View
116
Download
2
Category
Preview:
Citation preview
APRAMEN Mai 2004
SCINTIGRAPHIE SCINTIGRAPHIE CÉRÉBRALE CÉRÉBRALE
ET FUSION ET FUSION D’IMAGESD’IMAGES
Hôpital Pitié-SalpêtrièreService de médecine NucléaireM.O. Habert
Fusion d’images médicales
DONNÉES ANATOMIQUES TDM, IRM
Décision médicale
Pronostic
Intervention chirurgicale
Radiothérapie DONNÉES FONCTIONNELLES PET, SPECT, MEG, spectroscopie RMN, IRMf
Fusion d ’images médicales : de quoi parle-t-on ?
Recalage
Fusion de « visualisation »
Intégration de données
Logiciels de recalage / fusion
• Automated Image Registration (AIR) (Unix, Linux, ou Mac OSX) :
• BRAINVISA (Windows, Unix, Linux, Mac OSX)
• MPITOOL (Unix, Linux)
• Logiciels « constructeurs »
• ANALYSE (Unix, Linux, Windows)
• Station HERMES de Nuclear Diagnostics (Unix)
• Station SEGAMI (Windows)
Automated Image Registration (AIR)
Calcul du ratio entre 2 deux volumes images pixel par pixel et minimisation de la variance de ce rapport
- Modèles Linéaires (intra-sujet) :
"Rigide" 6P
" Global rescaling " 7 P
" Talairach " 9 P
" Affine " 12 P
- Modèles non linéaires (inter-sujets) : " 1, 2, 3, 4, 5ème ordre"
30, 60, 105, 168 P
BrainVisa et Anatomist
Logiciel dédié à l’imagerie cérébrale multimodalité
Développé par SHFJ-CEA à Orsay et IFR 49.
Plusieurs modules de traitement:
Image paramétrique
ROI en 2D, 3D, géométrique ou anatomiques
Recalage +++
(Création de template)
aMRI
fMRI
dMRI
PET
TMShttp://brainvisa.info
Recalage par information mutuelle:
Formats: GIS, JPEG, DICOM, ECAT, SPM, VIDA.
Initialisation par centre de gravité (par un seuillage)
Transformations rigides (rotations et translations)
SPECT recalé sur IRM Fusion dans Anatomist
Station HERMES : recalage par information mutuelle
Station SEGAMI (Mirage)
Localisation anatomique
d ’une anomalie fonctionnelle
Bilan préchirurgical des épilepsiesO ’Brien TJ et al. Neurology 1998; 50:445-454. Subtraction ictal SPECT co-registered to MRI
improves clinical usefulness of SPECT in localizing the surgical seizure focus.
Planification de la chirurgie et radiothérapie des tumeurs
cérébralesRubinstein R. Eur J Radiol 1996; 21:188-95. Use of 201Thallium brain SPECT, image
registration, and semi- quantitative analysis in the follow-up of brain tumors.
Holman B.L. J Nucl Med 1991; 32:1478-84. Computer-assisted superimposition of magnetic
resonance and high- resolution technetium-99m-HMPAO and thallium-201 SPECT images of the
brain.
Bilan préchirurgical des épilepsies partielles pharmaco-résistantes
Recalage Normalisation Soustraction « ictal - interictal » Lissage + seuillage Fusion (visualisation)
99mTc-ECD
SISCOM = Substraction SPECT CO-registered to MRI
SISCOM (Substraction SPECT CO-registered to MRI)
• MPITOOL + ou - AIR
• ANALYSE : module dédié
• SEGAMI et HERMES : tous les outils présents mais non regroupés dans un module
• PLAMAIVIC (MEDASYS) ?
