FR2862791A1 - Procede de segmentation d'une structure et systeme d'imagerie associe - Google Patents

Abstract

Le procédé de la présente invention sert à segmenter une structure d'intérêt à partir d'un ensemble de données volumétriques (40). Le procédé identifie (42) des régions de la structure en utilisant des gabarits ayant les caractéristiques de la structure d'intérêt. Les régions identifiées peuvent alors subir un processus de croissance limitée (58) utilisant des contraintes dynamiques qui peuvent varier en fonction de statistiques locales associées aux régions identifiées. Les bords présents dans le volume (40) peuvent être déterminés (46) en utilisant des données de gradient déterminées en évaluant le plus grand gradient entre chaque voxel et tous les voxels voisins. Les données de bord peuvent être utilisées pour empêcher le processus de croissance limitée (58) de dépasser les limites de la structure d'intérêt.

Description

2862791 2

bidimensionnelle, c'est-à-dire tranche par tranche, ou de manière tridimensionnelle, c'est-à-dire en visualisation volumique, qui permet d'analyser les données pour trouver des pathologies vasculaires. Par exemple, les données peuvent être analysées pour les anévrismes, la calcification vasculaire, l'évaluation des donneurs de reins, le placement des endoprothèses, le blocage vasculaire et l'évaluation vasculaire pour les dimensions et/ou l'écoulement. Une fois qu'une pathologie a été repérée, des évaluations quantitatives de la pathologie peuvent être faites sur les tranches d'origine en deux dimensions.

Comme on peut s'y attendre, la segmentation et l'extraction de structures complexes, comme le système vasculaire dans le précédent exemple de CTA, peuvent tirer profit d'une segmentation précise, c'est-à-dire d'une identification, des données d'image correspondant à la structure d'intérêt. De même, l'évaluation quantitative des pathologies localisées, comme noté plus haut, peut tirer profit d'une segmentation précise. Cependant, les techniques de segmentation existantes peuvent incorporer de façon incorrecte l'arrière-plan ou les objets proches dans la structure segmentée en raison d'une mauvaise reconnaissance des bords ou des inhomogénéités dans les données d'image. De façon similaire, les techniques existantes peuvent exclure de manière erronée des données d'image de la structure segmentée en raison d'une mauvaise reconnaissance des bords et/ou des inhomogénéités. De telles exclusions peuvent potentiellement donner lieu à un arrêt prématuré ou erroné de la technique de segmentation. En outre, les fentes ou les fusions dans la structure d'intérêt peuvent ne pas être correctement segmentées par les techniques existantes à cause de ces inconvénients. De plus, la variabilité anatomique et pathologique au sein de la population des patients, due par exemple aux dépôts de plaque dans le système vasculaire ou à la présence de dispositifs d'intervention, comme des endoprothèses, peut déconcerter davantage le processus de segmentation.

Par exemple, dans la CTA, les intensités des images en chevauchement, la proximité étroite des structures observées et la résolution limitée du détecteur peuvent rendre difficile la séparation automatique des structures osseuses et vasculaires. En particulier, la proximité de structures vasculaires et d'os dans la région de la tête et du cou, le long des vertèbres et 2862791 3 près du bassin rendent la tâche de segmentation extrêmement complexe pour les algorithmes informatiques. La présence de calcification ou de dispositifs d'intervention peut aggraver ces difficultés.

En conséquence, la segmentation correcte d'une structure tridimensionnelle complexe ou contiguë, comme le système vasculaire autour de la région de la tête et du cou, peut nécessiter une intervention ou une saisie d'un opérateur. En particulier, l'intervention de l'opérateur peut être nécessaire pour désigner les points de départ initiaux et/ou pour empêcher les inclusions ou exclusions involontaires de données volumétriques de la structure segmentée. Cette intervention de l'opérateur peut conduire à des retards non souhaitables ainsi qu'à une variabilité inter et intra-utilisateurs dans la segmentation des structures. Il existe donc un besoin pour une technique améliorée de segmentation de structures dans un volume, de préférence avec peu ou pas d'intervention humaine.

La présente technique fournit une nouvelle approche de la segmentation automatique d'une structure d'intérêt dans un ensemble de données volumétriques. Une initialisation automatique peut être effectuée pour identifier une ou plusieurs régions d'amorçage dans les données d'image d'après des gabarits qui caractérisent les propriétés de la structure d'intérêt. Les régions identifiées servent de points de départ pour le processus de croissance limitée qui suit. Des limites de bord peuvent être calculées en fonction des données de gradient obtenues en comparant chaque voxel à tous les voxels voisins et en attribuant la valeur de gradient absolu maximale comme gradient pour ce pixel. On peut alors employer la recherche de chemin limitée en utilisant les données de bord et les régions d'amorçage, ainsi que des zones en coupe pour les régions des données d'image. Le processus de recherche de chemin limitée peut employer des contraintes dynamiques qui sont modifiées en fonction de statistiques locales, en permettant à des pixels candidats d'être fondus sélectivement dans la région de premier plan. Ce processus peut être répété jusqu'à ce qu'il n'y ait plus de pixel candidat. Le volume résultant comprend la structure d'intérêt segmentée.

