WO2022195222A1 - Procédé d'imagerie médicale mettant en oeuvre une caméra hyperspectrale - Google Patents

Procédé d'imagerie médicale mettant en oeuvre une caméra hyperspectrale Download PDF

Info

Publication number
WO2022195222A1
WO2022195222A1 PCT/FR2022/050475 FR2022050475W WO2022195222A1 WO 2022195222 A1 WO2022195222 A1 WO 2022195222A1 FR 2022050475 W FR2022050475 W FR 2022050475W WO 2022195222 A1 WO2022195222 A1 WO 2022195222A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
camera
images
hyperspectral
hyperspectral cube
Prior art date
Application number
PCT/FR2022/050475
Other languages
English (en)
Inventor
Vincent AGNUS
Manuel BARBERIO
Michele DIANA
Original Assignee
Institut Hospitalo-Universitaire De Strasbourg
Institut De Recherche Contre Les Cancers De L'appareil Digestif
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 Institut Hospitalo-Universitaire De Strasbourg, Institut De Recherche Contre Les Cancers De L'appareil Digestif filed Critical Institut Hospitalo-Universitaire De Strasbourg
Publication of WO2022195222A1 publication Critical patent/WO2022195222A1/fr

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/02—Details
    • G01J3/0264—Electrical interface; User interface
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/02—Details
    • G01J3/0205—Optical elements not provided otherwise, e.g. optical manifolds, diffusers, windows
    • G01J3/0248—Optical elements not provided otherwise, e.g. optical manifolds, diffusers, windows using a sighting port, e.g. camera or human eye
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/02—Details
    • G01J3/027—Control of working procedures of a spectrometer; Failure detection; Bandwidth calculation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/28—Investigating the spectrum
    • G01J3/2823—Imaging spectrometer

