Quelques perspectives en imagerie m edicale

Isabelle Bloch Ecole Nationale Sup erieure des T el ecommunications D epartement TSI - CNRS UMR 5141 LTCI - 46 rue Barrault, 75013 Paris Isabelle.Bloch@enst.fr

R esum e La complexit e du corps humain et de sa vision par des techniques dimagerie m edicale n ecessite le d eveloppement de m ethodes et doutils de traitement et dinterpr etation dimages r epondant a ` cette complexit e, et de nombreuses techniques avanc ees ont trouv e dans limagerie m edicale un champ dapplication particuli` erement riche. Dans cet article, nous pr esentons quelques perspectives d evolution de ce domaine. Loin d etre exhaustives, elles se restreignent a ` un petit nombre de coups de projecteur, laissant de c ot e nombre de probl ematiques tout aussi int eressantes. Apr` es quelques mots sur les nouvelles sources de donn ees et dimages, nous mentionnons quelques tendances nouvelles en segmentation et en reconnaissance, sur la mod elisation du corps et de ses fonctions, sur les applications en neurologie et neurosciences, et concluons sur les contributions possibles au dossier patient num eris e. Abstract The complexity of the human body and its vision through medical imaging techniques requires the development
of methods and tools for image processing and interpretation addressing this complexity. Several advanced techniques found a particularly rich eld of application in the domain of medical imaging. In this paper, we present a few perspectives in this domain. They are far from being exhaustive, and are restricted to a few aspects only, leaving aside a number of very interesting problems. After a few words on new data and image sources, we mention some new trends in segmentation and recognition, modeling of the human body and its functions, on applications for neurology and neurosciences, and we conclude on the possible contributions to the electronic patient records.

Nouvelles sources dinformation, nouvelles images

Malgr e des limites impos ees par la physique des processus sous-jacents aux acquisitions dimages, limagerie m edicale evolue encore de mani` ere importante. Au-del` a des am eliorations sur la qualit e des images, il sagit de v eritables changements d echelles et de panorama, orant de nouveaux champs dinvestigation sur des structures non visibles avec les techniques classiques. Ainsi, de nouveaux scanners X font leur apparition avec des tailles de voxels bien inf erieures au millim` etre cube, donnant ainsi acc` es ` a des informations distales (petits vaisseaux sanguins ou bronches par exemple). Dautres evolutions des techniques ` a rayons X portent sur les d eveloppements de la mammographie num erique 3D, qui elimine les art efacts de superposition de la mammographie num erique classique, et permet denvisager de grands progr` es dans le diagnostic et le prognostic. En ultrasons, des perspectives importantes concernent l evolution des acquisitions tridimensionnelles en temps r eel, lutilisation dagents de contraste, ainsi que la combinaison dimages acquises selon des points de vue di erents (spatial compounding). En m edecine nucl eaire, lapparition de nouveaux d etecteurs ` a semi-conducteurs, reposant donc sur des principes physiques tr` es di erents de ceux utilis es pour les d etecteurs traditionnels, permet, avec un syst` eme compact et l eger, dobtenir des images ayant plus de contraste, une meilleure r esolution, un taux de comptage plus elev e.

Autre evolution importante, les machines combin ees TEPCT [27], qui font actuellement leur apparition dans les h opitaux, fournissent des images anatomiques et fonctionnelles pendant le m eme examen, facilitant ainsi le recalage entre ces images, m eme si les dicult es li ees aux mouvements physiologiques (en particulier la respiration) subsistent. En imagerie par r esonance magn etique (IRM), les modalit es dacquisition se multiplient, les s equences pouvant ainsi etre associ ees pour orir des informations compl ementaires sur les structures observ ees. Des s equences rapides permettent soit des acquisitions du corps entier en imagerie anatomique, soit des acquisitions fonctionnelles en IRMf. Des s equences sp eciques permettent de mettre en evidence des pathologies. LIRM de diusion, donnant acc` es ` a la structure des faisceaux de bres de mati` ere blanche, conna t un d eveloppement qui sacc el` ere et tend ` a etre de plus en plus associ ee ` a dautres acquisisitions, tant pour la recherche en neurosciences que pour des applications cliniques. Les recherches actuelles conduisent au d eveloppement de syst` emes ` a haut champ, qui seront exploit es par exemple dans le projet Neurospin. Les futures machines de ce site utiliseront des champs allant de 3 ` a 11 teslas pour lhomme, et jusqu` a 17 teslas pour le petit animal. Elles devront permettre didentier des ensembles de moins de 5000 neurones, de quelques centaines de microns d epaisseur, alors quactuellement les machines ne permettent dimager que des zones de plusieurs millions de neurones, dont seule une partie est vraisemblablement activ ee. Des champs enti` erement nouveaux pour le traitement dimages souvriront alors.