Selon un premier aspect de la présente invention, on propose un procédé de détermination de voxels de bords. Selon cet aspect, on calcule un gradient pour chaque voxel d'une pluralité de voxels en déterminant une 2862791 4 composante de gradient absolu maximale par rapport à chaque voxel voisin. Un ou plusieurs voxels de bord est identifié dans la pluralité de voxels d'après une comparaison des gradients de chacun des voxels avec un gradient de bord seuil. La présente invention propose également des systèmes et programmes informatiques qui ont une fonctionnalité du type défini par ces procédés.

Selon un autre aspect de la présente invention, on propose un procédé pour segmenter une structure. Selon cet aspect, un ou plusieurs voxels candidats sont fondus de manière itérative dans une région de premier plan comprenant au moins un ou plusieurs voxels initiaux. Les voxels candidats sont fondus en fonction d'une ou plusieurs contrainte(s) dynamique(s). Les voxels candidats fondus deviennent les voxels initiaux pour l'itération suivante. Une file d'attente de voxels candidats est mise à jour de façon itérative à chaque itération en se basant sur les nouveaux voxels initiaux. Les processus itératifs sont arrêtés pour produire une structure segmentée qui comprend la région de premier plan. La présente invention propose également des systèmes et programmes informatiques qui ont une fonctionnalité du type défini par ces procédés.

Selon un autre aspect de la présente invention, on propose un procédé pour identifier une structure d'intérêt. Selon cet aspect, on fournit au moins un gabarit parmi un gabarit géométrique et un gabarit fonctionnel. Chaque gabarit représente au moins une caractéristique d'une structure d'intérêt. Une ou plusieurs région(s) de la structure d'intérêt sont identifiées d'après la similarité de la caractéristique respective dans les régions et les gabarits fournis. La présente invention propose également des systèmes et programmes informatiques qui ont une fonctionnalité du type défini par ces procédés.

Selon un aspect supplémentaire de la présente invention, on propose un procédé pour segmenter automatiquement une structure à partir d'un ensemble de données d'image. Selon cet aspect, une ou plusieurs région(s) initiale(s) correspondant à une structure d'intérêt sont choisies à partir d'un ensemble de données volumétriques. Une carte de bord est générée à partir de l'ensemble de données volumétriques. La structure d'intérêt est segmentée de manière itérative en utilisant au moins la ou les régions initiale(s) et la carte de bord. La segmentation est basée sur une ou plusieurs contraintes dynamiques.

2862791 5 La présente invention propose également des systèmes et programmes informatiques qui ont une fonctionnalité du type défini par ces procédés.

La présente invention sera mieux comprise à la lecture de la description détaillée qui suit, en se référant aux dessins annexés, dans lesquels: la figure 1 est une représentation schématique générale de certains composants fonctionnels d'un système d'imagerie générique exemplaire configuré pour une mise en oeuvre à distance via la technique de la présente invention; la figure 2 est un organigramme décrivant une technique servant à segmenter dynamiquement une structure à partir d'un ensemble de données volumétriques, selon la présente invention; la figure 3 est un organigramme décrivant une technique servant à calculer une carte de bord, selon la présente invention; et la figure 4 est un organigramme décrivant une technique servant à faire croître dynamiquement une structure segmentée à partir d'un ensemble de voxels initiaux, selon la présente invention.

En se référant à présent aux dessins, et tout d'abord à la figure 1, un système d'imagerie exemplaire 10 adapté à une utilisation dans un contexte médical est représenté. De manière générale, le système d'imagerie 10 comporte un dispositif d'imagerie 12 de type quelconque qui peut fonctionner selon divers principes physiques pour créer des données d'image. En général, le dispositif d'imagerie 12 crée des données d'image représentatives de régions d'intérêt dans un patient 14 sur un support numérique. Comme pourront l'apprécier les personnes ayant une connaissance ordinaire du métier, le système d'imagerie 10 peut comprend un système d'imagerie par tomographie informatisée (CT), par résonance magnétique (RM), par tomographie à émission de positons (TEP), par tomographie à faisceau d'électrons (TFE) ou autre modalité de système d'imagerie capable de générer un ensemble de données volumétriques.

Le dispositif d'imagerie 12 fonctionne sous le contrôle de circuits de commande 16 de système. Les circuits de commande 16 de système peuvent comprendre une large gamme de circuits, tels que des circuits de commande de source de rayonnement, des circuits de minutage, des circuits pour coordonner 2862791 6 l'acquisition de données en association avec les mouvements d'un patient ou d'une table, des circuits pour commander la position de sources et de détecteurs de rayonnement, et ainsi de suite. Dans le présent contexte, les circuits de commande 16 de système peuvent également comprendre des éléments de mémoire pour mémoriser des programmes et des routines mettant en oeuvre les techniques décrites ici, qui peuvent être exécutés par les circuits de commande 16 de système ou bien par des composants associés du système d'imagerie 10.

