseur un voxel, formés de voxels frontaliers appartenant typiquement à deux portions de volume numérique PVj adjacentes, l'intersection des trois plans numériques correspondant à un voxel central qui peut avantageusement appartenir à l'espace origine EO, ou correspondre au barycentre (voxel de coordonnées moyennes) parmi les voxels de l'espace origine EO. Sur la figure 5, correspondant à une coupe axiale, perpendiculairement à l'axe Z, on distingue donc quatre portions PVj du volume numérique, soit 44, 46, 48, et 50 comprenant, pour deux portions PVj adjacentes une portion de plan numérique frontalier commun XZ ou YZ, formée de voxels frontaliers. Ces quatre portions de volume numérique ont en commun une portion de droite numérique 52.
- On réalise le premier processus itératif en parallèle dans chacune des portions de volume numérique 44, 46, 48, 50, et on arrête le premier processus itératif lorsqu'on constate une évolution prédéterminée d'une ou d'une pluralité des grandeurs Gi,j. Ceci permet de définir des ensembles Ei,j, soit respectivement 54, 56, 58, 60.
Le premier processus permet également de déterminer des voxels 62 frontaliers d'ordre 2, qui sont frontaliers d'au moins deux ensembles Ei,j différents parmi les ensembles 54, 56, 58, et 60.
On obtient également un ensemble formé par les voxels 64 frontaliers d'ordre 1 , qui appartiennent à un ensemble Ei,j d'une portion de volume numérique PVj et n'appartiennent pas à un ensemble Ei,k d'une autre portion de volume numérique PVk, avec k différent de j.
On réalise alors au moins une itération supplémentaire selon le premier processus itératif, dans le volume numérique VN, en partant de l'ensemble des voxels frontaliers d'ordre 1 comme espace origine, chaque voxel de ce premier ensemble conservant , son coût local, pour obtenir au moins un ensemble portion d'espace numérique complémentaire ECO comprenant des voxels frontaliers. Sur la figure 5, ECO comprend ainsi les ensembles 66, obtenus en partant d'un voxel frontalier d'ordre 1 .
Le procédé comprend également typiquement une étape de fusion d'ensembles obtenus par le premier processus itératif. On peut notamment avantageusement réaliser une première fusion des ensembles Ei,j avant de réaliser l'itération supplémentaire.
Dans cette itération supplémentaire, on peut notamment rechercher dans l'espace VN les voxels dont le coût est le même que celui des ensembles Ei, j.
Lors de cette itération supplémentaire, on ne prend pas en compte l'ensemble des voxels issus de cette première fusion, qui sont déjà sélectionnés pour être intégrés à la segmentation cible Ec.
Puis on fusionne l'ensemble ECO obtenu avec l'ensemble issu de la première fusion, pour former la segmentation cible Ec.
On peut constater sur la figure 5 que la ou les itérations supplémentaires permettent de sélectionner et d'intégrer à la segmentation cible des parties 66 de la lésion qui n'auraient pas été sélectionnées si le premier processus itératif avait été réalisé intégralement dans les différentes portions de volume PVj en parallèle. Ainsi, on évite un défaut de performance lié à un déroulement complet du processus avec partition du volume numérique.
Ce procédé de traitement de données numériques de scanographie ou d'IRM, réalisé partiellement en parallèle dans des portions d'espace après partition de l'espace numérique global, et partiellement dans cet espace numérique global VN, peut être mis en œuvre de façon très générale, selon d'autres procédés de traitement de données de scanographie ou d'IRM, et pas exclusivement pour l'exécution du procédé précité.
On se réfère maintenant à la figure 6, qui représente très schématiquement un patient 68 allongé sur une table 70. Un dispositif 72 de scanographie ou d'IRM permet d'envoyer des informations numériques sur un processeur 76 relié à un écran 74. L'ensemble comprend également un ordinateur 78 comprenant un support physique 79 sur lequel est enregistré un programme d'ordinateur comprenant les instructions de code pour exécuter les étapes de procédé précitées réalisées par ordinateur. L'ordinateur 78 peut communiquer avec un serveur informatique pour transférer des informations et/ou des données numériques. Le dispositif 72 de scanographie ou d'IRM peut communiquer avec le processeur 76 et l'ordinateur 78 par des liaisons 82, 84, et 86. L'ordinateur 78 peut communiquer avec le processeur 76 par des liaisons 88 et 90, et par une liaison 92 avec le serveur 80, qui peut envoyer des informations par une liaison 96. Les communications peuvent être de tout type, par exemple par voie filaire, optique, hertzienne, en mode wifi ou autre mode sans fil etc ..
L'ensemble de scanographie ou d'IRM comprend également un pointeur physique ou numérique 98 permettant à un opérateur médical de communiquer avec l'ordinateur 78 et de recevoir en retour les informations relatives à une segmentation d'intérêt, pour affichage d'une image de cette segmentation d'intérêt sur l'écran 74 ou sur un deuxième écran 75.
L'invention n'est pas limitée aux modes de réalisation présentés et d'autres modes de réalisation apparaîtront clairement à l'homme du métier. Il est notamment possible d'intercaler ou d'ajouter des étapes supplémentaires de procédé, par exemple des étapes pour éliminer de l'espace numérique de départ des artefacts numériques qui ne correspondent pas à des parties du corps, ou d'un organe, par exemple à partir de considérations anatomiques, et/ou d'éliminer la table support du patient, et d'utiliser de façon générale toute caractéristique connue du domaine de la scanographie ou de l'IRM.