Depuis quelques ann ees, une nouvelle technique est d evelopp ee. Il sagit de la tomographie par coh erence optique (OCT), qui exploite la coh erence de la lumi` ere, et peut etre ainsi consid er ee comme le parall` ele optique des techniques ultrasonores. Ces techniques fournissent actuellement des informations sur les structures supercielles, avec une r esolution de 1 ` a 10 microns, pour une profondeur accessible de 2 ` a 3 millim` etres. Mais les nouvelles sources de donn ees ne concernent pas que les techniques dimagerie. Beaucoup dinformations proviennent egalement de nouveaux mod` eles biologiques ou biom ecaniques. Nous y reviendrons dans la section 3.

Segmentation et reconnaissance

Bien que la segmentation et la reconnaissance de structures en imagerie m edicale soient des th` emes de recherche anciens, ils suscitent toujours beaucoup de travaux, tant les probl` emes rencontr es sont diciles et evoluent avec les techniques dacquisition. Ils concernent ` a la fois les structures normales et pathologiques, ainsi que des zones relatives ` a des fonctions en imagerie fonctionnelle. Les m ethodes fond ees sur des mod` eles sont de plus en plus d evelopp ees. En eet, la complexit e des donn ees 3D en imagerie m edicale n ecessite le d eveloppement de mod` eles int egrant de multiples connaissances et de grandes quantit es dinformations, ainsi que des contraintes de type topologique, g eom etrique ou encore morphologique. Ainsi les m ethodes de type mod` eles d eformables ont suscit e un grand engouement et de nombreux d eveloppements. Ces mod` eles peuvent d ecrire des propri et es que doivent satisfaire les objets (portant sur leur r egularit e, sur la position de leurs surfaces par rapport aux forts gradients de limage, etc.), ou etre des mod` eles des objets ` a segmenter eux-m emes (par exemple des mod` eles de reins, de vaisseaux sanguins, de cur). Ils peuvent etre soit continus, soit discrets (maillages simplexes par exemple) [21, 32]. Les mises en uvre par des techniques densembles de niveaux [26] sont maintenant tr` es r epandues, soit en laissant libres les changements eventuels de topologie, soit au contraire en contraignant la topologie. Enn, des mod` eles (( sans contours )) sinspirant de la m ethode de Mumford et Shah ont et e d evelopp es et leurs versions multi-phases permettent de segmenter plusieurs structures simultan ement [8, 28]. La cr eation de bases de donn ees importantes dimages dans de nombreuses equipes permet denvisager lutilisation doutils statistiques an de d enir des mod` eles statistiques dapparence, qui sont maintenant exploit es dans diverses directions [11, 30]. Plus r ecemment, des mod` eles de lagencement spatial des structures ont et e d evelopp es. Alors que les relations de type topologique ont et e utilis ees depuis longtemps, elles sont maintenant enrichies avec dautres relations, telles que des relations de direction, de distance, ou des relations plus complexes telles que celles qui sont utilis ees dans les descriptions anatomiques (par exemple [31] ou le site Neuranat 1 pour la neuro-anatomie). Lintroduction de ces relations rel` eve du domaine du raisonnement spatial
1. http://www.chups.jussieu.fr/ext/neuranat