Le dispositif d'imagerie 12, suite à l'acquisition des données d'image ou de signaux, peut traiter ces signaux, par exemple pour les convertir en valeurs numériques, puis transférer les données d'image à des circuits d'acquisition de données 18. Pour les systèmes numériques, les circuits d'acquisition de données 18 peuvent exécuter une large gamme de fonctions de traitement initial, comme le réglage de plages dynamiques numériques, le lissage ou l'affinage de données, ainsi que la compilation de flux et fichiers de données, à chaque fois que cela est nécessaire. Les données peuvent ensuite être transférées à des circuits de traitement de données 20 dans lesquels un traitement et une analyse supplémentaires sont effectués. Pour les différents systèmes d'imagerie numérique disponibles, les circuits de traitement de données 20 effectuent des analyses substantielles des données, un classement des données, un affinage, un lissage, une reconnaissance de caractéristiques, etc., qui facilitent la production d'un ensemble de données d'image utile. Les fonctions de traitement des données peuvent en général être exécutées selon les instructions d'un ou de plusieurs techniciens. Les images ou données d'image acquises peuvent être mémorisées dans des dispositifs de stockage à court ou à long terme, comme un système de communication et d'archivage d'images (ou PACS, pour "Picture Archiving Communication System") qui peut être accessible localement ou sur un réseau.

Les opérations et fonctions du système d'imagerie 10 décrites ci- dessus peuvent être gérées au niveau d'un pupitre de scanographe (ou scanner) 24, qui sert typiquement d'interface avec les circuits de commande 16 de système. Le pupitre de scanographe 24 peut comporter un ou plusieurs ordinateurs 30, ou composants à base de processeur, polyvalents ou dédiés à une application. Le pupitre de scanographe 24 peut comporter un moniteur 32 2862791 7 ou autre dispositif d'affichage et un ou plusieurs dispositifs d'entrée 34. Le moniteur 32 et les dispositifs d'entrée 34 peuvent être utilisés pour voir et saisir des informations de configuration ou pour faire fonctionner les aspects du système d'imagerie 10, selon les techniques décrites ici. Comme pour les circuits de commande 16 de système, le pupitre de scanographe 24 peut comprendre ou communiquer avec une mémoire ou un composant de stockage de données pour stocker des programmes et des routines mettant en oeuvre les techniques décrites ici. De plus, la mémoire ou le composant de stockage peut comprendre un ou plusieurs dispositifs de mémoire, comme des unités magnétiques ou optiques, de types similaires ou différents, qui peuvent être locaux ou bien distants les uns des autres.

Le pupitre de scanographe 24 peut être couplé à un système de communication et d'archivage d'images (système PACS). Le système PACS peut être couplé à un pupitre distant, à un système d'information de service de radiologie (SIR), à un système d'information hospitalier (SIH) ou à un réseau interne ou externe, afin que d'autres, en des endroits différents, puissent avoir accès à l'image et aux données d'image. En outre, on peut prévoir localement plus d'un pupitre de scanographe 24. Par exemple, un scanographe ou station d'imagerie peut comprendre un pupitre qui permet la régulation des paramètres impliqués dans la procédure d'acquisition de données d'image, tandis qu'un pupitre de scanographe différent peut être prévu pour manipuler, améliorer et voir les images reconstruites résultantes.

Comme noté plus haut, le pupitre de scanographe 24 peut comporter un ou plusieurs ordinateurs ainsi qu'un moniteur 32, qui permet d'afficher des images et/ou des volumes produits à partir des données acquises. Ces images et/ou volumes représentent typiquement les caractéristiques internes d'un patient, destinées à être étudiées et analysées par un technicien ou un radiologue. Afin de faciliter le processus d'étude et d'analyse, il est possible d'effectuer la segmentation et l'extraction d'une ou plusieurs structures d'intérêt puis d'afficher la ou les structure(s) extraite(s).

Dans la segmentation de structures, les éléments de visualisation discrets, comme les pixels dans une image à deux dimensions ou les voxels dans un volume en trois dimensions, associés à une structure d'intérêt sont identifiés. Une fois identifiée, la structure segmentée peut être extraite et 2862791 8 affichée en deux dimensions ou bien visualisée en trois dimensions, séparément des données d'image d'arrière-plan. En variante, la structure segmentée peut être masquée, c'est-à-dire soustraite de l'ensemble de données d'image, pour pouvoir reconstruire une image ou un volume sans la structure segmentée, ce qui peut faciliter l'observation des structures sous-jacentes.

La segmentation, toutefois, peut être problématique quand les intensités d'image de la structure d'intérêt chevauchent les intensités d'image d'arrière-plan, ce qui rend problématique l'identification des bords de la structure. En outre, les inhomogénéités à l'intérieur de la structure ou de l'arrière-plan peuvent rendre difficile l'identification précise et la sélection des voxels de structure ou des voxels. Ces inhomogénéités peuvent inclure la variabilité anatomique ou pathologique au sein du patient, comme les calcifications ou les dispositifs d'intervention, comme les endoprothèses, dans le système vasculaire. En raison de ces problèmes, un technicien peut avoir besoin d'amorcer les aspects du processus de segmentation, par exemple en sélectionnant initialement les points de départ de la structure, ou bien d'intervenir pour empêcher l'arrêt prématuré de la segmentation ou l'inclusion ou l'exclusion incorrecte des éléments d'arrière-plan dans la structure d'intérêt. Cependant, du fait de la quantité de données qui doivent être examinées pour identifier les composants de la structure, typiquement de 150 à 1 500 tranches pour des données de CTA, il est hautement souhaitable de minimiser l'implication humaine dans le processus de segmentation, à la fois pour des raisons de temps et de charge de travail.