Definitions

  • the invention relates to the field of medical imaging methods and systems, and more particularly to methods and systems involving the capture of images by means of a hyperspectral camera with the aim of providing, in real time, useful information to the surgeon during surgery.
  • Medical imaging systems aiming to provide the surgeon with images of the surgical site during the operation and in real time are known.
  • Systems are also known that make it possible to capture images in the visible domain, using a visible domain camera (or RGB camera, acronym for “red-green-blue”), and to provide data relating to the patient, these data being collected by means other than the camera, for example by a camera capable of collecting data in a domain other than the visible domain, such as a hyperspectral camera.
  • Some imaging systems implement a second data source in addition to the visible domain camera, and make it possible to display the data collected on the images captured by the camera, these data being embedded in the sequence of images provided to the user.
  • these imaging systems implement an augmented reality process, providing the user with a sequence of real images in which are embedded data relating to the surgical site which is in the field of the visible domain camera, the data being collected by a sensor other than the visible domain camera.
  • this sensor is a hyperspectral camera
  • the imaging system can collect and display data which is very useful to the surgeon during the operation, the analysis of the hyperspectral data making it possible to obtain information such as, for example, the rate of tissue oxygenation.
  • a hyperspectral camera involves very long exposure times to acquire an image of a scene, of the order of 10 to 20 seconds, whereas an RGB camera can capture several dozen images. per second, and this with a much better resolution.
  • the difference in acquisition time required respectively for an RGB camera and for a hyperspectral camera is a problem if one seeks to develop an imaging system combining the data from these two types of camera, especially if this system must provide images in real or near real time. Indeed, much more than ten seconds elapse between two image acquisitions by the hyperspectral camera, and this duration corresponds to the time interval between two updates of the data collected thanks to this camera and embedded on the images captured by the visible range camera.
  • the time interval between two updates means that the overlaid data may no longer correspond to the reality of the scene, because certain elements will have moved, for example due to the movement of tissues or organs due to breathing or to the patient's bloodstream, or because the surgeon has removed or moved part of a tissue or organ.
  • the object of the invention is thus to overcome the drawbacks of the state of the art, and more particularly those set out above, by proposing a medical imaging method implementing an augmented reality method by means of a camera of the visible domain and of a hyperspectral camera, the method making it possible to improve the precision of the data coming from the hyperspectral camera and embedded in the images captured by the camera of the visible domain.
  • the invention relates to a medical imaging method comprising the steps of:
  • the method in accordance with the invention makes it possible to produce a medical imaging system that embeds in the visible images captured by a standard camera, of the RGB type, data captured by a hyperspectral camera, this system limiting the drawbacks due to the importance of the acquisition time of the hyperspectral camera.
  • a standard camera of the RGB type
  • the method in accordance with the invention makes it possible to produce a medical imaging system that embeds in the visible images captured by a standard camera, of the RGB type, data captured by a hyperspectral camera, this system limiting the drawbacks due to the importance of the acquisition time of the hyperspectral camera.
  • the data obtained by means of the hyperspectral camera and displayed on a screen according to an augmented reality process take into account the evolution of the scene captured by the visible domain camera, even between two acquisitions by the hyperspectral camera.
  • the method in accordance with the invention therefore makes it possible to avoid displaying distorted data between two acquisitions of a hyperspectral cube by the hyperspectral camera.
  • the invention thus makes it possible to streamline the surgical gesture thanks to real-time augmented reality: the surgeon can observe and manage his gesture without having to wait several tens of seconds for a hyperspectral control image.
  • the reference hyperspectral cube is obtained during an acquisition step by a second camera, the second camera being a hyperspectral camera.
  • the reference hyperspectral cube corresponds to a virtual hyperspectral cube previously obtained by implementing the steps of determining an image distortion between a reference visible image and a current image and of applying a corresponding distortion to the images monospectral images of a reference hyperspectral cube to obtain a virtual reference hyperspectral cube.
  • a super-resolution step is implemented to increase the resolution of the images captured by the second camera, preferably before the step of applying a deformation to the monospectral images of the reference hyperspectral cube.
  • the super-resolution step includes a correlation step between an image captured by the first camera and an image captured by the second camera to increase the resolution.
  • a preliminary step of calibrating the first and second cameras is implemented by means of a calibration element positioned in a zone common to the optical fields of the two cameras, this preliminary step making it possible to identify, for each pixel d an image captured by the first camera, a corresponding pixel of the monospectral images forming a hyperspectral cube captured by the second camera.
  • the step of determining a deformation between a first and a second image captured by the first camera comprises:
  • the step of determining a deformation between a first and a second image captured by the first camera comprises:
  • a homogeneous region is determined according to at least one criterion such as color or texture.
  • the deformation determined by means of at least one set of remarkable points or of at least one homogeneous zone is extrapolated to the rest of the image.
  • the results of the step of determining a deformation between a first and a second image are compared with the results obtained by means of an automatic learning algorithm on the basis of the same two images.
  • the machine learning algorithm has been previously trained using a database of images obtained during the implementation of the above steps.
  • the method includes a step of checking the consistency between the current visible image and the virtual hyperspectral cube.
  • the verification step comprises the following steps: extracting from the virtual hyperspectral cube monospectral images of wavelengths close respectively to the wavelengths corresponding to red, green and blue, and forming a composite image by superposition of said images extracted from the virtual hyperspectral cube; compare the composite image to the current visible image, preferably at equal resolution.
  • the comparison step makes it possible to determine, for at least one area of the current visible image, a degree of confidence relating to the consistency between the current visible image and the virtual hyperspectral cube.
  • FIG. 1 represents an imaging system suitable for the implementation of an imaging method in accordance with invention
  • Figure 2 is a detail view of Figure 1 showing the acquisition device
  • FIG. 3 is a diagram illustrating the principle of correction of an image extracted from a hyperspectral cube, in accordance with the method according to the invention
  • Figure 4 illustrates the steps for implementing a method according to the invention.
  • FIG. 1 represents an imaging system adapted to implement an imaging method in accordance with the invention.
  • the imaging system 1 comprises an acquisition device 10, a central unit 12, and at least one display screen 14.
  • the screen 14 is intended to display images acquired by the acquisition device 10, after processing by the central unit 12.
  • the acquisition device 10, also visible in FIG. 2, is intended to be placed close to an operating scene, for example above an operating table 2.
  • the acquisition device 10 comprises a first camera 100, of the visible domain, or RGB camera 100.
  • the acquisition device 10 also comprises a second camera 102, of the hyperspectral type, or hyperspectral camera 102.
  • the acquisition device 10 comprises lighting elements 104 in order to improve the quality of the images captured by the two cameras 100, 102.
  • the method that is the subject of the invention comprises a first step 40 of acquiring a visible image, or IVR reference visible image, of a scene such as a surgical site, for example at the level of a patient positioned on a operating table 2.
  • the visible IVR reference image is acquired using the RGB 100 camera.
  • the method comprises a step 42 of acquisition, by means of the hyperspectral camera 102, of a reference hyperspectral cube CHR of the same scene, and at the same time.
  • the CHR reference hyperspectral cube comprises a plurality of IHR monospectral images of said scene.