et comporte une composante de mod elisation des connaissances et une composante de raisonnement et de fusion. Ce domaine, beaucoup d evelopp e en intelligence articielle avec les mod` eles de raisonnement spatial qualitatif (voir par exemple [29] pour un panorama), emerge petit ` a petit en traitement dimages [5, 6, 10]. Il b en ecie en particulier du d eveloppement de la th eorie des ensembles ous en traitement dimages [3], qui permet de combiner notions qualitatives et quantitatives dans le m eme formalisme, ainsi que de celui de la fusion dinformations [4]. Les formalismes qualitatifs ont et e beaucoup utilis es dans le domaine des syst` emes dinformation g eographique. Des tentatives de rapprochement avec limagerie m edicale se sont concr etis ees r ecemment, par la conf erence Mapping the human body: spatial reasoning at the interface between human anatomy and geographic information science (Buffalo, USA). Dans ces probl` emes de segmentation et de reconnaissance de structures, la question de la validation reste toujours centrale et sans solution d enitive. Des s eries dimages annot ees et segment ees par des experts peuvent servir de base ` a cette validation, mais demandent encore ` a etre etendues. De plus, la notion de qualit e de la segmentation a un sens qui d epend des objectifs et de lutilisation ult erieure des r esultats. Cela justie alors la d enition de protocoles de validation ou d evaluation r etrospective, en fonction des etapes ult erieures. Enn, des mesures absolues ne sont pas toujours n ecessaires : par exemple le suivi de l evolution dune pathologie sappuiera plus sur des mesures relatives, permettant de mettre en evidence des tendances dans l evolution. Les contraintes sont alors moins fortes pour les algorithmes et plus r ealistes.

Mod elisation du corps et de ses fonctions

Nous avons mentionn e dans la section 1 limportance des mod` eles comme nouvelles sources de donn ees. Les enjeux sont dune double nature. Il sagit dune part dutiliser des mod` eles biologiques, anatomiques, ou encore biom ecaniques comme guide pour linterpr etation des images. Cest le cas par exemple des descriptions neuro-anatomiques d ej` a mentionn ees. Il sagit egalement dexploiter les sources dimagerie pour constituer des mod` eles du corps humain, soit du point de vue anatomique, soit du point de vue fonctionnel. Ce domaine est susceptible de beaucoup progresser gr ace aux grosses bases de donn ees qui sont en train d etre constitu ees dans plusieurs laboratoires et h opitaux. Par exemple, mentionnons les mod` eles de respiration, construits soit ` a partir de mod` eles math ematiques comme dans le fant ome NCAT [25] (structures thoraciques d enies par des NURBS, et dont les points de contr ole sont modi es pour simuler la respiration), soit de mod` eles biom ecaniques, comme celui d evelopp e dans [24] ` a partir de propri et es physiologiques et adapt e` a di erents sc enarios de respiration. Dautres mod` eles concernent les pathologies, et des mod` eles d evolution de tumeurs ont par exemple et e publi es. Parmi les plus r ecents, citons lutilisation de donn ees is-

sues dIRM de diusion pour am eliorer les mod` eles de diffusion et prolif eration non isotropes de la croissance de tumeurs c er ebrales [16]. Lint egration de tels mod` eles dans les techniques de traitement et dinterpr etation dimages constitue une piste prometteuse de recherches. Le domaine cardiaque est un domaine dans lequel de nombreux mod` eles sont d evelopp es, et ont consid erablement evolu e ces derni` eres ann ees. La cr eation de la conf erence FIMH (Functional Imaging and Modeling of the Heart) en 2001 en atteste. Dans ce contexte, citons le projet Integrative Biology 2 [15]. Ce projet est d edi e aux probl` emes cardiaques et aux tumeurs canc ereuses et repose sur le d eveloppement de mod` eles computationnels d etaill es permettant d etudier ces pathologies. Par exemple, un mod` eles des bres structurelles du cur a et e mis au point. De mani` ere plus g en erale, le projet Physiome 3 [2], qui vise ` a la compr ehension et ` a la description quantitative de lorganisme, de sa physiologie et de ses pathologies, dans le but dam eliorer la sant e, regroupe des travaux sur la mod elisation du cur et des poumons, de la fonction cardiaque, des ux sanguins et des echanges, etc. Les mod` eles ne sont pas seulement de nature math ematique ou computationnelle. Ils peuvent egalement etre de nature plus descriptive, et des travaux sur les ontologies commencent ` a appara tre dans le domaine de limagerie m edicale. Les ontologies permettent de mod eliser ` a la fois des concepts et des relations entre ces concepts et ont vocation ` a etre r eutilis es. Citons par exemple les travaux men es ` a Rennes sur lontologie du cortex c er ebral [13]. Ces travaux pourront servir de support ` a des applications en fouille de donn ees, domaine qui prend de limportance en imagerie m edicale. Ils constituent egalement des ressources pr ecieuses pour lenseignement et la formation.