Une technique qui peut être employée pour segmenter une structure avec peu ou pas d'intervention humaine est décrite en figure 2. La technique décrite en figure 2 est indépendante de la modalité et est par conséquent applicable à la segmentation de structures dans des volumes générés par différentes modalités, parmi lesquelles la CT, la RM, la TEP, la TFE, etc. Par souci de simplicité, cette technique est décrite dans le contexte de la CTA.

Toutefois, comme l'appréciera l'homme du métier, cette technique peut être appliquée à d'autres modalités et à d'autres structures.

Dans le contexte d'un exemple de CTA, l'ensemble de données volumétriques 40 peut être une pile reconstruite de tranches axiales, typiquement formatées selon la norme DICOM ("Digital Imaging and 2862791 9 Communications In Medicine", imagerie et communication numériques en médecine). La résolution des données dans le plan varie, et peut être comprise entre 0,55 mm et 0,88 mm avec une plage d'épaisseur de tranche reconstruite de 1,25 mm à 2,0 mm, bien que d'autres résolutions dans le plan et suivant z soient possibles. Les résolutions d'image dans chacune des trois dimensions peuvent être enregistrées pour assister la surveillance et l'évaluation des informations sur les structures dans une mesure physique exacte. Les intensités d'image associées à chaque tranche peuvent se conformer à une valeur de luminosité standard à 16 bits.

Une étape d'initialisation automatique 42 peut être exécutée sur le volume d'intérêt pour générer des points initiaux pour la recherche de structure tridimensionnelle. En particulier, l'étape d'initialisation automatique 42 localise des structures d'intérêt tridimensionnelles dans le volume 40 sans saisie manuelle. L'étape d'initialisation automatique 42 peut identifier les objets tridimensionnels en utilisant des représentations géométriques simples ou fondamentales à deux ou à trois dimensions telles que des sections transversales, des projections et ainsi de suite, et/ou en utilisant des modèles fonctionnels comme la distribution d'intensité, le niveau d'intensité, le motif, etc. En utilisant des gabarits géométriques et fonctionnels, l'algorithme d'initialisation automatique peut être généralisé pour identifier des structures d'intérêt tridimensionnelles à partir de n'importe quel ensemble de données volumétriques, quelle que soit la modalité d'imagerie sous-jacente.

Une base de données de gabarits 44 peut fournir des gabarits à l'étape d'initialisation automatique 42. La base de données de gabarit 44 peut contenir différents gabarits basés sur les objets d'intérêt et sur les distributions d'intensité possibles de ces objets. Chaque gabarit est une représentation basique d'un objet qui reproduit les caractéristiques géométriques et/ou fonctionnelles de l'objet. Par exemple, dans le contexte de la CTA, la structure d'intérêt est le réseau vasculaire en trois dimensions, qui est constitué de composants essentiellement tubulaires. Par conséquent, un gabarit géométrique adapté pour le système vasculaire peut comporter un modèle de gabarit rond, puisque les vaisseaux sanguins sont généralement de section circulaire dans les plans axial, coronal, sagittal ou arbitrairement oblique d'un ensemble de données. De même, un gabarit fonctionnel adapté pour le système vasculaire 2862791 10 peut comprendre des déviations d'intensité standard faibles ou autres critères d'homogénéité statistique, puisque les teintes ou agents de contraste radio-opaques utilisés pour la CTA donnent typiquement une atténuation uniforme des rayons X. Si nécessaire, des modèles de gabarits personnalisés peuvent être créés pour des objets d'intérêt en fonction des applications. Par conséquent, dans l'exemple de la CTA, on peut utiliser une étape d'initialisation automatique 42 orientée par un gabarit pour localiser les régions de l'ensemble de données volumétriques 40 qui correspondent sensiblement aux caractéristiques du gabarit, c'est-à-dire les régions rondes ayant une intensité uniforme. Ces régions localisées indiquent les régions du système vasculaire, c'est-à-dire la structure d'intérêt, et servent de points de départ potentiels pour une identification et une segmentation de structure ultérieures.

En plus des points de départ, on peut déterminer les bords de la structure d'intérêt, par exemple en localisant les zones ou régions ayant un fort contraste d'intensité. Les emplacements des bords peuvent être utilisés pour générer une carte de bord, comme décrit à l'étape 46, qui indique les limites de l'objet dans les données d'image. Par exemple, la détection de bord de gradient est souvent utilisée pour détecter les limites d'un objet, puisque les bords correspondent à de forts gradients d'éclairage. Dans la présente technique, comme décrit en figure 3, le gradient au niveau d'un voxel peut être calculé à l'étape 48 en trouvant la composante de gradient absolu maximale du voxel par rapport aux vingt- six voxels voisins. Le fait de déterminer le gradient pour chaque voxel par rapport à chacun des vingt-six voxels voisins permet de détecter les limites faibles, qui, sinon, pourraient être manquées.