  • each pixel or group of pixels of the visible reference image IVR corresponds a pixel or a group of pixels of the monospectral images IHR forming the reference hyperspectral cube CHR.
  • the correspondence between the pixels of the visible images captured by the first camera 100 and the pixels of the monospectral images of the hyperspectral cubes captured by the second camera 102 is known thanks to the implementation of a preliminary calibration step, described below.
  • the method then includes a step 46 of embedding, in the visible reference image IVR, for at least some of the pixels of this image, data associated with the corresponding pixels of one or more monospectral images of the reference hyperspectral cube CHR .
  • This step makes it possible to embed in the visible image data of interest to a user of the system, such as a surgeon, according to an augmented reality method.
  • the user will be able to observe on the screen a real image of the surgical site, in which are embedded data coming from the hyperspectral imagery.
  • the method then includes a step 48 of acquisition, by means of the RGB camera 100, of a current visible image IVC of the same scene as the reference visible image IVR.
  • the method then includes a step 50 of determining an image deformation between the reference visible image IVR and the current visible image IVC. This step makes it possible to determine whether, and to what extent, objects visible on the current visible image IVC, such as the geometric shape A of the example of FIG. 3, have moved or deformed between the capture of the image visible reference IVR and the capture of the current visible image IVC.
  • the method then comprises a step of applying 52, to the IHR monospectral images of the reference hyperspectral cube CHR, a deformation analogous to that determined in the previous step, in order to obtain virtual monospectral images IHV, forming a virtual hyperspectral cube CHV .
  • the hyperspectral data that is to say the data associated with the different pixels making up the monospectral images, are not modified during this step, but are, if necessary, reassigned to pixels of different coordinates, according to the determined deformation in the previous step.
  • the method then includes a step 54 of embedding, in the current visible image IVC, for at least some of the pixels of this image, data associated with the corresponding pixels of one or more virtual monospectral images IHV of the virtual hyperspectral cube CHV .
  • the steps of the method in accordance with the invention described above therefore make it possible to ensure the consistency of the data coming from the hyperspectral camera 102 and displayed on the screen, when elements of the scene captured by the acquisition device 10 are likely to change (to move, to deform, etc.) between two acquisitions by the hyperspectral camera 102.
  • the method makes it possible to embed in the current visible image IVC data which are correct, even in the event of deformation occurring between two captures of a hyperspectral cube by the hyperspectral camera.
  • a virtual hyperspectral cube of rank n will be constructed as a function of a current visible image of rank n, of an image of reference and a reference hyperspectral cube.
  • the reference image used to build a virtual hyperspectral cube of rank n may be: the current visible image of rank n-1, i.e.
  • the current visible image associated with the virtual hyperspectral cube of rank n- 1 (the latter then constituting the reference hyperspectral cube), which implies that the image deformation will be determined between the current image of rank n and the current image of rank n ⁇ 1; or the reference visible image associated with the last hyperspectral cube acquired by the hyperspectral camera 102, which implies that the image distortion will be determined between the current image of rank n and the visible image captured at the same time as the last hyperspectral cube acquired by the hyperspectral camera 102.
  • a super-resolution step 44 is implemented to increase the resolution of the images captured by the hyperspectral camera , preferably before the step of applying 52 to the monospectral images the deformation determined by comparing a first and a second visible image.
  • the super-resolution step 44 comprises a step of correlation between an image captured by the first camera 100 and an image captured by the second camera 102 to increase the resolution of the latter.
  • the determination of a deformation between a current visible image (or second image) and a reference visible image (or first image) is based on a detection of remarkable points.
  • the remarkable points correspond to areas of small dimensions, in which an element will be able to be easily located on the two images.
  • a remarkable element will correspond for example to a vascular bifurcation: the Y shape corresponding to this vascular bifurcation can be easily detected and identified from one image to another.
  • the step of determining the distortion between a first and a second image captured by the first camera 100 comprises the following steps: determining at least one set of pixels corresponding to a remarkable point on the first image ; determining at least one set of pixels corresponding to the same remarkable point on the second image; determining a deformation as a function of the difference in position of the pixels corresponding to the remarkable point of the second image with respect to the first image.
  • the determination of a deformation between a current visible image and a reference visible image is based on a detection of at least one homogeneous region, for example a homogeneous region from the point of view of tissue characteristics.
  • This mode of detection consists in detecting homogeneous zones, in particular in terms of color and texture, corresponding to an organ (such as for example the liver).
  • the step of determining the deformation between a first and a second image captured by the first camera 100 comprises the following steps: determining at least one group of pixels corresponding to a homogeneous region of the point of view of the type of fabric on the first image; determining at least one group of pixels corresponding to the same region on the second image; determining a deformation as a function of the difference in position of the groups of pixels corresponding to the homogeneous region of the second image with respect to the first image.
  • a homogeneous region will be detected according to at least one criterion such as color or texture.
  • the deformation determined by means of at least one set of remarkable points and/or at least one homogeneous zone can be extrapolated to the rest of the image.
  • the results of the step of determining a deformation between a first and a second image are compared with the results obtained by means of an automatic learning algorithm on the basis of the two same pictures.
  • the automatic learning algorithm has been previously trained by means of a database of images obtained during the implementation of the steps for determining a deformation as described above.
  • the method may include a step of verifying the consistency between the current visible current visible image IVC and the virtual hyperspectral cube CHV, for example to signal an inconsistency between the monospectral images obtained by applying a deformation and the visible images , if excessive deviations are noted.
  • this verification step comprises the following steps: extracting from the virtual hyperspectral cube monospectral images whose wavelengths correspond respectively to the colors red, green and blue, then forming a composite image by superimposing the images thus extracted; compare the composite image to the current visible image, preferably at equal resolution.
  • the comparison step makes it possible to determine, for at least one zone of the current visible image IVC, a degree of confidence relating to the coherence between the current visible image IVC and the hyperspectral cube CHV.
  • the imaging system implementing the method in accordance with the invention will be able to signal to the user any inconsistencies between the visible image displayed on the screen and the monospectral images forming the virtual hyperspectral cube (obtained by applying deformation) if these are too great.
  • the acquisition device 10 described above includes in the same assembly the two cameras 100, 102, necessary for the implementation of the method according to the invention. Because the lenses of the two cameras are separate, it is necessary to implement a prior calibration step, this prior step making it possible to identify, for each pixel of an image captured by the first camera 100, a pixel corresponding to the monospectral images forming a hyperspectral cube captured by the second camera 102.
  • This step is performed for example by means of a calibration element, such as a checkerboard, positioned in a zone common to the optical fields of the two cameras. This calibration step thus makes it possible to take into account the difference in positioning of the objectives of the two cameras.
  • this calibration step will only have to be carried out once, for example in the factory during assembling the device. If the two cameras 100, 102 are mobile relative to each other, for example because they are mounted on different supports, this calibration step must be carried out before each use of the imaging system 1 .