Claims

REVENDICATIONS
1 . Procédé de production d'au moins une information relative à une zone particulière d'une partie au moins d'un corps (68) à partir de données numériques de scanographie ou d'imagerie par résonance magnétique, dite IRM de cette partie au moins du corps dans lequel :
- cette partie au moins du corps (68) étant disposée à l'intérieur d'un volume réel VR, on associe à ce volume réel VR un volume numérique VN formé de voxels, chaque voxel de VN correspondant à un volume réel élémentaire de VR,
- on associe à chaque voxel une valeur numérique corrélée à un effet physique exercé par un dispositif (72) de scanographie ou d'IRM sur la matière contenue dans le volume réel élémentaire correspondant à ce voxel,
caractérisé en ce que l'on effectue au moyen d'un ordinateur (78) au moins les étapes suivantes:
- on définit pour chaque voxel un paramètre strictement positif corrélé à la valeur numérique associée à ce voxel, les valeurs numériques associées aux voxels correspondant à la zone corporelle particulière étant plus faibles en moyenne que les valeurs numériques associées aux voxels correspondant à une partie au moins des zones corporelles adjacentes à la zone corporelle particulière;
- on définit un sous-ensemble EO (O) de VN, dit espace origine, par exemple choisi par un opérateur médical, et comprenant au moins un voxel;
- on définit un coût d'un voxel Oi de l'espace origine EO à un voxel donné A le long d'un chemin déterminé de voxels voisins deux à deux joignant Oi à A, comme la somme des scores locaux des voxels de ce chemin, sans compter le score de Oi , chaque score local d'un voxel du chemin différent de Oi étant multiplié par un coefficient géométrique, ce coefficient étant par exemple corrélé à une position relative entre ce voxel du chemin et le voxel voisin précédent de ce chemin ;
- on définit un coût de chaque voxel donné A comme le coût minimal parmi tous les chemins joignant un voxel quelconque de l'espace origine EO et le voxel A ;
- on définit au moyen d'itérations successives d'un premier processus itératif une suite arithmétique d'ensembles Ei de voxels de VN, dans laquelle E0 est l'espace origine EO, et pour tout nombre entier i compris dans un intervalle [1 , M], avec M entier > 1 , chaque ensemble Ei est l'ensemble des voxels dont le coût est inférieur ou égal à un coût prédéterminé Ci, Ci étant une suite arithmétique prédéterminée de valeurs positives strictement croissantes en fonction de i ;
- on définit, pour chaque valeur de i≥ 1 , un ensemble appelé coque de rang i, notée Ki (16, 18, 20, 22, 24), correspondant à l'ensemble des voxels appartenant à Ei et n'appartenant pas à E(i -1 ), la coque KO étant définie comme identique à l'espace origine EO ;
- on définit pour chaque coque Ki (16, 18, 20, 22, 24), avec i≥ 0, un bord extérieur BKi (4, 6, 8, 10, 12) de cette coque, formée par l'ensemble des voxels de Ei (16, 18, 20, 22, 24) qui sont adjacents d'un voxel n'appartenant pas à Ei ;
- on détermine pour chaque valeur de i≥ 1 , une grandeur Gi qui est corrélée à une épaisseur de la coque Ki (16, 18, 20, 22, 24), par exemple une épaisseur locale maximale EPLMi ou une épaisseur moyenne EPmi ;
- on détermine, automatiquement ou sur requête d'un opérateur médical, une première segmentation, dite segmentation cible du volume VN correspondant au choix d'un ensemble Ec, avec C entier < M, l'ordinateur déterminant la valeur de C en liaison avec la constatation d'une évolution prédéterminée de la valeur de Gi, par exemple l'obtention d'une valeur de EPLMi, ou de EPmi, ou de EPLMi / EPLM(i-1 ), ou de Epmi / EPm(i-1 ) en dessous d'un seuil prédéterminé ;
- on détermine une information relative à la segmentation cible.
2. Procédé selon la revendication 1 dans lequel on affiche l'information et/ou on la stocke sur un support physique et/ou on la diffuse sur un réseau de télécommunications, automatiquement ou sur demande d'un opérateur médicale, l'information appartenant au groupe formé par une dimension maximale, un volume, une densité, un rapport surface sur volume, un rapport volume sur surface, et un élément statistique, par exemple une valeur moyenne ou un écart type d'une grandeur médicale.