Une fois le gradient déterminé pour chaque voxel, on peut produire une image de gradients 50 qui représente le gradient associé à chaque voxel. A l'étape 52, on peut appliquer un seuil, qui peut être fourni par l'opérateur ou bien déterminé statistiquement à partir des données d'image, pour déterminer quels voxels constituent des voxels de bord d'après leurs valeurs de gradient correspondantes. On peut produire une carte de bord 54 qui représente les voxels de bord. La carte de bord 54 empêche les algorithmes d'identification et de segmentation de structure ultérieurs d'inclure de façon erronée des voxels provenant des régions d'arrière-plan et des objets voisins dans la structure segmentée.

2862791 11 L'étape suivante de la segmentation est une étape de recherche de chemin dynamique 58, décrite plus en détail en figure 4, qui extrait des structures d'intérêt tridimensionnelles de l'ensemble de données volumétriques 40 en commençant par les voxels initiaux calculés à l'étape d'initialisation automatique 42. L'étape de recherche de chemin dynamique peut prendre comme valeurs d'entrée pour la croissance de région limitée la carte de bord 46, les voxels initiaux, et les dimensions en section transversale des régions identifiées, calculées à l'étape 56. L'opération de recherche de chemin dynamique est typiquement un processus itératif dans lequel les régions identifiées par l'initialisation automatique comprennent les voxels initiaux originaux 60 qui forment la région de premier plan initiale. On fait croître la région de premier plan de manière itérative dans toutes les directions pour étendre la région en trois dimensions.

Tous les voxels reliés aux voxels initiaux 60 constituent une file d'attente de voxels candidats 64. Les voxels candidats sont fondus dans la région de premier plan, comme décrit à l'étape 62, si les voxels candidats satisfont la contrainte voulue, comme un critère d'homogénéité voulue. Les voxels candidats qui sont fondus dans la région de croissance deviennent les nouveaux voxels initiaux 60 et la file d'attente de voxels candidats est mise à jour pour refléter le nouvel ensemble de voxels reliés, comme décrit à l'étape 66. La croissance de région peut être poursuivie un nombre prédéterminé d'itérations ou bien jusqu'à ce que la file d'attente de voxels candidats soit vide, comme déterminé dans la case de décision 68, ou bien substantiellement vide. Une fois la croissance de région terminée, les voxels fondus constituent la structure segmentée 70.

Comme noté plus haut, le processus de croissance peut être modifié de façon dynamique. En particulier, la contrainte utilisée à l'étape de recherche de chemin 58 peut être modifiée dynamiquement en fonction de l'anatomie ou de statistiques locales de la structure tridimensionnelle. De cette manière, la contrainte peut être modifiée pour permettre au processus de recherche de chemin de segmenter correctement les structures tridimensionnelles non homogènes. Par conséquent, la recherche de chemin peut être modifiée selon l'anatomie de la structure.

2862791 12 Par exemple, les contraintes utilisées pour la recherche de chemin peuvent être modifiées dynamiquement en fonction des dimensions de la section transversale et des statistiques locales de la région. En particulier, les dimensions de la section transversale de chaque région, telles que déterminées à l'étape 56, peuvent indiquer si la région est isolée de l'objet d'arrière-plan ou bien est reliée aux structures d'arrière-plan. Un changement brusque des dimensions de la section transversale peut indiquer la fusion et la séparation des structures tridimensionnelles dans l'ensemble de données volumétriques 40. Par exemple, dans le cas de la CTA, une taille de région inférieure à 30 mm2 suggère que la section de la structure vasculaire tridimensionnelle est isolée par rapport aux structures d'arrière-plan. Les contraintes portant sur la croissance de région peuvent donc être relâchées pour les voxels candidats associés à ces régions. Une taille de région supérieure à 30 mm2 suggère que la section de la structure vasculaire tridimensionnelle est reliée aux structures d'arrière-plan, par exemple des os. Les contraintes portant sur la croissance de région peuvent donc être resserrées pour les voxels candidats associés à ces régions. La carte de bord 54 empêche le processus de croissance de région de croître dans des structures non vasculaires reliées.

La croissance limitée de la région de premier plan peut être démontrée par les règles possibles suivantes: 1) Si un voxel candidat appartient à une région qui est plus petite qu'un seuil de taille bas (STbas), le voxel candidat peut être fondu avec la région de premier plan, c'est-à-dire la structure segmentée, si son intensité se trouve entre un seuil d'intensité bas (Tbas) et un seuil d'intensité haut (Thaut).

Les seuils Tbas et Thaut représentent la plage de la distribution d'intensité de la région de premier plan. Les divers seuils peuvent être calculés à partir des points de départ initiaux, c'est-à-dire les voxels initiaux 60. Si un voxel candidat est fondu avec la région de premier plan, les voxels non fondus reliés au voxel fondu sont ajoutés à la file d'attente de voxels candidats 64 pour l'itération suivante de la croissance limitée.

