Post on 04-Apr-2015
Recalage non-rigide d’images cérébrales 3-D
avec préservation de la topologie :
méthodes et validation
V. Noblet, C. Heinrich, F. Heitz, J.-P. ArmspachUniversité Louis Pasteur, Strasbourg
09/06/2005
EPML n°9 UMR 7004UMR 7005
Journée du GDR ISIS et du GDR MSPC
B : Formes : modèles et déformation
Position du problème
z
y
x
s
Image source Image cible
'
'
'
'
z
y
x
s)(' shs ?
Recalage intra-individu Recalage inter-individu
• Détection et suivi d’évolution de lésions• Évolution des structures anatomiques
• Construction et utilisation d’atlas• Segmentation par transport d’atlas
Méthodes et contributions
Méthodes et contributionsMéthodes de validationRésultats et discussion
Méthodes et contributions
Modèle de déformation
Conservation de la topologie
Régularisation
Critère de similarité
Symétrisation du critère
Normalisation d’intensité
Paramétrisation du champ de déformation
Base de fonctions d’échelle B-splines
x
(x)
-2 -1 0 1 2
0
0.5
1
Approche multi-échelle
lkji ,,
l
kjiz
lkjiy
lkjix
lkji
a
a
a
A
,,;
,,;
,,;
,,
x
y
z
Extension 3D
Échelle l Échelle l+1
Conservation de la topologie
Conservation de la topologie des structures anatomiques (cas non pathologique)
Sans conservation
de topologie
Avec conservationde topologie
Résolution du problème d’optimisation sous contraintes :
)),,,((minargˆ
maxmin ),,,(
,,,
azyxhEa
JazyxJJ
tzyxa
h
Recours à des techniques issues de l’analyse par intervalles
V. Noblet, C. Heinrich, F. Heitz, J-P. Armspach, 3D deformable image registration: a topology preservation scheme based on hierarchical deformation models and interval analysis optimization, IEEE Transactions on Image Processing, Vol 14, n°5, pp 553-566, mai 2005.
Contribution de la conservation de topologie
SourceCible
Sans
contrainte
Avec
contrainte
Régularisation
Approche par pénalisation : tionrégularisasimilarité EEE
22222
2222
zu
yu
xu
z
u
y
ux
u
zu
yu
xutionrégularisa
zzzyy
yxxxE
Énergie de membrane élastique :
Critère de similarité
dsshIsIhE )))(()(()( 21
2)(2
xxL 2
2
1)(
x
xxreGemanMcClu
21)(21
xxLL
Cas monomodal :
Les images I1 et I2 ne jouent pas un rôle symétrique
=> choix arbitraire d’une image de référence
Idhh 2112
I1 I2
12h
21h
?
Symétrisation du critère
dssIshI
dsshIsIhEsym
)())((2
1
))(()(2
1)(
21
1
21
Changement de variable : dttJdsths h )()(
dsshIsIsJhE hsym ))(()()(12
1)( 21
V. Noblet, C. Heinrich, F. Heitz, J-P. Armspach, 3D deformable image registration: A topology preserving non-rigid registration method using a symmetric similarity function - Application to 3-D brain images, ECCV(3), LNCS-3023, pp 546-557, Prague, République Tchèque, mai 2004.
Normalisation d’intensité
Hypothèse : 2 voxels mis en correspondance ont la même intensité
Mise à l’échelle des intensités par moyenne et écart-type se révèle insuffisant
Solution proposée : trouver une fonction non linéaire de mise en correspondance des intensités grâce à l’estimation d’un mélange de gaussiennes sur l’histogramme joint
Normalisation d’intensité
Histogramme joint
Histogramme jointsous l’hypothèse d’indépendance
Élimination des « points mal recalés »
Estimation du mélange de gaussiennes
Estimation de la fonction de mise en correspondance
dsshIsIfsJ h ))(())(()(12
121
Contribution de la normalisation d’intensité
Image de référence
Image à recaler
Résultat avec notre méthode de
normalisation
Résultat avec normalisation
par moyenne et écart-type
Méthodes de validation
Méthodes et contributionsMéthodes de validation
Résultats et discussion
V. Noblet, C. Heinrich, F. Heitz, J-P. Armspach, Retrospective evaluation of a topology preserving non-rigid registration method,
Medical Image Analysis, 2005 (soumis).