ont pu etre d evelopp ees r ecemment avec succ` es (par exemple [9, 12, 19]). Dans les cas pathologiques, l etude de la r eorganisation du cerveau (voir par exemple [14, 20]), le suivi des evolutions entre des images pr e-op eratoires et post-op eratoires, la localisation de foyers epileptiques ou dautres types de pathologies, sont autant denjeux cruciaux que les d eveloppements conjoints des techniques dimagerie, de leur implantation dans les h opitaux et des techniques de traitement et dinterpr etation dimages permettent daborder. Des travaux men es par exemple au sein de lInstitut dImagerie Neurofonctionnelle IFR 49 5 portent entre autres sur la neuroimagerie int egr ee des d emences (devenu un enjeu majeur de sant e publique), sur lexploitation de limagerie en neurochirurgie (par exemple pour limplantation d electrodes intrac er ebrales, les bilans pr e-op eratoires, la r esection de tumeurs), sur l etude des fonctions cognitives chez ladulte et lenfant. Dans tous ces domaines, le traitement dimages peut apporter beaucoup, et la complexit e des questions pos ees donnera s urement lieu ` a de nouveaux d eveloppements originaux ` a la fois du point de vue th eorique et m ethodologique et du point de vue applicatif. De m eme, la fusion de donn ees issues de plusieurs types dimagerie fonctionnelle, ou de donn ees dimagerie et de donn ees electrophysiologiques (EEG, MEG), a d ej` a donn e lieu ` a des contributions (par exemple [1]) et est egalement appel ee ` a prendre de plus en plus dampleur.

Contribution de limagerie au dossier patient

Neurologie et neurosciences

Les applications en neurologie et en neurosciences suscitent toujours de nombreux travaux. Les probl ematiques senrichissent et les nouvelles images disponibles permettent de tenter de r epondre ` a des questions de plus en plus complexes. Il sagit en particulier de cartographier larchitecture c er ebrale et ses fonctions. Ces travaux sappuient sur de nombreux d eveloppements : d etection et reconnaissance des structures gyrales et des sillons, analyse des faisceaux de bres en IRM de diusion [18, 22] et des liens quils etablissent entre les aires c er ebrales, identication des aires fonctionnelles... R ecemment, des travaux visent ` a etudier les plissements de la surface corticle et la sulcog en` ese [23]. Lanalyse dimages IRM ant enatales fournit des informations permettant denvisager une meilleure compr ehension de la croissance du cerveau et de la variabilit e des plissements dun individu ` a lautre [7]. On trouvera dans [17] un panorama des questions importantes, des solutions et des perspectives, ainsi quune importante bibliographie. La d etection dactivations repose encore beaucoup sur la m ethode SPM 4 (Statistical Parametric Mapping), mais dautres m ethodes, reposant sur des principes di erents,
2. http://www.integrativebiology.ox.ac.uk/ 3. http://www.physiome.org/ 4. http://www.fil.ion.ucl.ac.uk/spm/

Si les discussions sur le dossier patient sont anciennes, elles se sont ampli ees r ecemment avec la cr eation du GIPDMP 6 . Les questions importantes sont actuellement publi ees sous forme de ches et concernent surtout lidentication, le format, les interfaces, les droits dacc` es, les aspects juridiques. Tr` es peu de travaux concernent lexploitation des images, les r esultats de traitement dimages, les annotations, dans le contexte du DMP. Ils sont pour linstant d evelopp es dans les laboratoires de recherche, et l` a encore les d eveloppements en imagerie m edicale pourraient certainement contribuer ` a la constitution des DMP. Des outils partag es comme BrainVisa et Anatomist 7 ou 8 ITK constitueraient alors des supports de d eveloppement et dutilisation primordiaux.