2) Si un voxel candidat appartient à une région qui est plus grande que STbas, le voxel candidat peut être fondu dans la région de premier plan si la différence d'intensité entre le point candidat et le voxel relié dans la région de premier plan est inférieure à 0,6*6a. L'écart type 6a représente l'écart type des 2862791 13 voxels classés dans un cube local de dimensions n*n*n autour des voxels initiaux 60. La valeur initiale de 6a est calculée à partir des voxels initiaux 60 du départ, avant la croissance itérative. Si un voxel candidat est fondu dans la région de premier plan, les voxels non fondus reliés au voxel fondu sont ajoutés à la file d'attente de voxels candidats 64 pour l'itération suivante de la croissance limitée.

Comme noté plus haut, pendant le processus itératif, les voxels classéscomme structure dans une itération, c'est-à-dire les voxels fondus, deviennent les voxels initiaux 60 pour l'itération suivante. A la fin de chaque itération, 6a peut être mis à jour pour corriger les statistiques locales de la région. Le paramètre adaptatif 6a est calculé dans un cube local de dimension n*n*n autour des voxels initiaux 60. La variable n est typiquement un nombre entier compris entre 1 et 10, par exemple n peut valoir 6 dans une application de CTA typique. En limitant de façon dynamique la croissance en fonction du paramètre 6a mis à jour de manière itérative, la recherche de structures non homogènes peut être améliorée.

Comme l'apprécieront les personnes ayant une connaissance ordinaire du métier, les exemples qui précèdent ne représentent qu'un ensemble de règles possibles qui permettent la modification dynamique du processus de croissance limitée. Les règles peuvent être modifiées ou d'autres règles peuvent être développées pour adapter les règles à des régions anatomiques spécifiques d'après les caractéristiques et les propriétés de la région anatomique. De même, les règles peuvent être modifiées ou d'autres règles développées selon la modalité employée pour produire l'ensemble de données volumétriques 40.

La présente technique peut être mise en oeuvre sous la forme d'une ou plusieurs routines efficaces au point de vue calcul, permettant la segmentation automatique de structures dans un ensemble de données volumétriques. Grâce à la nature automatisée et à l'efficacité en terme de calcul du processus de segmentation, la structure segmentée peut être obtenue en temps presque réel, ou en temps réel. De manière similaire, la robustesse de cette technique la rend utile pour traiter n'importe quel ensemble de données, qu'il y ait présence ou absence de pathologies et quelle que soit la modalité utilisée pour produire l'ensemble de données volumétriques 40.

2862791 14 La structure segmentée 70, une fois obtenue, peut être extraite et visionnée séparément des données d'image d'arrière-plan ou bien masquée pour améliorer la vue des données d'image d'arrière-plan. En variante, la structure segmentée 70 peut être visualisée à différents degrés d'opacité et de translucidité, de sorte que le technicien a la possibilité de fondre progressivement la structure segmentée 70 dans le rendu volumétrique ou de la détacher progressivement de celui-ci. De cette manière, le technicien peut utiliser la présence de la structure segmentée 70 pour fournir des informations d'orientation et de localisation. Toutefois, une fois orientée, la structure segmentée 70 peut être exclue pour examiner d'autres structures ou l'arrière-plan. En plus de configurer la translucidité ou l'opacité du masque, le technicien peut avoir la possibilité d'augmenter ou de diminuer l'intensité de la structure segmentée dans une image ou un volume, afin de générer le rendu souhaité.

Alors que l'invention peut être susceptible de connaître diverses modifications et variantes, des modes de réalisation spécifiques ont été montrés à titre d'exemple dans les dessins et ont été décrits en détail dans la présente description. Cependant, il est bien entendu que l'invention n'est pas destinée à être limitée aux formes particulières divulguées.

Claims (26)

REVENDICATIONS

1. Procédé de segmentation d'une structure, comprenant une étape de détermination (46) de voxels de bords, caractérisé en ce que ladite étape de détermination comprend les étapes consistant à : calculer (48) un gradient pour chaque voxel d'une pluralité de voxels (40) en déterminant une composante de gradient absolu maximale par rapport à chaque voxel voisin; et identifier un ou plusieurs voxels de bord (54) dans la pluralité de voxels (40) d'après une comparaison (52) des gradients de chacun des voxels (40) avec un gradient de bord seuil.

2. Procédé selon la revendication 1, caractérisé en ce que chaque voxel voisin comprend vingt-six voxels voisins.

3. Système d'imagerie (10), caractérisé en ce qu'il comprend: un dispositif d'imagerie (12) configuré pour produire une pluralité de signaux représentatifs d'une ou plusieurs structures à l'intérieur d'un volume d'intérêt; des circuits d'acquisition de données (18) configurés pour acquérir la pluralité de signaux; des circuits de traitement de données (20) configurés pour traiter la pluralité de signaux, les circuits de traitement de données (20) étant en outre configurés pour calculer (48) un gradient pour chaque voxel d'une pluralité de voxels (40) correspondant au volume d'intérêt en déterminant une composante de gradient absolu maximale par rapport à chaque voxel voisin et pour identifier un ou plusieurs voxels de bord (54) dans la pluralité de voxels (40) d'après une comparaison (52) des gradients de chacun des voxels (40) avec un gradient de bord seuil; des circuits de commande (16) de système configurés pour faire fonctionner au moins un élément parmi le dispositif d'imagerie (12) et les circuits d'acquisition de données (18) ; et un pupitre d'opérateur (24) configuré pour communiquer avec les circuits de commande (16) de système et pour recevoir la pluralité de signaux des circuits de traitement de données (20).

