Nos partenaires

CNRS

Rechercher





Accueil du site > Français > Thèmes de recherche > Thème 1 - Analyse et synthèse de l’information > Equipe TCI > Recherches

Imagerie médicale

Le contexte

Les exigences et les nouveaux défis en matière de santé aujourd’hui confèrent à l’imagerie médicale une place centrale dans les techniques d’investigation en santé et en médecine. L’imagerie médicale ne peut réellement s’appréhender qu’en considérant les problématiques qui se situent sur toute la chaîne de production et d’interprétation des images. En effet les attentes issues de grands domaines comme par exemple le cancer, la neurologie, ou le cardio-vasculaire vont tirer en amont les innovations technologiques. Ces innovations vont à leur tour fournir au praticien des nouvelles méthodes diagnostiques ou interventionnelles. Dans ce contexte, l’acquisition, l’analyse automatique mais encore plus le traitement de l’image médicale (et même au-delà, les STIC) sont passés du statut « boîte à outils » d’analyse à celui de discipline à part entière et incontournable dans cette interaction amont-aval. C’est dans ce contexte se situe nos thèmes de Recherche.

Les thèmes de recherche

D’un point de vue fonctionnelle, l’activité de recherche peut être axée sur deux pôles.

Le premier pôle est dédié aux développements méthodologiques en traitement du signal et de l’image applicable ou extensible à l’ensemble des principales modalités. Les thèmes développés portent sur l’amélioration de lisibilité et la caractérisation quantitative des images. Le premier porte sur l’augmentation de la résolution des images notamment par les techniques dédiées de super-résolution (SR). Aujourd’hui les innovations en imagerie médicale concourent en grande partie à rendre l’information portée par l’image plus fiable. Une meilleure lisibilité contribue aussi à cette fiabilité. Les solutions apportées à ce problème sont essentiellement instrumentales, et très coûteuses (comme par exemple l’imagerie multi-modalité). Dans le même temps, on observe des progrès considérables en matière de (super-) résolution dans des domaines connexes de la vidéo et de l’imagerie standard. Cependant la transposition directe de ces méthodes à l’image médicale n’est pas immédiate. Pire encore, dans de nombreux cas leurs hypothèses intrinsèques sont en conflit avec les principes physiques générant les images médicales. D’où la nécessité de se pencher sur des techniques propres à l’imagerie médicale.

Un autre thème s’intéresse à l’optimisation de la prise des images dans le but de la réduction des informations. Ceci constitue un enjeu majeur, vu la taille et l’hétérogénéité des données. En effet aujourd’hui, on assiste à juste titre à un développement des systèmes de calcul parallèle dans un but d’efficacité dans les traitements devenus de plus en plus complexes. Une alternative prometteuse à cela est l’étude des techniques d’échantillonnage parcimonieux (compressifs). L’objectif majeur est de réduire la prise d’échantillons en choisissant des fonctions et des mesures appropriées (curvelets, normes L1,...). Ces techniques, issues de la communauté du signal et de l’image générique, ont trouvé des applications en IRM.

Si un certain nombre de difficultés théoriques restent à lever, les retombées de ces techniques sont prometteuses. Et nous y contribuons activement et notamment sur l’extension aux autres modalités.

  • Caractérisation tissulaire. Une des thématiques majeures en imagerie est l’évaluation quantitative des structures observées. L’essentiel des études menées a porté soit sur l’analyse statistique de l’image, soit sur l’étude de l’interaction physique entre tissus et ondes/particules. Le comportement multi-échelle de cette interaction est rarement étudié. Il s’agit là d’une piste prometteuse qui mérite d’être explorée en raison de son potentiel à décrire finement cette interaction.
  • Des thèmes génériques liés à la segmentation, à la fusion, au recalage et notamment leurs propriétés mathématiques sont aussi à explorer pour établir en amont de façon rigoureuse les fondements des algorithmes développés.

Le second pôle traite plus spécifiquement des problématiques et des applications inhérentes aux modalités d’imagerie médicale. Ainsi, nous nous intéressons à l’imagerie ultrasonore, à l’imagerie de Tomographie Optique Cohérenteb(OCT) et à l’imagerie TEP-Scan.

  • L’imagerie ultrasonore et l’OCT : Deux axes sont étudiés. Le premier porte sur l’image. L’objectif de ce thème est de développer des outils de filtrage et de segmentation robustes vis-à-vis du speckle, d’images OCT ou ultrasonore haute fréquence (de fréquence supérieur à 20MHz). L’approche adoptée consiste à modéliser le speckle par des distributions statistiques, de caractériser ce bruit localement à l’aide de descripteurs estimés à partir des données bruitées et d’utiliser ces descripteurs comme paramètres dans des méthodes de filtrage (comme la diffusion anisotrope) et de segmentation (comme les contours actifs explicites et implicites). Les zones d’intérêt ainsi détectées seront caractérisées par des techniques de quantification à développer. La combinaison des approches statistiques sur le speckle OCT et US constitue une originalité.
    Le second porte sur le Doppler (et non l’imagerie) ultrasonore et vise à évaluer à partir d’un certain nombre de paramètres pertinents liés aux mouvements et rythmes spontanés, le bien être fœtal. Pour cela des séries de signaux multidimensionnels sont simultanément enregistrés et analysés par des techniques parcimonieuses, pour extraire ces rythmes et mouvements. A ce jour aucun système d’imagerie n’est capable de réaliser une telle analyse. Ce travail est l’objet d’une collaboration étroite avec l’Unité U930 de l’INSERM (Université de Tours). De manière générale, l’estimation de flux est un de nos thèmes importants.
  • L’imagerie PET-SCAN. L’objectif est de proposer un système alternatif pour reconstruire des images TEP thoraciques exemptes d’artéfacts respiratoires. La technique mise en œuvre consiste à acquérir le volume respiratoire synchronisé à des images CT et à des données liste mode TEP. Le signal respiratoire est filtré et segmenté en amplitude pour former des bins. Les données TEP sont classées dans les bins. Les images CT sont interpolées et servent à l’estimation du mouvement. Le mouvement est compensé par transformation directe de la matrice de transition du système. La reconstruction est faite à l’aide d’une méthode itérative. La compensation de mouvement respiratoire dans les images TEP est un sujet sur lequel travaillent de nombreux laboratoires en France (Paris, Brest, CREATIS, Strasbourg) et à l’étranger. Notre approche est la seule qui utilise le spiromètre (à la place du traditionnel système RPM). Notre approche de quantification dynamique est originale. Notre approche se propose à terme d’introduire des connaissances a priori sur le volume respiratoire pour étudier l’apport de la super-résolution.