3. Procédé selon la revendication 1 ou 2 dans lequel on définit le volume d'une coque Ki (16, 18, 20, 22, 24) en liaison avec le nombre de voxels de cette coque, et dans lequel la grandeur Gi est corrélée à l'épaisseur moyenne EPmi de la coque Ki (16, 18, 20, 22, 24), par exemple est une fonction du rapport volume / surface de bord extérieur de la coque Ki (16, 18, 20, 22, 24), en particulier est égale à ce rapport volume / surface de bord extérieur.
4. Procédé selon l'une quelconque des revendications 1 à 3 dans lequel, si l'on constate que dans un premier intervalle de valeurs de i, soit INT1 la valeur de Gi évolue dans un intervalle de valeurs VG d'amplitude déterminée DeltaG autour d'une valeur moyenne Gm , puis que pour une ou plusieurs valeurs de i supérieures aux valeurs de INT1 , la valeur de Gi sorte de l'intervalle de valeurs VG, et s'écarte de la valeur moyenne Gm d'une valeur d'écart VE supérieure à un seuil déterminé, optionnellement corrélé à DeltaG, on détermine une valeur de C de sorte que pour i appartenant à l'intervalle [1 , C], la valeur de Gi ne s'écarte de la valeur moyenne Gm d'une valeur au moins égale à la valeur d'écart que pour au plus deux valeurs de i, et de préférence au plus une valeur de i.
5. Procédé selon l'une quelconque des revendications 1 , 2 et 4 dans lequel la grandeur Gi est corrélée à l'épaisseur locale maximale EPLMi de la coque Ki (16, 18, 20, 22, 24), par exemple est égale ou proportionnelle à EPLMi, et l'on détermine C comme la valeur de i permettant l'obtention d'une valeur de l'épaisseur locale maximale EPLMi ou d'un rapport EPLMi / EPLM(i-1 ) en dessous d'un seuil prédéterminé.
6. Procédé selon l'une quelconque des revendications 1 à 5, dans lequel on réalise une étape de calcul de l'épaisseur locale maximale EPLMi de la coque Ki (16, 18, 20, 22, 24), au moyen d'un deuxième processus itératif relatif à un paramètre D, de valeur actualisable et non décroissante en fonction du nombre d'itérations, dans lequel :
- on choisit un voxel de départ X0 de BKi, calcule la plus petite distance d( X0, E(i-1 )) entre X0 et un voxel Z quelconque du bord extérieur BK(i-1 ) de la coque K(i-1 ), c'est- à-dire l'épaisseur locale de Ki au voxel X0, soit D0, et on initialise la valeur de D à D0 ;
- à chaque itération, on calcule ou examine l'épaisseur locale de Ki en un nouveau voxel de BKi, différent d'un voxel pour lequel on a déjà calculé ou examiné l'épaisseur locale de Ki, et on détermine une valeur actualisée de D qui est l'épaisseur locale maximale identifiée de la coque Ki au cours de l'itération considérée et des itérations précédentes ;
- on effectue, parmi lesdites itérations, au moins une et de préférence une pluralité d'itérations particulières, dites itérations avec examen, telle(s) que pour chacune d'entre elles :- on part d'un voxel X pour lequel l'épaisseur locale d( X, E(i-1 )) de la coque Kia déjà été calculée, et est inférieure à la valeur actualisée de D,
- on choisit un nouveau voxel Y de BKi, de préférence contigu à Xo, et l'on examine l'épaisseur locale maximale possible de la coque Ki au voxel Y pour déterminer si elle peut être supérieure à la valeur actualisée de D, en calculant la somme S = d( X, E(i-1 )) + d(X, Y), puis :
- si S est supérieure à la valeur actualisée de D, on effectue le calcul de l'épaisseur locale de Ki au voxel Y, et si la valeur obtenue DY est supérieure à D, on actualise D à la valeur DY ;
- si au contraire la valeur de S obtenue est inférieure ou égale à D, on ne change pas la valeur actualisée de D, et on ne calcule pas l'épaisseur locale de Ki au voxel Y ;
- lorsque, pour chacun des voxels de BKi, on a calculé l'épaisseur locale, et/ou examiné l'épaisseur locale maximale possible de Ki dans l'une desdites itérations avec examen, on attribue la valeur actualisée finale du paramètre D à l'épaisseur locale maximale EPLMi de Ki.
7. Procédé selon l'une quelconque des revendications 1 à 6, dans lequel on réalise une étape de calcul par itérations de l'épaisseur locale de la coque Ki (16, 18, 20, 22, 24) en un voxel déterminé To de BKi dans lequel :
- on réalise un recouvrement de BK(i-1 ) par une pluralité de sous-ensembles SEj, pouvant éventuellement avoir deux à deux des intersections communes, chacun de ces sous-ensembles SEj étant formé par des voxels, et de préférence tous les voxels de BK(i-1 ) situés à une distance maximale Rj d'un voxel de SEj, dit ancre de SEj, et noté ANj ;