R ef erences
[1] A. Aubert, R. Costalat, H. Duau, and H. Benali. Modeling of pathophysiological coupling between brain electrical activation, energy metabolism and hemodynamics: insights for the interpretation of intracerebral tumor imaging. Acta Biotheor., 50(4):281295, 2002. [2] J. B. Bassingthwaighte. The Macro-Ethics of Genomics to Health: The Physiome Project. Comptes Rendus de lAcad emie Fran caise, 326:11051110, 2003.
5. http://www.ifr49.org/ 6. http://www.sante.gouv.fr/htm/dossiers/gip_dmp/ sommaire.htm 7. http://brainvisa.info/ 8. http://www.itk.org/

[3] I. Bloch. Traitement dimages. In B. Bouchon-Meunier and C. Marsala, editors, Traitement de donn ees complexes et commande en logique oue, chapter 3, pages 95152. Hermes, Paris, France, 2003. [4] I. Bloch (sous la direction de). Fusion dinformations en traitement du signal et des images. Herm` es, Paris, France, 2003. [5] I. Bloch. Fuzzy Spatial Relationships for Image Processing and Interpretation: A Review. Image and Vision Computing, 23(2):89110, 2005. [6] I. Bloch, T. G eraud, and H. Ma tre. Representation and Fusion of Heterogeneous Fuzzy Information in the 3D Space for Model-Based Structural Recognition - Application to 3D Brain Imaging. Articial Intelligence Journal, 148:141175, 2003. [7] A. Cachia, J.-F. Mangin, D. Rivi` ere, F. Kherif, N. Boddaert, A. Andrade, D. Papadopoulos-Orfanos, J.-B. Poline, I. Bloch, M. Zilbovicius, P. Sonigo, F. Brunelle, and J. R egis. A Primal Sketch of the Cortex Mean Curvature: A Morphogenesis Based Approach to Study the Variability of the Folding Patterns. IEEE Transactions on Medical Imaging, 22(6):754765, jun 2003. [8] T. F. Chan, B. Y. Sandberg, and L. A. Vese. Active contours without edges for vector-valued images. Journal of Visual Communication and Image Representation, 11(2):130141, 2000. [9] P. Ciuciu, J.B. Poline, G. Marrelec, J. Idier, C. Pallier, and H. Benali. Unsupervised robust nonparametric estimation of the hemodynamic response function for any fMRI experiment. IEEE Transactions on Medical Imaging, 22(10):12351251, 2003. [10] O. Colliot, O. Camara, and I. Bloch. Un mod` ele d eformable int egrant des relations spatiales pour la segmentation de structures c er ebrales. Revue I3, 2005. [11] T.F. Cootes, D. Cooper, C.J. Taylor, and J.Graham. Active shape models - their training and application. Computer Vision Image Understanding, 61(1):3859, January 1995. [12] O. Coulon, J.-F. Mangin, J.-B. Poline, V. Frouin, and I. Bloch. Group Analysis of Individual Activation Maps using 3D Scale-Space Primal Sketches and a Markovian Random Field. In M. Moore, editor, Spatial Statistics: Methodological Aspects and Applications, CRM Series in Statistics LNS 159, chapter 10, pages 201212. Springer Verlag, New York, 2001. [13] O. Dameron, B. Gibaud, and M. Musen. Using Semantic Dependencies for Consistency Management of an Ontology of Brain Cortex Anatomy. In 1st International Workshop on Formal Biomedical Knowledge Representation, KRMED04, pages 3038, 2004. [14] J. Doyon and H. Benali. Reorganization and plasticity in the adult brain during learning of motor skills. Curr Opin Neurobiol., 15(2):161167, 2005. [15] D. A. Gavaghan, S. Lloyd, D. R. S. Boyd, P. W. Jereys, A. C. Simpson, D. F. Mac Randal, L. Sastry, and L. Kleese van Dam. Integrative Biology - Exploiting e-Science to Combat Fatal Diseases. In AHM2004, 2004. [16] S. Jbabdi, E. Mandonnet, H. Duau, L. Capelle, K.R. Swanson, M. P el egrini-Issac, R. Guillevin, and H. Benali. Simulation of anisotropic growth of low-grade gliomas using diusion tensor imaging. Magnetic Resonance in Medicine, 2005.