Landscapes

  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Human Computer Interaction (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Image Processing (AREA)

Abstract

L'invention concerne un procédé d'imagerie médicale comportant les étapes de : acquérir, au moyen d'une première caméra, du domaine visible, une image visible de référence d'une scène tel qu'un site chirurgical; obtenir une pluralité d'images monospectrales formant un cube hyperspectral de référence de ladite scène; incruster, dans l'image visible de référence, pour au moins une partie des pixels de cette image, des données associées aux pixels correspondants des images monospectrales du cube hyperspectral de référence; acquérir, au moyen de la première caméra, une image visible courante de ladite scène; déterminer une déformation d'image entre l'image visible de référence et l'image visible courante; appliquer une déformation correspondante aux images monospectrales du cube hyperspectral de référence pour obtenir des images monospectrales virtuelles formant un cube hyperspectral virtuel; incruster, dans l'image visible courante, pour au moins une partie des pixels de cette image, des données associées aux pixels correspondants des images monospectrales du cube hyperspectral virtuel.

Description

Procédé d’imagerie médicale mettant en œuvre une caméra hyperspectrale
L’invention se rapporte au domaine des procédés et systèmes d’imagerie médicale, et plus particulièrement aux procédés et systèmes impliquant la capture d’images au moyen d’une caméra hyperspectrale dans le but de fournir, en temps réel, des informations utiles au chirurgien durant une opération chirurgicale.
On connaît des systèmes d’imagerie médicale visant à fournir au chirurgien des images du site chirurgical en cours d’opération et en temps réel. Il est connu également des systèmes permettant de capturer des images dans le domaine visible, grâce à une caméra du domaine visible (ou caméra RGB, sigle anglais pour « rouge-vert-bleu »), et de fournir des données relatives au patient, ces données étant collectées par un autre moyen que la caméra, par exemple par une caméra apte à collecter des données dans un autre domaine que le domaine visible, telle qu’une caméra hyperspectrale. Certains systèmes d’imagerie mettent en œuvre une deuxième source de données en plus de la caméra du domaine visible, et permettent d’afficher les données collectées sur les images captées par la caméra, ces données étant incrustées dans la séquence d’images fournies à l’utilisateur. En d’autres termes, ces systèmes d’imagerie mettent en œuvre un procédé de réalité augmentée, en fournissant à l’utilisateur une séquence d’images réelles dans lesquelles sont incrustées des données relatives au site chirurgical qui se trouve dans le champ de la caméra du domaine visible, les données étant collectées par un capteur autre que la caméra du domaine visible.
Lorsque ce capteur est une caméra hyperspectrale, le système d’imagerie peut collecter et afficher des données qui sont très utiles au chirurgien en cours d’opération, l’analyse des données hyperspectrales permettant d’obtenir des informations telles que par exemple le taux d’oxygénation des tissus. Il se pose toutefois le problème qu’une caméra hyperspectrale implique des temps de pose très longs pour acquérir une image d’une scène, de l’ordre de 10 à 20 secondes, alors qu’une caméra RGB peut capter plusieurs dizaines d’images par seconde, et ce avec une résolution bien meilleure. Bien entendu, il est possible de réduire le temps d’acquisition d’une caméra hyperspectrale, mais en réduisant la résolution de l’image obtenue, ce qui n’est pas satisfaisant. La différence de temps d’acquisition nécessaire respectivement pour une caméra RGB et pour une caméra hyperspectrale est un problème si l’on cherche à mettre au point un système d’imagerie combinant les données issues de ces deux types de caméra, surtout si ce système doit fournir des images en temps réel ou quasi-réel. En effet, il s’écoule bien plus d’une dizaine de secondes entre deux acquisitions d’image par la caméra hyperspectrale, et cette durée correspond à l’intervalle de temps entre deux mises à jour des données collectées grâce à cette caméra et incrustées sur les images captées par la caméra du domaine visible. L’intervalle de temps entre deux mises à jour fait que les données incrustées peuvent ne plus correspondre à la réalité de la scène, parce que certains éléments auront bougé, par exemple en raison des mouvements de tissus ou d’organes dus à la respiration ou à la circulation sanguine du patient, ou encore parce que le chirurgien aura retiré ou déplacé une partie d’un tissu ou d’un organe.
On ne connaît pas actuellement de procédé permettant de réduire le temps d’acquisition par une caméra hyperspectrale sans nuire à la qualité de l’image obtenue en raison d’une résolution fortement dégradée.
L’invention a ainsi pour but de remédier aux inconvénients de l’état de la technique, et plus particulièrement ceux ci-dessus exposés, en proposant un procédé d’imagerie médicale mettant en œuvre un procédé de réalité augmentée au moyen d’une caméra du domaine du visible et d’une caméra hyperspectrale, le procédé permettant d’améliorer la précision des données issues de la caméra hyperspectrale et incrustées dans les images capturées par la caméra du domaine visible.
À cet effet, l’invention concerne un procédé d’imagerie médicale comportant les étapes de :
- acquérir, au moyen d’une première caméra, du domaine visible, une image visible de référence d’une scène telle qu’un site chirurgical ;
- obtenir une pluralité d’images monospectrales formant un cube hyperspectral de référence de ladite scène ;
- incruster, dans l’image visible de référence, pour au moins une partie des pixels de cette image, des données associées aux pixels correspondants d’une ou plusieurs images monospectrales du cube hyperspectral de référence ;
- acquérir, au moyen de la première caméra, une image visible courante de ladite scène ;
- déterminer une déformation d’image entre l’image visible de référence et l’image visible courante ; - appliquer une déformation correspondante aux images monospectrales du cube hyperspectral de référence pour obtenir des images monospectrales virtuelles formant un cube hyperspectral virtuel ;
- incruster, dans l’image visible courante, pour au moins une partie des pixels de cette image, des données associées aux pixels correspondants d’une ou plusieurs images monospectrales du cube hyperspectral virtuel.
Ainsi, le procédé conforme à l’invention permet de réaliser un système d’imagerie médicale incrustant dans les images visibles captées par une caméra standard, de type RGB, des données captées par une caméra hyperspectrale, ce système limitant les inconvénients dus à l’importance du temps d’acquisition de la caméra hyperspectrale. En effet, en déterminant la déformation entre deux images visibles successives et en appliquant cette déformation aux images du dernier cube hyperspectral disponible, on parvient à déterminer l’évolution des images du cube hyperspectral en fonction de l’évolution de la scène captée par la caméra du domaine visible. Ainsi, les données obtenues au moyen de la caméra hyperspectrale et affichées sur un écran selon un procédé de réalité augmentée tiennent compte de l’évolution de la scène captée par la caméra du domaine visible, même entre deux acquisitions par la caméra hyperspectrale. Le procédé conforme à l’invention permet donc d’éviter d’afficher des données faussées entre deux acquisitions d’un cube hyperspectral par la caméra hyperspectrale. L’invention permet ainsi de fluidifier le geste chirurgical grâce à une réalité augmentée en temps réel : le chirurgien peut observer et gérer son geste sans devoir attendre plusieurs dizaines de secondes une image hyperspectrale de contrôle.
Dans une réalisation, le cube hyperspectral de référence est obtenu lors d’une étape d’acquisition par une deuxième caméra, la deuxième caméra étant une caméra hyperspectrale.
Dans une réalisation, le cube hyperspectral de référence correspond à un cube hyperspectral virtuel précédemment obtenu par la mise en œuvre des étapes de déterminer une déformation d’image entre une image visible de référence et une image courante et d’appliquer une déformation correspondante aux images monospectrales d’un cube hyperspectral de référence pour obtenir un cube hyperspectral de référence virtuel.