- on calcule les distances de To à chacune des ancres ANj, et l'on détermine celle dont la distance à To est minimale, soit AN* correspondant à un sous-ensemble SE* ;
- on calcule la distance minimale d(To, SE*) de To à un voxel quelconque de SE*, soit d* ;
- on initialise à la valeur d* un paramètre de distance d, actualisable et non croissant en fonction du nombre d'itérations d'un troisième processus itératif ;
- on effectue le troisième processus itératif dans lequel on examine successivement chacun des sous-ensembles SEj différents de SE*, en procédant à l'évaluation de la valeur de la différence Diff = d(To, ANj) - Rj. Si Diff est inférieure à la valeur du paramètre d, on effectue le calcul de la plus petite distance de To à un voxel quelconque de SEj, soit d(To, SEj), et si la valeur obtenue dj est inférieure à d, on actualise d à la valeur dj. Si au contraire la valeur obtenue dj est supérieure ou égale à d, on n'actualise pas d. Si la différence Diff est supérieure ou égale à la valeur du paramètre d, on n'effectue pas le calcul de d(To, SEj). Dans tous les cas, on poursuit le troisième processus itératif jusqu'à l'examen de tous les ensembles SEj ;
- on attribue alors la valeur finale du paramètre d à l'épaisseur locale de la coque Ki au voxel déterminé To de BKi (16, 18, 20, 22, 24), c'est-à-dire à la distance minimale d(To, E(i-1 )).
8. Procédé selon l'une quelconque des revendications 1 à 6, dans lequel on arrête le premier processus itératif pour la détermination des ensembles Ei lorsque le nombre d'itérations atteint la valeur N = C correspondant à la segmentation cible Ec, ou bien la valeur N = C+Δ correspondant à l'ensemble E(C+A), dans laquelle Δ est un entier positif prédéterminé.
9. Procédé selon l'une quelconque des revendications 1 à 8, dans lequel :
- on réalise un recouvrement du volume numérique VN par huit portions de volume numérique PVj correspondant à des portions du volume réel délimitées par trois plans perpendiculaires deux à deux dont un plan axial (ou transverse) XY, un plan sagittal YZ, et un plan coronal XZ ;
- on réalise le premier processus itératif en parallèle dans chacune des portions de volume numérique PVj pour déterminer des ensembles Ei,j (54, 56, 58, 60), Ki,j, BKi,j et l'évaluation d'une grandeur Gi,j, en calculant en parallèle ces différents éléments dans chacune des portions de volume PVj, en tant respectivement que Ei, Ki, BKi et Gi dans chacune de ces portions de volume numérique PVj ;
- lorsqu'on constate une évolution prédéterminée d'une ou d'une pluralité des grandeurs Gi,j, on détermine un ensemble (64) de voxels frontaliers d'ordre 1 , qui sont les voxels frontaliers appartenant à un ensemble Ei,j d'une portion de volume numérique PVj et qui n'appartiennent pas à un ensemble Ei,k d'une autre portion de volume numérique PVk, avec k différent de j ;
- on réalise au moins une itération supplémentaire selon le premier processus itératif, dans le volume numérique VN, en partant dudit ensemble de voxels frontaliers d'ordre 1 comme espace origine, chaque voxel de ce premier ensemble conservant son coût local, pour obtenir au moins un ensemble complémentaire ECO (66) ;
le procédé comprenant également au moins une étape de fusion d'ensembles obtenus par le premier processus itératif.
10. Procédé selon l'une quelconque des revendications 1 à 9, dans lequel on détermine et affiche sur un écran (74), automatiquement ou sur demande d'un opérateur médical, et optionnellement on produit sur un support pelliculaire, au moins une image numérique dite primaire obtenue à partir de Ec, par exemple une image 2D correspondant à une coupe axiale, ou sagittale, ou coronale d'une partie du corps correspondant à Ec, ou une vue 3D d'une partie du corps correspondant à Ec .
11 . Procédé selon la revendication 10, dans lequel on détermine et affiche automatiquement au moins une image numérique primaire 2D correspondant à une coupe axiale, ou sagittale, ou coronale d'une partie du corps, l'image correspondant à la segmentation Ec.