Radiothérapie conformationnelle 3D
Hôpital Val de Grâce
Centre d ’anatomie cognitiveCentre de NeuropsychologieService de NeuroradiologieLaboratoire d’AnatomieUrgences cérébrovasculaires
Relation entre lésion et fonction
Données neuro-anatomiques
Données neuro-psychologiques et comportementales
Données neuro-fonctionnelles
Démence thalamique
Syndrome frontal dyséxécutif, syndrome amnésiqueInertie de comportement
Quantification en SPECT :apport de l ’IRM
Définition de volumes d’intérêt
Correction d ’atténuation
Correction de l’effet de volume partiel
Meilleure quantification
Problème de validation
Stratégie de traitement des données
Quantification en SPECT : prédiction pré-clinique de la MA
Recalage(IRM, TEMP)
CorrectionAttenuation &
réponse collimateur & détecteur +
Reconstruction (OSEM)
reconstruction (OSEM)
Correction diffusion (Réseaux
neuromimetiques)Création
carte d’atténuation
El Fakhri G. et al. IEEE Trans Nucl Sci 2003
eU(O+E) = eO O
e
Quantification de la neurotransmission dopaminergique : définition des volumes d’intérêt
• Méthodes par régions d’intérêt– Manuelle– Semi-automatisée– Segmentation automatique
• Méthodes voxel par voxel– De type SPM
Recalage d’un DaTSCAN peu altéré avec brainvisa/anatomist
14 avril 2004
Recalage sur un DaTSCAN très pathologique
SEGAMI
Recalage automatique par information mutuelle
Correction de l’effet de volume partiel en utilisant le recalage (SPECT, IRM)
Profil observé à travers le putamen
Profil théorique à travers le putamen (obtenu grâce au
recalage à l’IRM)
Réponse impulsionelle de la
gamma caméra
10070
Coefficient de recouvrement
(3D)
100
701.43
Analyse voxel-par-voxel Constitution de databases
• Comparaison d’un sujet à une database de sujets sains
• Comparaison de groupes
=> Recalage intramodalité intersujets (transformation affine ou recalage élastique)
Statistical Parametric Mapping
Nécessite une licence MATLABFonctionne sous :Windows, Linux, UnixImages au format « Analyse »
IRM (sujet sain imagé 24 fois)
Template SPECT
Statistical Parametric Mapping
BRASS (HERMES)
RDI : coupe 33
3
5
7
59
57
55
Exemple : ECD
Recalage automatique
Quantification
L’intégration de données
INTERPRÉTATION PLUS PRÉCISE
MODELISATION DES INFORMATIONS SEGMENTATION, FUSION IMAGE DE SYNTHÈSE
= AGGRÉGATION D ’INFORMATIONS ambiguës, conflictuelles, complémentaires, redondantes
M. Zanca, M.I.R, Biophysique et Médecine Nucléaire, CHU Montpellier
CONCORDANCE AVEC IRMProgramme commercial
ou « fait maison »
Images brutes Images en concordance
Crédit SEGAMI & P. VERA, SHFJ, CEA, ORSAY
JL BERNON & M ZANCA, MDS & CHU MONTPELLIER
Superposition visuelle
Simple alternance des pixels (ici), ou séparation des composantes
colorées
JL BERNON & M ZANCA, MDS & CHU MONTPELLIER
Images fusionnées
(logique non floue)
Barra V. et al.Neuroimage 200113:410-34.A general framework for the fusion ofanatomical and functional medical images
Labeling of an epileptic focus by aMR/SPECT/SPECT/PET fusion process
Clare M. C. JAMA. 2001;285:562-567.Advances in Biomedical Imaging
Fusion d ’images : obstacles et difficultés
Transferts, formats d ’image, réseaux
Volume d ’images à traiter
Temps utilisateurs
Précision du recalage
Algorithmes disponibles et validés
Coût
Fusion d ’images : en conclusion Détection plus efficace d ’anomalies fonctionnelles
Meilleure compréhension des relations physio-pathologiques entre lésion et fonction
Aide à l ’interprétation des lésions structurelles ambiguës ou non spécifiques
Aide à la prise de décisions thérapeutiques importantes
Analyse quantitative
Recommended