Dans une réalisation, lorsque la résolution des images captées par la première caméra est supérieure à la résolution des images captées par la deuxième caméra, on met en œuvre une étape de super-résolution, pour augmenter la résolution des images captées par la deuxième caméra, de préférence avant l’étape d’appliquer une déformation aux images monospectrales du cube hyperspectral de référence.
Dans une réalisation, l’étape de super-résolution comporte une étape de corrélation entre une image captée par la première caméra et une image captée par la deuxième caméra pour augmenter la résolution.
Dans une réalisation, on met en œuvre une étape préalable de calibration des première et deuxième caméras au moyen d’un élément de calibration positionné dans une zone commune aux champs optiques des deux caméras, cette étape préalable permettant d’identifier, pour chaque pixel d’une image captée par la première caméra, un pixel correspondant des images monospectrales formant un cube hyperspectral capté par la deuxième caméra.
Dans une réalisation, l’étape de déterminer une déformation entre une première et une deuxième images captées par la première caméra comporte :
- déterminer au moins un ensemble de pixels correspondant à un point remarquable sur la première image ;
- déterminer au moins un ensemble de pixels correspondant au même point remarquable sur la deuxième image ;
- déterminer une déformation en fonction de la différence de position des pixels correspondants au point remarquable de la deuxième image par rapport à la première image.
Dans une réalisation, l’étape de déterminer une déformation entre une première et une deuxième images captées par la première caméra comporte :
- déterminer au moins un groupe de pixels correspondant à une région homogène du point de vue du type de tissu sur la première image ;
- déterminer au moins un groupe de pixels correspondant à la même région sur la deuxième image ;
- déterminer une déformation en fonction de la différence de position des groupes de pixels correspondants à la région homogène de la deuxième image par rapport à la première image.
Dans une réalisation, une région homogène est déterminée en fonction d’au moins un critère tel que la couleur ou la texture.
Dans une réalisation, la déformation déterminée au moyen d’au moins un ensemble de points remarquables ou d’au moins une zone homogène est extrapolée au reste de l’image. Dans une réalisation, les résultats de l’étape de déterminer une déformation entre une première et une deuxième images sont comparés aux résultats obtenus au moyen d’un algorithme d’apprentissage automatique sur la base des deux mêmes images.
Dans une réalisation, l’algorithme d’apprentissage automatique a été préalablement entraîné au moyen d’une base de données d’images obtenues lors de la mise en œuvre des étapes ci-dessus.
Dans une réalisation, le procédé comporte une étape de vérification de la cohérence entre l’image visible courante et le cube hyperspectral virtuel.
Dans une réalisation, l’étape de vérification comporte les étapes suivantes : extraire du cube hyperspectral virtuel des images monospectrales de longueur d’onde proches respectivement des longueurs d’onde correspondant au rouge, au vert et au bleu, et former une image composite par superposition desdites images extraites du cube hyperspectral virtuel ; comparer l’image composite à l’image visible courante, de préférence à résolution égale.
Dans une réalisation, l’étape de comparaison permet de déterminer, pour au moins une zone de l’image visible courante, un degré de confiance relatif à la cohérence entre l’image visible courante et le cube hyperspectral virtuel.
La présente invention sera mieux comprise à la lecture de la description détaillée qui suit, faite en référence aux dessins annexés, dans lesquels : la figure 1 représente un système d’imagerie adapté pour la mise en œuvre d’un procédé d’imagerie conforme à l’invention ; la figure 2 est une vue de détail de la figure 1 montrant le dispositif d’acquisition ; la figure 3 est un schéma illustrant le principe de correction d’une image extraite d’un cube hyperspectral, conformément au procédé conforme à l’invention ; la figure 4 illustre les étapes de mise en œuvre d’un procédé conforme à l’invention.
La figure 1 représente un système d’imagerie adapté pour mettre en œuvre un procédé d’imagerie conforme à l’invention. Le système d’imagerie 1 comporte un dispositif d’acquisition 10, une unité centrale 12, et au moins un écran 14 de visualisation.
L’écran 14 est destiné à afficher des images acquises par le dispositif d’acquisition 10, après traitement par l’unité centrale 12. Le dispositif d’acquisition 10, également visible sur la figure 2, est destiné à être placé à proximité d’une scène d’opération, par exemple au-dessus d’une table d’opération 2. Le dispositif d’acquisition 10 comporte une première caméra 100, du domaine visible, ou caméra RGB 100. Le dispositif d’acquisition 10 comporte également une deuxième caméra 102, de type hyperspectral, ou caméra hyperspectrale 102. Avantageusement, le dispositif d’acquisition 10 comporte des éléments d’éclairage 104 afin d’améliorer la qualité des images capturées par les deux caméras 100, 102.
On décrit ci-après, en relation avec les figures 3 et 4, un exemple de mise en œuvre du procédé d’imagerie conforme à l’invention.
Le procédé objet de l’invention comporte une première étape d’acquisition 40 d’une image visible, ou image visible de référence IVR, d’une scène tel qu’un site chirurgical, par exemple au niveau d’un patient positionné sur une table d’opération 2. L’image visible de référence IVR est acquise au moyen de la caméra RGB 100.
Le procédé comporte une étape d’acquisition 42, au moyen de la caméra hyperspectrale 102, d’un cube hyperspectral de référence CHR de la même scène, et au même moment. Le cube hyperspectral de référence CHR comporte une pluralité d’images monospectrales IHR de ladite scène.
À chaque pixel ou groupe de pixels de l’image visible de référence IVR correspond un pixel ou un groupe de pixels des images monospectrales IHR formant le cube hyperspectral de référence CHR. La correspondance entre les pixels des images visibles captées par la première caméra 100 et les pixels des images monospectrales des cubes hyperspectraux captés par la deuxième caméra 102 est connue grâce à la mise en œuvre d’une étape préalable de calibration, décrite plus bas.
Le procédé comporte ensuite une étape d’incrustation 46, dans l’image visible de référence IVR, pour au moins une partie des pixels de cette image, de données associées aux pixels correspondants d’une ou plusieurs images monospectrales du cube hyperspectral de référence CHR. Cette étape permet d’incruster dans l’image visible des données intéressant un utilisateur du système, tel qu’un chirurgien, selon un procédé de réalité augmentée. Ainsi, l’utilisateur pourra observer à l’écran une image réelle du site chirurgical, dans laquelle sont incrustées des données provenant de l’imagerie hyperspectrale. Le procédé comporte ensuite une étape d’acquisition 48, au moyen de la caméra RGB 100, d’une image visible courante IVC de la même scène que l’image visible de référence IVR.
Le procédé comporte ensuite une étape de détermination 50 d’une déformation d’image entre l’image visible de référence IVR et l’image visible courante IVC. Cette étape permet de déterminer si, et dans quelle mesure, des objets visibles sur l’image visible courante IVC, tels que la forme géométrique A de l’exemple de la figure 3, se sont déplacés ou déformés entre la capture de l’image visible de référence IVR et la capture de l’image visible courante IVC.
Le procédé comporte ensuite une étape d’appliquer 52, aux images monospectrales IHR du cube hyperspectral de référence CHR, une déformation analogue à celle déterminée à l’étape précédente, afin d’obtenir des images monospectrales virtuelles IHV, formant un cube hyperspectral virtuel CHV. Les données hyperspectrales, c’est-à-dire les données associées aux différents pixels composant les images monospectrales, ne sont pas modifiées lors de cette étape, mais sont le cas échéant réaffectées à des pixels de coordonnées différentes, en fonction de la déformation déterminée à l’étape précédente.
Le procédé comporte ensuite une étape d’incrustation 54, dans l’image visible courante IVC, pour au moins une partie des pixels de cette image, des données associées aux pixels correspondants d’une ou plusieurs images monospectrales virtuelles IHV du cube hyperspectral virtuel CHV.