4. Procédé selon la revendication 1, caractérisé en ce qu'il comprend les étapes consistant à : 2862791 16 fondre de manière itérative (62) un ou plusieurs voxels candidats dans une région de premier plan comprenant au moins un ou plusieurs voxels initiaux (60), les voxels candidats étant fondus (62) en fonction d'une ou plusieurs contrainte(s) dynamique(s), et les voxels candidats fondus devenant les voxels initiaux pour l'itération suivante; mettre à jour de façon itérative (66) une file d'attente de voxels candidats (64) à chaque itération en se basant sur les nouveaux voxels initiaux; et arrêter les processus itératifs pour produire une structure segmentée (70) qui comprend la région de premier plan.

5. Procédé selon la revendication 4, caractérisé en ce qu'au moins l'une des contraintes dynamiques est mise à jour d'après au moins un paramètre parmi une section transversale de la région et une statistique locale de la région.

6. Procédé selon la revendication 4, caractérisé en ce que l'arrêt du processus itératif se produit lorsque la file d'attente de voxels candidats est substantiellement vide.

7. Procédé selon la revendication 4, caractérisé en ce qu'il comprend en outre le fait de sélectionner (42) un ensemble initial de voxels initiaux (60) en utilisant un ou plusieurs gabarits (44).

8. Système d'imagerie selon la revendication 3, caractérisé en ce qu'il comprend: un dispositif d'imagerie (12) configuré pour produire une pluralité de signaux représentatifs d'une ou plusieurs structures à l'intérieur d'un volume d'intérêt; des circuits d'acquisition de données (18) configurés pour acquérir la pluralité de signaux; des circuits de traitement de données (20) configurés pour traiter la pluralité de signaux, les circuits de traitement de données (20) étant en outre configurés pour fondre de manière itérative (62) un ou plusieurs voxels candidats dans une région de premier plan comprenant au moins un ou plusieurs voxels initiaux (60), les voxels candidats étant fondus en fonction d'une ou plusieurs contrainte(s) dynamique(s), et les voxels candidats fondus devenant les voxels initiaux pour l'itération suivante, pour mettre à jour de 2862791 17 façon itérative (66) une file d'attente de voxels candidats (64) à chaque itération en se basant sur les nouveaux voxels initiaux, et pour arrêter le processus itératif pour produire une structure segmentée (70) qui comprend la région de premier plan; des circuits de commande (16) de système configurés pour faire fonctionner au moins un élément parmi le dispositif d'imagerie (12) et les circuits d'acquisition de données (18) ; et un pupitre d'opérateur (24) configuré pour communiquer avec les circuits de commande (16) de système et pour recevoir la pluralité de signaux des circuits de traitement de données (20).

9. Système d'imagerie (10) selon la revendication 8, caractérisé en ce que les circuits de traitement de données (20) mettent à jour au moins l'une des contraintes dynamiques d'après au moins un paramètre parmi une section transversale de la région et une statistique locale de la région.

10. Système d'imagerie (10) selon la revendication 8, caractérisé en ce que les circuits de traitement de données (20) arrêtent les processus itératifs lorsque la file d'attente de voxels candidats (64) est substantiellement vide.

11. Système d'imagerie (10) selon la revendication 8, caractérisé en ce que les circuits de traitement de données (20) sont en outre configurés pour sélectionner un ensemble initial de voxels initiaux (60) en utilisant un ou plusieurs gabarits (44).

12. Procédé selon la revendication 1, caractérisé en ce que ladite segmentation est automatiquement effectuée à partir d'un ensemble de données d'image (40), et en ce qu'il comprend les étapes consistant à : choisir (42) une ou plusieurs région(s) initiale(s) correspondant à une structure d'intérêt à partir d'un ensemble de données volumétriques (40) ; générer (46) une carte de bord (54) à partir de l'ensemble de données volumétriques (40) ; et segmenter de manière itérative (58) la structure d'intérêt en utilisant au moins la ou les régions initiale(s) et la carte de bord (54), la segmentation étant basée sur une ou plusieurs contraintes dynamiques.

13. Procédé selon la revendication 12, caractérisé en ce que la génération (46) de la carte de bord (54) comprend les étapes consistant à : 2862791 18 calculer (48) un gradient pour chaque voxel d'une pluralité de voxels de l'ensemble de données volumétriques (40) en déterminant une composante de gradient absolu maximale par rapport à chaque voxel voisin; et identifier un ou plusieurs voxels de bord dans la pluralité de voxels d'après une comparaison (52) des gradients de chacun des voxels avec un gradient de bord seuil.

14. Procédé selon la revendication 12, caractérisé en ce que la segmentation itérative (58) de la structure d'intérêt comprend les étapes consistant à : fondre de manière itérative (62) un ou plusieurs voxels candidats dans une région de premier plan comprenant au moins un ou plusieurs voxels initiaux (60), les voxels candidats étant fondus (62) en fonction d'une ou plusieurs contrainte(s) dynamique(s), et les voxels candidats fondus devenant les voxels initiaux pour l'itération suivante; mettre à jour de façon itérative (66) une file d'attente de voxels candidats (64) à chaque itération en se basant sur les nouveaux voxels initiaux; et arrêter les processus itératifs pour produire une structure segmentée (70) qui comprend la région de premier plan.