[17] J.-F. Mangin. Une vision structurelle de lanalyse des images c er ebrales. Habilitation a ` Diriger des Recherches, Universit e Paris 11, 2005. [18] J.-F. Mangin, C. Poupon, C. Clark, D. Le Bihan, and I. Bloch. Eddy-Current Distorsion Correction and Robust Tensor Estimation for MR Diusion Imaging. Medical Image Analysis, 6(191-198), 2002. [19] G. Marrelec, P. Ciuciu, M. P el egrini-Issac, and H. Benali. Estimation of the hemodynamic response function in event-related functional MRI: Bayesian networks as a framework for ecient Bayesian modeling and inference. IEEE Trans. Med. Imag., 23(8):959967, Aug. 2004. [20] S. Meunier, L. Garnero, A. Ducorps, L. Mazieres, S. Lehericy, S. T. du Montcel, B. Renault, and M. Vidailhet. Human brain mapping in dystonia reveals both endophenotypic traits and adaptive reorganization. Ann Neurol., 50(4):521527, 2001. [21] J. Montagnat, H. Delingette, and N. Ayache. A Review of Deformable Surface: Topology, Geometry and Deformation. Image and Vision Computing, 19:10231040, 2001. [22] C. Poupon, J.-F. Mangin, C. A. Clark, V. Frouin, J. R egis, D. Le Bihan, and I. Bloch. Towards Inference of Human Brain Connectivity from MR Diusion Tensor Data. Medical Image Analysis, 5:115, 2001. [23] J. R egis, J.-F. Mangin, T. Ochiai, V. Frouin, D. Rivi` ere, A. Cachia, M. Tamura, and Y. Samson. Sulcal root generic model: a hypothesis to overcome the variability of the human cortex folding patterns. Neurol Med Chir (Tokyo), 45:117, 2005. [24] A. Santhanam, C. Fidopiastis, F. Hamza-Lup, J. Rolland, and C. Imielinska. Physically-based deformation of highresolution 3D models for augmented reality based medical visualization. In Augmented Environments for Medical Imaging AMI-ARCS & MICCAI 2004, pages 2131, Rennes, France, 2004. [25] W. P. Segars, D. S. Lalush, and B. M. W. Tsui. Modeling respiratory mechanics in the MCAT and spline-based MCAT phantoms. IEEE Transactions on Nuclear Science, 48(1):8997, 2001. [26] J. A. Sethian. Level set methods: evolving interfaces in geometry, uid mechanics, computer vision and material science. Cambridge University Press, 1996. [27] D.W. Townsend, J.P.J. Carney, J.T. Yap, and N.C. Hall. PET/CT today and tomorrow. The Journal of Nuclear Medicine, 45(1 (Suppl.)):4S14S, January 1999. [28] L. A. Vese and T. F. Chan. A multiphase level set framework for image segmentation using the Mumford and Shah model. International Journal of Computer Vision, 50(3):271293, 2002. [29] L. Vieu. Spatial Representation and Reasoning in Articial Intelligence. In O. Stock, editor, Spatial and Temporal Reasoning, pages 541. Kluwer, 1997. [30] T. Vik. Mod` eles statistiques dapparences non gaussiens. Application a ` la cr eation dun atlas probabiliste de perfusion c er ebrale en imagerie m edicale. PhD thesis, Universit e Louis Pasteur, Strasbourg I, Strasbourg, France, 2004. [31] S. G. Waxman. Correlative Neuroanatomy. McGraw-Hill, New York, 24 edition, 2000. [32] C. Xu, D.L. Pham, and J.L. Prince. Medical image segmentation using deformable models. In J.M. Fitzpatrick and M. Sonka, editors, Handbook of Medical Imaging, volume 2, pages 129174. SPIE Press, 2000.