Les étapes du procédé conforme à l’invention décrites ci-dessus permettent donc d’assurer la cohérence des données provenant de la caméra hyperspectrale 102 et affichées à l’écran, lorsque des éléments de la scène captée par le dispositif d’acquisition 10 sont susceptibles de changer (de bouger, de se déformer, etc.) entre deux acquisitions par la caméra hyperspectrale 102. En effet, en estimant la déformation des images du cube hyperspectral de référence CHR en fonction des déformations observées entre une image visible courante IVC et une image visible de référence IVR (cette dernière étant captée simultanément avec le cube hyperspectral de référence CHR), le procédé permet d’incruster dans l’image visible courante IVC des données qui sont correctes, même en cas de déformation survenue entre deux captures d’un cube hyperspectral par la caméra hyperspectrale.
Dans les étapes décrites ci-dessus, le cube hyperspectral de référence CHR est obtenu directement par acquisition au moyen de la caméra hyperspectrale 102, et les étapes menant à la construction d’un cube hyperspectral virtuel CHV peuvent être réitérées tant qu’un nouveau cube hyperspectral n’a pas été acquis par la caméra hyperspectrale 102. Ainsi, un cube hyperspectral virtuel de rang n sera construit en fonction d’une image visible courante de rang n, d’une image de référence et d’un cube hyperspectral de référence. L’image de référence utilisée pour construire un cube hyperspectral virtuel de rang n pourra être : l’image visible courante de rang n-1 , c’est-à-dire l’image visible courante associée au cube hyperspectral virtuel de rang n-1 (ce dernier constituant alors le cube hyperspectral de référence), ce qui implique que la déformation d’image sera déterminée entre l’image courante de rang n et l’image courante de rang n- 1 ; ou l’image visible de référence associée au dernier cube hyperspectral acquis par la caméra hyperspectrale 102, ce qui implique que la déformation d’image sera déterminée entre l’image courante de rang n et l’image visible captée en même temps que le dernier cube hyperspectral acquis par la caméra hyperspectrale 102.
Ensuite, une fois qu’un nouveau cube hyperspectral a été capté par la caméra hyperspectrale, celui-ci devient alors le nouveau cube hyperspectral de référence, et les étapes du procédé décrites plus haut peuvent être réitérées jusqu’à une nouvelle acquisition d’un cube hyperspectral de référence. Avantageusement, lorsque la résolution des images captées par la première caméra 100 est supérieure à la résolution des images captées par la deuxième caméra 102, on met en œuvre une étape 44 de super-résolution, pour augmenter la résolution des images captées par la caméra hyperspectrale, de préférence avant l’étape d’appliquer 52 aux images monospectrales la déformation déterminée par comparaison d’une première et d’une deuxième images visibles. De préférence, l’étape de super-résolution 44 comporte une étape de corrélation entre une image captée par la première caméra 100 et une image captée par la deuxième caméra 102 pour augmenter la résolution de cette dernière. Avantageusement, la détermination d’une déformation entre une image visible courante (ou deuxième image) et une image visible de référence (ou première image) est basée sur une détection de points remarquables. Les points remarquables correspondent à des zones de petites dimensions, dans lesquelles un élément va pouvoir être facilement repéré sur les deux images. Dans le cadre d’un site chirurgical, un élément remarquable correspondra par exemple à une bifurcation vasculaire : la forme en Y correspondant à cette bifurcation vasculaire pourra être facilement détectée et repérée d’une image à l’autre.
De préférence, afin de détecter de tels points remarquables, l’étape de déterminer la déformation entre une première et une deuxième images captées par la première caméra 100 comporte les étapes suivantes : déterminer au moins un ensemble de pixels correspondant un point remarquable sur la première image ; déterminer au moins un ensemble de pixels correspondant au même point remarquable sur la deuxième image ; déterminer une déformation en fonction de la différence de position des pixels correspondants au point remarquable de la deuxième image par rapport à la première image.
Avantageusement, la détermination d’une déformation entre une image visible courante et une image visible de référence est basée sur une détection d’au moins une région homogène, par exemple une région homogène du point de vue des caractéristiques tissulaires. Ce mode de détection consiste à détecter des zones homogènes, notamment en termes de couleur et de texture, correspondant à un organe (comme par exemple le foie).
De préférence, afin de détecter des régions homogènes, l’étape de déterminer la déformation entre une première et une deuxième images captées par la première caméra 100 comporte les étapes suivantes : déterminer au moins un groupe de pixels correspondant à une région homogène du point de vue du type de tissu sur la première image ; déterminer au moins un groupe de pixels correspondant à la même région sur la deuxième image ; déterminer une déformation en fonction de la différence de position des groupes de pixels correspondants à la région homogène de la deuxième image par rapport à la première image.
De préférence, une région homogène sera détectée en fonction d’au moins un critère tel que la couleur ou la texture.
Avantageusement, la déformation déterminée au moyen d’au moins un ensemble de points remarquables et/ou d’au moins une zone homogène pourra être extrapolée au reste de l’image.
Avantageusement, les résultats de l’étape de déterminer une déformation entre une première et une deuxième images sont comparés aux résultats obtenus au moyen d’un algorithme d’apprentissage automatique sur la base des deux mêmes images. De préférence, l’algorithme d’apprentissage automatique a été préalablement entraîné au moyen d’une base de données d’images obtenues lors de la mise en œuvre des étapes de détermination d’une déformation telles que décrites ci-dessus.
Avantageusement, le procédé pourra comporter une étape de vérification de la cohérence entre l’image visible courante visible courante IVC et le cube hyperspectral virtuel CHV, par exemple pour signaler une incohérence entre les images monospectrales obtenues par application d’une déformation et les images visibles, si des écarts trop importants sont relevés.
De préférence, cette étape de vérification comporte les étapes suivantes : extraire du cube hyperspectral virtuel des image monospectrales dont les longueurs d’onde correspondent respectivement aux couleurs rouge, verte et bleue, puis former une image composite en superposant les images ainsi extraites ; comparer l’image composite à l’image visible courante, de préférence à résolution égale.
L’étape de comparaison permet de déterminer, pour au moins une zone de l’image visible courante IVC, un degré de confiance relatif à la cohérence entre l’image visible courante IVC et le cube hyperspectral CHV. Ainsi, le système d’imagerie mettant en œuvre le procédé conforme à l’invention pourra signaler à l’utilisateur des incohérences entre l’image visible affichée à l’écran et les images monospectrales formant le cube hyperspectral virtuel (obtenues par application d’une déformation) si celles-ci sont trop importantes.
Le dispositif d’acquisition 10 décrit plus haut inclut dans un même ensemble les deux caméras 100, 102, nécessaires à la mise en œuvre du procédé conforme à l’invention. Du fait que les objectifs des deux caméras sont séparés, il est nécessaire de mettre en œuvre une étape préalable de calibration, cette étape préalable permettant d’identifier, pour chaque pixel d’une image captée par la première caméra 100, un pixel correspondant des images monospectrales formant un cube hyperspectral capté par la deuxième caméra 102. Cette étape est réalisée par exemple au moyen d’un élément de calibration, tel qu’un damier, positionné dans une zone commune aux champs optiques des deux caméras. Cette étape de calibration permet ainsi de tenir compte de la différence de positionnement des objectifs des deux caméras. Lorsque le dispositif d’acquisition 10 inclut les deux caméras de manière fixe, cette étape de calibration ne devra être réalisée qu’une seule fois, par exemple en usine lors de l’assemblage du dispositif. Si les deux caméras 100, 102 sont mobiles l’une par rapport à l’autre, par exemple parce que montées sur des supports différents, cette étape de calibration devra être réalisée avant chaque utilisation du système d’imagerie 1 .