Méthodes de validation
Problème ardu lié à l’absence de vérité terrain
5 approches utilisées:- Champ de déformation synthétique- Construction d’un cerveau moyen- Segmentation par transport d’atlas- Mise en correspondance d’amers- Cohérence du champ de déformation
Champ de déformation synthétique
hsimulée
Génération d’une transformation hsimulée
préservant la topologie
hestimée
=> Comparaison entre hestimée et h-1simulée
Construction d’un cerveau moyen
Référence
N individus différents
Cerveau moyen
Comparaison
Recalage
N images recalées
Segmentation par transport d’atlasBase IBSR* : 18 images T1 256x128x256
Cartes de segmentation : MG-MB-LCR et 34 structures anatomiques
* http://www.cma.mgh.harvard.edu/ibsr/index.html
Carte de segmentation transportée
Comparaison
Mise en correspondance d’amers
31 amers identifiés par 2 experts (3 fois chacun) sur 4 images
17 amers retenus sur un critère de faible variabilité intra- et inter-opérateur
•Anterior commissure (AC) •Posterior commissure (PC) •Lateral ventricle superior (L+R)•Caudate nucleus superior (L+R) •Insula superior (L+R) •Insula inferior (L+R) •Lateral ventricle anterior (L+R) •Putamen anterior (L+R) •Corpus callosum posterior •Corpus callosum posterior angle of genu •Corpus callosum posterior tip of splenium
Cohérence du champ de déformation
Vérification de la propriété de symétrie du recalage:
ABBA hh Comparaison de
avec l’identité
Résultats et discussion
Méthodes et contributionsMéthodes de validation
Résultats et discussion
Résultats
Influence des paramètres
Influence du critère de similarité
Comparaison de méthodes de recalage
Influence des paramètres Augmentation de la résolution finale
Amélioration de tous les critères sauf pour les amers (lopt=4)
Conservation de la topologie
+ Segmentation (34), mise en correspondance d’amers, cohérence
- Cerveau moyen, Segmentation (3)
Augmentation des contraintes sur le jacobien
Détérioration de tous les critères sauf pour les amers (0,5<J<2)
Régularisation
+ Segmentation (34), mise en correspondance d’amers, cohérence
- Cerveau moyen, champ synthétique
Influence du critère de similarité
Supériorité de L1L2 et Geman McClure sur L2
Segmentation en 34 structures
Mise en correspondance des amers
Cohérence du champ
Contribution de la symétrisation Mise en correspondance des amers
Cohérence du champ
Comparaison de différentesméthodes de recalage
Champ synthétique
Cerveau moyen
Segmentation 3 classes
Segmentation 34 structures
Amers Cohérence
Affine
- - - - - +++
Démons + + + + + +B-spline + + +++ +++ ++ ++
3 méthodes comparées :- Affine 12 paramètres (IM, simplex)
- Démons (implantation ITK*)
- B-spline (échelle 6, L2, conservation de la topologie,
régularisation)
* http://www.itk.org
Que conclure de ces résultats ?
Résultats parfois contradictoires en fonction des méthodes
de validation
Pas de critère de validation universel !
La qualité attendue d’une méthode de recalage dépend de
l’application sous-jacente
Compromis entre degrés de liberté, régularisation, contrainte
et attache aux données lors du choix des paramètres
Conclusion : Contributions et perspectives
Modèle de déformation hiérarchique paramétré dans une base
de fonctions B-spline
Conservation de la topologie en 3D et critère de similarité
symétrique
Normalisation d’intensité
Temps CPU (PC 2,8GHz): 15 min 1283 / 89 373 paramètres
2h 2563 / 750 141 paramètres
Perspectives : extension multimodal, recalage des sillons
Merci pour votre
attention
http://picabia.u-strasbg.fr/lsiit/perso/noblet.htm
vincent.noblet@ensps.u-strasbg.fr