12. Procédé selon la revendication 10 ou 11 , dans lequel, après détermination et affichage de cette image numérique primaire, on effectue, sur demande d'un opérateur médical, un affichage d'une autre image numérique correspondant à une même vue du corps que celle de l'image primaire, cette autre image, dite image secondaire, correspondant à un ensemble E(C+p) dit segmentation d'intérêt, P étant un entier positif ou négatif, l'ordinateur réalisant si nécessaire une ou plusieurs itérations complémentaires, selon le premier processus itératif, permettant d'atteindre le rang d'itération C+P.
13. Procédé selon l'une quelconque des revendications 1 à 12, dans lequel on stocke dans au moins une mémoire de l'ordinateur (78) et/ou diffuse sur un réseau de télécommunications au moins une information médicale, par exemple des données correspondant aux ensembles Ei et/ou des données correspondant à la segmentation cible et/ou des données correspondant à la segmentation d'intérêt obtenue par le procédé selon la revendication 12.
14. Programme d'ordinateur caractérisé en ce qu'il comprend des instructions de code de programme pour l'exécution des étapes du procédé selon l'une quelconque des revendications 1 à 13, qui sont effectuées au moyen d'un ordinateur (78).
15. Procédé de scanographie ou d'IRM assisté par un ordinateur (78) d'une partie au moins d'un corps, permettant de visualiser une zone particulière de cette partie au moins du corps, caractérisé en ce que l'on détermine et affiche au moins une image numérique primaire de la segmentation cible obtenue par le procédé selon l'une quelconque des revendications 10 à 12, et/ou une image secondaire de la segmentation d'intérêt obtenue par le procédé selon la revendication 12.
16. Procédé de scanographie ou d'IRM selon la revendication 15, dans lequel on effectue au moins les étapes suivantes:
- on détermine et affiche une ou plusieurs image(s) numérique(s) de scanographie ou d'IRM d'une partie au moins du corps, dite(s) image(s) initiale(s), de préférence une ou plusieurs image(s) 2D;
- on sélectionne, grâce à des moyens de pointage numérique ou physique un ou plusieurs pixels de cette ou ces image(s) initiale(s), auquel(s) sont associés un ou plusieurs voxels de VN, qui définissent ensemble l'espace origine E0;
- on effectue les étapes du procédé selon l'une quelconque des revendications 10 à 12, pour déterminer et afficher ladite image primaire ;
- on détermine une variation P du nombre d'itérations du processus itératif de base, correspondant à un ensemble E(C+p) dit segmentation d'intérêt, P étant un entier positif ou négatif, inférieur à C en valeur absolue si P est négatif, grâce à des moyens réglables (98) de modification du nombre d'itérations ;
- si nécessaire, on définit grâce à l'ordinateur un ou plusieurs ensembles Ei en poursuivant le processus itératif de base de façon à pouvoir définir l'ensemble E(C+p) ;
- on affiche une image secondaire correspondant à cette segmentation d'intérêt E(C+p) .
17. Ensemble de scanographie ou d'IRM comprenant un dispositif de scanographie ou d'IRM (72) et un ordinateur (78), séparé ou intégré à ce dispositif, caractérisé en ce que cette installation est apte à mettre en œuvre le procédé de scanographie ou d'IRM selon la revendication 15 ou 16.
18. Ensemble selon la revendication 17, dans laquelle l'ordinateur (78) comprend un support physique sur lequel est enregistré un programme d'ordinateur selon la revendication 14.
19. Ensemble selon la revendication 17 ou 18, pour la mise en œuvre du procédé selon la revendication 16, comprenant des moyens réglables (98) de modification du nombre d'itérations, ces moyens réglables appartenant au groupe formé par un pointeur physique déplaçable à touche(s) pour clic(s) et/ou à molette, un curseur à molette ou à bille rotative, un dispositif tactile, par exemple à écran tactile ou à tablette tactile, un pointeur optique, un dispositif de pointage inclinable, et une tablette graphique.
20. Image de scanographie ou d'IRM sur support physique pelliculaire, caractérisée en ce qu'elle a été produite à partir de la segmentation cible déterminée lors de l'exécution du procédé selon l'une des revendications 1 à 13, ou à partir de la segmentation d'intérêt déterminée lors de l'exécution du procédé selon la revendication 12.
PCT/FR2014/051900 2013-07-25 2014-07-23 Procédé de production d'images médicales assisté par ordinateur WO2015011407A1 (fr)