Claims

REVENDICATIONS
1 . Procédé d’imagerie médicale comportant les étapes de :
- acquérir (40), au moyen d’une première caméra (100), du domaine visible, une image visible de référence (IVR) d’une scène telle qu’un site chirurgical ;
- obtenir (42) une pluralité d’images monospectrales (IHR) formant un cube hyperspectral de référence (CH R) de ladite scène ;
- incruster (46), dans l’image visible de référence (IVR), pour au moins une partie des pixels de cette image, des données associées aux pixels correspondants d’une ou plusieurs images monospectrales (IHR) du cube hyperspectral de référence (CH R) ;
- acquérir (48), au moyen de la première caméra (100), une image visible courante (IVC) de ladite scène ;
- déterminer (50) une déformation d’image entre l’image visible de référence (IVR) et l’image visible courante (IVC) ;
- appliquer (52) une déformation correspondante aux images monospectrales (IHR) du cube hyperspectral de référence (CHR) pour obtenir des images monospectrales virtuelles (IHV) formant un cube hyperspectral virtuel (CHV) ;
- incruster (54), dans l’image visible courante (IVC), pour au moins une partie des pixels de cette image, des données associées aux pixels correspondants d’une ou plusieurs images monospectrales du cube hyperspectral virtuel (CHV).
2. Procédé selon la revendication précédente, dans lequel le cube hyperspectral de référence (CHR) est obtenu lors d’une étape d’acquisition (42) par une deuxième caméra (102), la deuxième caméra (102) étant une caméra hyperspectrale.
3. Procédé selon la revendication 1 ou 2, dans lequel le cube hyperspectral de référence (CHR) correspond à un cube hyperspectral virtuel précédemment obtenu par la mise en œuvre des étapes de déterminer (50) une déformation d’image entre une image visible de référence (IVR) et une image visible courante (IVC) et d’appliquer (52) une déformation correspondante aux images monospectrales d’un cube hyperspectral de référence (CHR) pour obtenir un cube hyperspectral de référence virtuel (CHV).
4. Procédé selon l’une des revendications 2 et 3, dans lequel lorsque la résolution des images captées par la première caméra (100) est supérieure à la résolution des images captées par la deuxième caméra (102), on met en œuvre une étape (44) de super-résolution, pour augmenter la résolution des images captées par la deuxième caméra (102), de préférence avant d’appliquer (52) une déformation aux images monospectrales du cube hyperspectral de référence (CHR).
5. Procédé selon la revendication précédente, dans lequel l’étape de super résolution (44) comporte une étape de corrélation entre une image captée par la première caméra (100) et une image captée par la deuxième caméra (102) pour augmenter la résolution.
6. Procédé selon l’une des revendications 2 à 5, dans lequel on met en œuvre une étape préalable de calibration des première et deuxième caméras (100, 102), au moyen d’un élément de calibration, positionné dans une zone commune aux champs optiques des deux caméras, cette étape préalable permettant d’identifier, pour chaque pixel d’une image captée par la première caméra (100), un pixel correspondant des images monospectrales formant un cube hyperspectral capté par la deuxième caméra (102).
7. Procédé selon l’une des revendications précédentes, dans lequel l’étape de déterminer (50) une déformation entre une première et une deuxième images captées par la première caméra (100) comporte :
- déterminer au moins un ensemble de pixels correspondant un point remarquable sur la première image ;
- déterminer au moins un ensemble de pixels correspondant au même point remarquable sur la deuxième image ;
- déterminer une déformation en fonction de la différence de position des pixels correspondants au point remarquable de la deuxième image par rapport à la première image.
8. Procédé selon l’une des revendications précédentes, dans lequel l’étape de déterminer (50) une déformation entre une première et une deuxième images captées par la première caméra (100) comporte :
- déterminer au moins un groupe de pixels correspondant à une région homogène du point de vue du type de tissu sur la première image ;
- déterminer au moins un groupe de pixels correspondant à la même région sur la deuxième image ;
- déterminer une déformation en fonction de la différence de position des groupes de pixels correspondants à la région homogène de la deuxième image par rapport à la première image.
9. Procédé selon la revendication précédente, dans lequel une région homogène est déterminée en fonction d’au moins un critère tel que la couleur ou la texture.
10. Procédé selon l’une des revendications 7 à 9, dans lequel la déformation déterminée au moyen d’au moins un ensemble de points remarquables ou d’au moins une zone homogène est extrapolée au reste de l’image.
11. Procédé selon l’une des revendications précédentes, dans lequel les résultats de l’étape de déterminer (50) une déformation entre une première et une deuxième images sont comparés aux résultats obtenus au moyen d’un algorithme d’apprentissage automatique sur la base des deux mêmes images.
12. Procédé selon la revendication précédente, dont lequel l’algorithme d’apprentissage automatique a été préalablement entraîné au moyen d’une base de données d’images obtenues lors de la mise en œuvre des étapes des revendications 7 et 8.
13. Procédé selon l’une des revendications précédentes, comportant une étape de vérification de la cohérence entre l’image visible courante (IVC) et le cube hyperspectral virtuel (CHV).
14. Procédé selon la revendication précédente, dans lequel l’étape de vérification comporte les étapes suivantes : extraire du cube hyperspectral virtuel (CHV) des images monospectrales de longueur d’onde proches respectivement des longueurs d’onde correspondant au rouge, au vert et au bleu, et former une image composite par superposition desdites images extraites du cube hyperspectral virtuel (CHV) ; comparer l’image composite à l’image visible courante, de préférence à résolution égale.
15. Procédé selon la revendication précédente, dans lequel l’étape de comparaison permet de déterminer, pour au moins une zone de l’image visible courante (IVC), un degré de confiance relatif à la cohérence entre l’image visible courante (IVC) et le cube hyperspectral virtuel (CHV).
PCT/FR2022/050475 2021-03-17 2022-03-16 Procédé d'imagerie médicale mettant en oeuvre une caméra hyperspectrale WO2022195222A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FRFR2102682 2021-03-17
FR2102682A FR3120940B1 (fr) 2021-03-17 2021-03-17 Procédé d’imagerie médicale mettant en œuvre une caméra hyperspectrale

