dense deformation field estimation for pairwise and multi-subjects registration
DESCRIPTION
Dense Deformation Field Estimation for Pairwise and Multi-subjects Registration. Mathieu De Craene Défense publique – 24 octobre 2005. Jury Pr Benoît Macq, UCL/TELE Pr Simon Warfield, BWH/CRL Pr Vincent Gregoire, UCL/IMRE Pr J.-P. Thiran, EPFL/ITS Dr Christophe De Vleeschouwer, UCL/TELE - PowerPoint PPT PresentationTRANSCRIPT
Défense publique – 24/10/05
Dense Deformation Field Estimationfor Pairwise and Multi-subjects
Registration
Mathieu De Craene
Défense publique – 24 octobre 2005
Jury
Pr Benoît Macq, UCL/TELE
Pr Simon Warfield, BWH/CRL
Pr Vincent Gregoire, UCL/IMRE
Pr J.-P. Thiran, EPFL/ITS
Dr Christophe De Vleeschouwer, UCL/TELE
Pr Luc Vandendorpe, UCL/TELE
Défense publique – 24/10/05
Table des matières
● Contexte. Co-registration d’images médicales
● Méthodes
● Applications● Co-registration d’images intra-opératoires ● Co-registration atlas patient● Construction d’atlas statistiques
● Conclusion
Défense publique – 24/10/05
Table des matières
● Contexte. Co-registration d’images médicales
● Méthodes
● Applications● Co-registration d’images intra-opératoires ● Co-registration atlas patient● Construction d’atlas statistiques
● Conclusion
Défense publique – 24/10/05
Image médicale 3D
● 3 plans courants pour la visualisation
contexte || méthodes || applications || conclusion
Défense publique – 24/10/05
Que signifie « co-registrer »?
contexte || méthodes || applications || conclusion
=Image fixe = cibleImage mobile
Défense publique – 24/10/05
Pourquoi la co-registration ?● Comparer deux images du même patient
● comparer différentes modalités
● mesurer une évolution avant-après traitement
contexte || méthodes || applications || conclusion
Défense publique – 24/10/05
Pourquoi la co-registration ?● Comparer deux patients différents
● co-registration atlas-patient
Objectif : reporter les structures anatomiques délimitées dans l’atlas sur le patient
contexte || méthodes || applications || conclusion
Défense publique – 24/10/05
Pourquoi la co-registration ?● Comparer les sujets d’une population
● Référence moyenne● Variabilité des structures anatomiques autour de
la moyenne
Référence ?
contexte || méthodes || applications || conclusion
Défense publique – 24/10/05
Retour au titre
Dense Deformation Field Estimationfor Pairwise and Multi-subjects Registration
Patient-Patient ou Patient-Atlas
Co-registrer une population
Métrique
Défense publique – 24/10/05
Table des matières
● Contexte. Co-registration d’images médicales
● Méthodes
● Applications● Co-registration d’images intra-opératoires ● Co-registration atlas patient● Construction d’atlas statistiques
● Conclusion
Défense publique – 24/10/05
Mesures intrinsèques de similarité● Comparer les fonctions d’intensités des
images
xT(x)
Intensité 1
Intensité 2
Espace Images
Espace des caractéristiques
Mapping des coordonnées
contexte || méthodes || applications || conclusion
Défense publique – 24/10/05
Information mutuelle
● Entropie d’une variable aléatoire H(X)
Entropie = mesure de la dispersion d’une variable aléatoire
Entropie max. Entropie min.
● Entropie conditionnelle : incertitude sur la prédiction d’une variable avec a priori
contexte || méthodes || applications || conclusion
canal H(message|réception) canal H(message)
Défense publique – 24/10/05
Information mutuelle (2)
● Applications aux images : entropie = mesure d’alignement
● Information mutuelle : comparaison d’incertitudes a priori et posteriori
H(M2|F) = 0
H(M1|F) = 0
MI = H(M) - H(M|F)
contexte || méthodes || applications || conclusion
Défense publique – 24/10/05
Modèles de transformation
● Vecteur de déplacement indépendant en chaque point
● Modèle a priori de la transformation● Transformation globale● Transformation locale
Dimension du problème = 3 x le nombre de pixels
Méthodes variationelles
Nombre de paramètres raisonnable
Méthodes d’optimisation
contexte || méthodes || applications || conclusion
Défense publique – 24/10/05
Modèles a priori de transformation
● Transformation globale ● chaque paramètre agit sur toute l’image
rigide affine perspective
contexte || méthodes || applications || conclusion
Défense publique – 24/10/05
Modèles a priori de transformation
● Transformation locale● Chaque paramètre agit sur une zone limitée de
l’image
contexte || méthodes || applications || conclusion
Défense publique – 24/10/05
Modèles a priori de transformation
● Transformation locale● Chaque paramètre agit sur une zone limitée de
l’image
contexte || méthodes || applications || conclusion
Défense publique – 24/10/05
Déformation locale : maillage
● Degrés de liberté = déplacements aux nœuds
● Interpolation dans tout le volume par fonctions de forme
contexte || méthodes || applications || conclusion
Défense publique – 24/10/05
Méthodes d’optimisation
● Méthodes basées sur le gradient● Mesure directe du gradient● Mesure par différence finie
● Perturbation séquentielle● Perturbation simultanée stochastique (SPSA)
● Algorithmes génétiques● Evolution d’une « population » de paramètres
contexte || méthodes || applications || conclusion
Défense publique – 24/10/05
Exemple : coregistration rigide● Coregistration MR-CT d’images du foie
contexte || méthodes || applications || conclusion
Défense publique – 24/10/05
Table des matières
● Contexte. Co-registration d’images médicales
● Méthodes
● Applications● Co-registration d’images intra-opératoires ● Co-registration atlas patient● Construction d’atlas statistiques
● Conclusion
Défense publique – 24/10/05
Neurochirurgie : brain shift● Compenser les déformations du cerveau en
neurochirurgie
contexte || méthodes || applications || conclusion
Défense publique – 24/10/05
Neurochirurgie : brain shift
● Visualisation du champs de déplacement 3D
contexte || méthodes || applications || conclusion
Défense publique – 24/10/05
Ablation RF de tumeurs dans le foie
● Comparer les volumes tumeur/nécrose
contexte || méthodes || applications || conclusion
Défense publique – 24/10/05
contexte || méthodes || applications || conclusion
● Recherche stochastique de l’optimum
Ablation RF de tumeurs dans le foie
Défense publique – 24/10/05
Biopsie de la prostate● L’image pre-opératoire contient un important
biais dans la luminance● Risque de divergence des algos de recalage
contexte || méthodes || applications || conclusion
Courtesy of N. Weisenfeld
Défense publique – 24/10/05
Biopsie de la prostate
● Pourquoi faut-il corriger le biais ?