Priority Applications (1)

Application Number Priority Date Filing Date Title
EP14790158.1A EP3025308A1 (fr) 2013-07-25 2014-07-23 Procédé de production d'images médicales assisté par ordinateur

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
FR1357345A FR3009109A1 (fr) 2013-07-25 2013-07-25 Procede de production d'images medicales assiste par ordinateur
FR1357345 2013-07-25
FR1358356A FR3009110B1 (fr) 2013-07-25 2013-08-30 Procede de production d'images medicales assiste par ordinateur
FR1358356 2013-08-30

Publications (1)

Publication Number Publication Date
WO2015011407A1 true WO2015011407A1 (fr) 2015-01-29

Family

ID=49753328

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/FR2014/051900 WO2015011407A1 (fr) 2013-07-25 2014-07-23 Procédé de production d'images médicales assisté par ordinateur

Country Status (3)

Country Link
EP (1) EP3025308A1 (fr)
FR (2) FR3009109A1 (fr)
WO (1) WO2015011407A1 (fr)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1998037517A1 (fr) * 1997-02-25 1998-08-27 Wake Forest University Analyse automatique en endoscopie virtuelle
US20070024617A1 (en) * 2005-08-01 2007-02-01 Ian Poole Method for determining a path along a biological object with a lumen

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1998037517A1 (fr) * 1997-02-25 1998-08-27 Wake Forest University Analyse automatique en endoscopie virtuelle
US20070024617A1 (en) * 2005-08-01 2007-02-01 Ian Poole Method for determining a path along a biological object with a lumen