Publications (1)

Publication Number Publication Date
WO2022195222A1 true WO2022195222A1 (fr) 2022-09-22

Family

ID=75690548

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/FR2022/050475 WO2022195222A1 (fr) 2021-03-17 2022-03-16 Procédé d'imagerie médicale mettant en oeuvre une caméra hyperspectrale

Country Status (2)

Country Link
FR (1) FR3120940B1 (fr)
WO (1) WO2022195222A1 (fr)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018049215A1 (fr) * 2016-09-09 2018-03-15 Intuitive Surgical Operations, Inc. Systèmes d'imagerie à lumière blanche et lumière hyperspectrale simultanée
WO2018165767A1 (fr) * 2017-03-17 2018-09-20 Intellijoint Surgical Inc. Systèmes et procédés d'affichage à réalité augmentée en chirurgies de navigation
CN111579498A (zh) * 2020-04-26 2020-08-25 中国科学院苏州生物医学工程技术研究所 基于推扫成像的高光谱内窥成像系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018049215A1 (fr) * 2016-09-09 2018-03-15 Intuitive Surgical Operations, Inc. Systèmes d'imagerie à lumière blanche et lumière hyperspectrale simultanée
WO2018165767A1 (fr) * 2017-03-17 2018-09-20 Intellijoint Surgical Inc. Systèmes et procédés d'affichage à réalité augmentée en chirurgies de navigation
CN111579498A (zh) * 2020-04-26 2020-08-25 中国科学院苏州生物医学工程技术研究所 基于推扫成像的高光谱内窥成像系统

Also Published As

Publication number Publication date
FR3120940B1 (fr) 2023-07-28
FR3120940A1 (fr) 2022-09-23

Similar Documents

Publication Publication Date Title
FR3067242B1 (fr) Procede d'evaluation d'une gouttiere orthodontique
EP2457379B1 (fr) Procédé d'estimation d'un défaut d'un système de capture d'images et systèmes associés
FR2751067A1 (fr) Systeme et sous-systeme de determination de l'attitude d'une camera a l'interieur d'un objet
FR2862788A1 (fr) Procede et systeme d'analyse de changements temporels d'image
WO2015071457A1 (fr) Procede d'estimation de la vitesse de deplacement d'une camera
FR3038431A1 (fr) Bloc camera haute resolution pour drone, avec correction des instabilites de type oscillations ondulantes
FR2984565A1 (fr) Procede et dispositif d'estimation de la puissance optique des lentilles de verres correcteurs d'une paire de lunettes portee par un spectateur.
EP2160717A2 (fr) Procede et dispositif d'acquisition et de traitement d'images pour la detection de lesions evolutives
FR2833743A1 (fr) Procede et dispositif a faible resolution d'acquisition pour le controle d'un ecran d'affichage
FR3018118A1 (fr) Procede de test d'un systeme electronique
Redondo et al. Quality evaluation of microscopy and scanned histological images for diagnostic purposes
WO2015097239A1 (fr) Procédé d'analyse d'images du visage pour la détection d'un effet flush
WO2022195222A1 (fr) Procédé d'imagerie médicale mettant en oeuvre une caméra hyperspectrale
US11546572B2 (en) Noninvasive three-dimensional fluorescence microscopy for skin disease detection
EP4177839A1 (fr) Procédé de détermination de paramètres de calibration d'un dispositif de prise de vue et produit programme d'ordinateur associé
FR2910673A1 (fr) Procede de traitement d'image et dispositif implementant ledit procede
CA3057337A1 (fr) Procede de texturation d'un modele 3d
EP2826017B1 (fr) Procédé de détermination des paramètres géométriques indiquant le mouvement d'une caméra
EP3958785B1 (fr) Programme d'ordinateur d'evaluation d'une gouttiere orthodontique
WO2018083099A1 (fr) Procédé d'affichage d'une image de réalité mixte
US20240135565A1 (en) Method and device for light field microscopy
FR3146225A1 (fr) Procédé de traitement d’une image infrarouge par fusion de plusieurs traitements colorimétriques de l’image infrarouge
FR3134196A1 (fr) Procédé de correction d’aberrations optiques introduites par un objectif optique dans une image, appareil et système mettant en œuvre un tel procédé.
Pak et al. Cloud-based metrological-quality camera calibration
FR3130060A1 (fr) procédé et dispositif de caractérisation de distorsions dans une caméra plénoptique

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: 22715654

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 22715654

Country of ref document: EP

Kind code of ref document: A1