contexte || méthodes || applications || conclusion
Défense publique – 24/10/05
Biopsie de la prostate
contexte || méthodes || applications || conclusion
Défense publique – 24/10/05
Table des matières
● Contexte. Co-registration d’images médicales
● Méthodes
● Applications● Co-registration d’images intra-opératoires ● Co-registration atlas patient● Construction d’atlas statistiques
● Conclusion
Défense publique – 24/10/05
Recalage atlas – cerveau avec tumeur
● Modèle hybride● Croissance de tumeur
● MI flow
● Régularisation : assurer la continuité entre les deux modèles
Défense publique – 24/10/05
contexte || méthodes || applications || conclusion
Recalage atlas – cerveau avec tumeur
Collaboration : Dr Bach Cuadra
Défense publique – 24/10/05
Recalage atlas – cerveau avec tumeur
contexte || méthodes || applications || conclusion
Collaboration : Dr Bach Cuadra
Défense publique – 24/10/05
contexte || méthodes || applications || conclusion
Recalage atlas – cerveau avec tumeur
Collaboration : Dr Bach Cuadra
Défense publique – 24/10/05
Table des matières
● Contexte. Co-registration d’images médicales
● Méthodes
● Applications● Co-registration d’images intra-opératoires ● Co-registration atlas patient● Construction d’atlas statistiques
● Conclusion
Défense publique – 24/10/05
Construction d’atlas statistiques
● Basé sur l’algorithme STAPLE● Algorithme EM
● Etape E : estimation d’une référence pour l’alignement courant
● Prise en compte des paramètres de spécificité-sensitivité des experts
● Etape M : optimisation de l’alignement et des paramètres de spécificité-sensitivité
● Maximum de vraisemblance
Défense publique – 24/10/05
Construction d’atlas statistiques
contexte || méthodes || applications || conclusion
Défense publique – 24/10/05
contexte || méthodes || applications || conclusion
Construction d’atlas statistiques
Défense publique – 24/10/05
contexte || méthodes || applications || conclusion
Construction d’atlas statistiques
Défense publique – 24/10/05
contexte || méthodes || applications || conclusion
Construction d’atlas statistiques
Défense publique – 24/10/05
● Extraction des modes principaux de déformation par PCA
contexte || méthodes || applications || conclusion
Construction d’atlas statistiques
Défense publique – 24/10/05
contexte || méthodes || applications || conclusion
Construction d’atlas statistiques
● Somme des 80 segmentations
● non-pondérée
● pondérée
Défense publique – 24/10/05
● Contexte. Co-registration d’images médicales
● Méthodes
● Applications● Co-registration d’images intra-opératoires ● Co-registration atlas patient● Construction d’atlas statistiques
● Conclusion
Table des matières
Défense publique – 24/10/05
Contributions de la thèse
contexte || méthodes || applications || conclusion
● Co-registration patient-patient/patient-atlas● Conception avec A. du Bois d’Aische d’un algorithme de
coregistration non-rigide et applications au recalage de coupes histologiques du cou
● Utilisation de la méthode SPSA (gradient stochastique) en co-registration rigide et non-rigide
● Implémentation d’une méthode variationnelle (MI flow)
● Co-registration multi-sujets● Utilisation de STAPLE pour générer une référence non-
biaisée = carte de probabilités
● Transposition des concepts « pairwise » au recalage image-carte de probabilités
Défense publique – 24/10/05
Travaux futurs● D’un point de vue algorithmique
● Implémenter certaines variantes de la SPSA● Comparer différentes stratégies de régularisation● Utiliser l’atlas probabiliste pour robustifier des
procédures de segmentation par atlas● Modes de déformations● Information mutuelle locale
● D’un point de vue applicatif● Appliquer les concepts à la construction d’atlas
dans la zone tête et cou
Défense publique – 24/10/05
Merci de votre attention