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
BO PENG ET AL: "A survey of graph theoretical approaches to image segmentation", PATTERN RECOGNITION, vol. 46, no. 3, 1 March 2013 (2013-03-01), pages 1020 - 1038, XP055117907, ISSN: 0031-3203, DOI: 10.1016/j.patcog.2012.09.015 *
BOYKOV Y ET AL: "Graph cuts and efficient N-D image segmentation", INTERNATIONAL JOURNAL OF COMPUTER VISION, KLUWER ACADEMIC PUBLISHERS, NORWELL, US, vol. 70, no. 2, 1 November 2006 (2006-11-01), pages 109 - 131, XP002513244, ISSN: 0920-5691, DOI: 10.1007/S11263-006-7934-5 *
LYNCH M ET AL: "Automatic segmentation of the left ventricle cavity and myocardium in MRI data", COMPUTERS IN BIOLOGY AND MEDICINE, NEW YORK, NY, US, vol. 36, no. 4, 2006, pages 389 - 407, XP025165682, ISSN: 0010-4825, [retrieved on 20060401], DOI: 10.1016/J.COMPBIOMED.2005.01.005 *
MARIE-PIERRE JOLLY: "Automatic Segmentation of the Left Ventricle in Cardiac MR and CT Images", INTERNATIONAL JOURNAL OF COMPUTER VISION, KLUWER ACADEMIC PUBLISHERS, BO, vol. 70, no. 2, 1 November 2006 (2006-11-01), pages 151 - 163, XP019410153, ISSN: 1573-1405, DOI: 10.1007/S11263-006-7936-3 *

Also Published As

Publication number Publication date
FR3009110B1 (fr) 2016-01-01
EP3025308A1 (fr) 2016-06-01
FR3009109A1 (fr) 2015-01-30
FR3009110A1 (fr) 2015-01-30

Similar Documents

Publication Publication Date Title
EP0777893B1 (fr) Procede de reconstruction d&#39;une image 3d avec amelioration du contraste et de la resolution
Gulshan et al. Geodesic star convexity for interactive image segmentation
EP0945830B1 (fr) Procédé de traitement d&#39;images incluant des étapes de segmentation d&#39;une image multidimensionnelle et appareil d&#39;imagerie médicale utilisant ce procédé
FR2897455A1 (fr) Dispositif, procede et programme de segmentation de donnees de modele en treillis
EP2401719B1 (fr) Méthodes de segmentation d&#39;images et de détection de structures particulières
EP1292921A1 (fr) Raffinement d&#39;un maillage triangulaire en trois dimensions
FR2884013A1 (fr) Systeme et procede d&#39;amelioration d&#39;images volumetriques
FR2885717A1 (fr) Procede d&#39;estimation de correction d&#39;une image et dispositif d&#39;angiographie le mettant en oeuvre
FR2999325A1 (fr) Procede iteratif de determination d&#39;une image en deux dimensions ou trois dimensions a partir de signaux issus de tomographie par rayons x
CN108537789B (zh) 管腔识别方法、装置及计算机存储介质
WO2017001768A1 (fr) Dispositif de traitement de données pour fabrication additive
EP2856424B1 (fr) Procede de mesures tridimensionnelles par stereo-correlation utilisant une representation parametrique de l&#39;objet mesure
EP3025308A1 (fr) Procédé de production d&#39;images médicales assisté par ordinateur
EP0368718B1 (fr) Procédé de sélection d&#39;un objet dans un référentiel à N dimensions et de visualisation de l&#39;objet sélectionné
FR2781907A1 (fr) Procede de codage d&#39;un maillage source tenant compte des discontinuites, et applications correspondantes
EP0814430A1 (fr) Procédé de production d&#39;une séquence restaurée d&#39;images d&#39;un objet en mouvement à partir de mesures bruitées
FR2933520A1 (fr) Procede et dispositif de restauration d&#39;une sequence video
CA2932942C (fr) Mesure non intrusive de la densite volumique d&#39;une phase dans une piece
EP3652702B1 (fr) Procede et dispositif de segmentation d&#39;images par propagation automatique dans une (n+1)-ieme dimension d&#39;une segmentation d&#39;images initialisee en dimension n
Wei et al. PathNet: Path-selective point cloud denoising
EP3317782A1 (fr) Dispositif de traitement de donnees
Gu et al. Fast Non-line-of-sight Imaging with Non-planar Relay Surfaces
FR2844080A1 (fr) Methode d&#39;amelioration de la visualisation d&#39;un vaisseau sanguin a partir de technique de reconstruction d&#39;images synchronisees
EP3025307A2 (fr) Procédé de production d&#39;images de scanographie avec élimination de la table
WO2001004843A1 (fr) Integration de lignes de contrainte dans une triangulation de delaunay

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: 14790158

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 2014790158

Country of ref document: EP