15. Procédé selon la revendication 14, caractérisé en ce qu'au moins l'une des contraintes dynamiques est mise à jour d'après au moins un paramètre parmi une section transversale de la région et une statistique locale de la région.

16. Procédé selon la revendication 14, caractérisé en ce que l'arrêt du processus itératif se produit lorsque la file d'attente de voxels candidats (64) est substantiellement vide.

17. Procédé selon la revendication 14, caractérisé en ce qu'il comprend en outre le fait de sélectionner (42) un ensemble initial de voxels initiaux (60) en utilisant un ou plusieurs gabarits (44).

18. Procédé selon la revendication 12, caractérisé en ce que la sélection (42) d'une ou plusieurs régions initiales comprend les étapes consistant à : 2862791 19 fournir (44) au moins un gabarit parmi un gabarit géométrique et un gabarit fonctionnel, chaque gabarit représentant au moins une caractéristique de la structure d'intérêt; et identifier une ou plusieurs région(s) de la structure d'intérêt d'après la similarité de la caractéristique respective dans les régions et les gabarits fournis.

19. Procédé selon la revendication 18, caractérisé en ce que le gabarit géométrique comprend une forme géométrique.

20. Procédé selon la revendication 18, caractérisé en ce que le gabarit fonctionnel comprend au moins un élément parmi un critère d'homogénéité statistique, une distribution d'intensité, un niveau d'intensité et un motif.

21. Système d'imagerie selon la revendication 3, caractérisé en ce qu'il comprend: un dispositif d'imagerie (12) configuré pour produire une pluralité de signaux représentatifs d'une ou plusieurs structures à l'intérieur d'un volume d'intérêt; des circuits d'acquisition de données (18) configurés pour acquérir la pluralité de signaux; des circuits de traitement de données (20) configurés pour traiter la pluralité de signaux, les circuits de traitement de données (20) étant en outre configurés pour sélectionner (42) une ou plusieurs région(s) initiale(s) correspondant à une structure d'intérêt à partir d'un ensemble de données volumétriques (40), pour produire (46) une carte de bord (54) à partir de l'ensemble de données volumétriques (40), et pour segmenter de manière itérative (58) la structure d'intérêt en utilisant au moins la ou les région(s) initiale(s) et la carte de bord (54), la segmentation étant basée sur une ou plusieurs contraintes dynamiques; des circuits de commande (16) de système configurés pour faire fonctionner au moins un élément parmi le dispositif d'imagerie (12) et les circuits d'acquisition de données (18) ; et un pupitre d'opérateur (24) configuré pour communiquer avec les circuits de commande (16) de système et pour recevoir la pluralité de signaux des circuits de traitement de données (20).

2862791 20

22. Système d'imagerie (10) selon la revendication 21, caractérisé en ce que les circuits de traitement de données (20) produisent (46) la carte de bord (54) en calculant (48) un gradient pour chaque voxel d'une pluralité de voxels de l'ensemble de données volumétriques (40) en déterminant une composante de gradient absolu maximale par rapport à chaque voxel voisin et en identifiant un ou plusieurs voxels de bord dans la pluralité de voxels d'après une comparaison (52) des gradients de chacun des voxels avec un gradient de bord seuil.

23. Système d'imagerie (10) selon la revendication 21, caractérisé en ce que les circuits de traitement de données (20) segmentent de manière itérative (58) la structure d'intérêt en fondant de manière itérative (62) un ou plusieurs voxels candidats dans une région de premier plan comprenant au moins un ou plusieurs voxels initiaux (60), les voxels candidats étant fondus (62) en fonction d'une ou plusieurs contrainte(s) dynamique(s), et les voxels candidats fondus devenant les voxels initiaux pour l'itération suivante, en mettant à jour de façon itérative (66) une file d'attente de voxels candidats (64) à chaque itération en se basant sur les nouveaux voxels initiaux, et en arrêtant les processus itératifs pour produire une structure segmentée (70) qui comprend la région de premier plan.

24. Système d'imagerie (10) selon la revendication 23, caractérisé en ce que les circuits de traitement de données (20) sont configurés pour mettre à jour au moins l'une des contraintes dynamiques d'après au moins un paramètre parmi une section transversale de la région et une statistique locale de la région.

25. Système d'imagerie (10) selon la revendication 23, caractérisé en ce que les circuits de traitement de données (20) sont configurés pour arrêter les processus itératifs lorsque la file d'attente de voxels candidats (64) est substantiellement vide.

26. Système d'imagerie (10) selon la revendication 21, caractérisé en ce que les circuits de traitement de données (20) sélectionnent (42) une ou plusieurs région(s) initiale(s) en identifiant une ou plusieurs région(s) de la structure d'intérêt d'après la similarité d'une ou plusieurs caractéristique(s) des régions et un ou plusieurs gabarit(s), les gabarits comprenant au moins un gabarit parmi un gabarit géométrique et un gabarit fonctionnel et où chaque 2862791 21 gabarit représente au moins une caractéristique respective de la structure d'intérêt.