Inserm
- Post-Doctorant
PARIS 13
2009 - 2011
Caractérisation multi-échelles de l’os
La connaissance du domaine de l’imagerie osseuse s’est faite par des études bibliographiques, par la réalisation d’un atlas pour un laboratoire pharmaceutique et par la rédaction d’un article. Ces études ont montré l’aspect multi-échelles des analyses à mener.
Je travaille à la mise au point d’outils de caractérisation de la macro-architecture du fémur. Ces outils ont été développés sous la forme d’un logiciel. Sur des images d’ostéodensitométrie acquises, l’utilisateur peut positionner un masque (série de points reliés entre eux) en s’aidant d’informations fournies par des histogrammes. À partir de la position et de la forme du masque obtenu, les paramètres de la macroarchitecture sont alors évalués.
Un autre axe de recherche, en partenariat avec les biologistes du laboratoire, est la mise au point d’outils de caractérisation de la morphologie de cellules osseuses et plus généralement de toute cellule à partir d’images de microscopie électronique. Un logiciel, ChocINSERM (Characterisation of Cells by INSERM), a été développé dans ce sens à partir des bibliothèques ITK, VTK, VTKINRIA3D et Qt. Il permet de récolter des informations qualitatives et de réaliser des mesures linéaires et surfaciques sur la cellule étudiée. Ce logiciel a été déposé à l’agence pour la protection des programmes (APP) en partenariat avec INSERM-Transfert (filiale privée de l’INSERM).
Depuis début novembre 2009, mon travail est financé par le projet ANR MATAIM (Modèles Anisotropes de Textures. Applications à l’Imagerie Médicale - ANR-09-BLAN-0029-01). Concernant le " tissu osseux ", ce projet vise à créer, développer et valider un ou plusieurs paramètres de texture sur des radiographies de l’os afin de prédire la présence ou l’absence d’un risque de fracture.
INRIA
- Doctorant
Le Chesnay
2005 - 2009
Évaluation de l’atrophie et de la charge lésionnelle sur des séquences IRM de patients atteints de sclérose en plaques.
Ces travaux de thèse se sont déroulés au sein de l’équipe Asclépios de l’INRIA Sophia Antipolis. L’objectif était d’analyser une base de données d’images de résonance magnétique (IRM) cérébrales de patients atteints de sclérose en plaques (SEP). Dans ce but, deux marqueurs IRM ont été choisis : la charge lésionnelle et l’atrophie. Le premier correspond au nombre (et/ou volume) des lésions (signal hyper-intense ou hypo-intense sur les images IRM). Le second est dû à une perte de tissus conduisant à une diminution du volume cérébral. Ces marqueurs peuvent être évalués manuellement par le clinicien. Cependant, ces mesures sont fastidieuses et sujettes à une grande variabilité intra- et inter-experts. De plus, plusieurs images (modalités) sont disponibles pour un même sujet au même instant, complexifiant ainsi l’analyse et augmentant le nombre d’informations à traiter. L’enjeu de cette thèse était donc d’automatiser ces mesures.
Cette automatisation a commencé par l’amélioration et/ou la proposition de nouveaux algorithmes semiautomatiques. Par exemple, un algorithme de croissance de région a été développé pour permettre, à partir d’un clic de l’expert au centre d’une lésion, d’obtenir une segmentation (délimitation) 3D complète de cette lésion. Concernant l’atrophie, j’ai cherché à augmenter la reproductibilité de mesures linéaires sur des séquences longitudinales (au cours du temps) d’images, grâce à un recalage dans un espace de référence. Ces algorithmes semi-automatiques permettent d’obtenir plus rapidement et de manière contrôlée par l’expert des mesures de référence auxquelles pourront être confrontés les résultats de méthodes automatiques. Concernant ces dernières, de nouvelles méthodes ont été proposées. Leurs réalisations se décomposent en trois parties. Tout d’abord, pour un même sujet et pour un même instant, trois modalités IRM sont prétraitées. Lors de cette étape, une nouvelle méthode de segmentation du cerveau (hémisphères cérébraux + cervelet + tronc) a été proposée. Celle-ci est basée sur l’obtention, grâce à l’algorithme STAPLE, d’un masque probabiliste à partir de trois autres masques générés par des méthodes de la littérature. Ensuite, une chaîne de traitement visant à segmenter les différents compartiments (substance blanche, substance grise et liquide céphalo-rachidien) a été mise en place à partir d’un algorithme de classification par espérance maximisée (EM)).
Les segmentations produites par cette chaîne ont été utilisées pour calculer automatiquement un seuil à appliquer sur une séquence IRM pour obtenir une segmentation des lésions. Cette approche est reprise de la littérature mais j’en ai proposé deux nouvelles versions. La première segmente les lésions du cortex, la seconde celles du cervelet. Enfin, les segmentations obtenues par la chaîne de traitement sont utilisées pour calculer la fraction parenchymateuse cérébrale et ainsi évaluer l’atrophie. Pour ce calcul, deux versions de l’algorithme sont proposées. Contrairement à la première, la seconde prend en compte les informations longitudinales dans le calcul. Ces méthodes ont été comparées aux autres méthodes automatiques existantes et disponibles sur internet ainsi qu’aux mesures de référence obtenues par un expert.
À partir de ces travaux, la base de données à étudier a été analysée selon trois axes : statique, dynamique et par sujet. Cette analyse a permis de montrer la présence ou l’absence de corrélation entre plusieurs paramètres. L’analyse par sujet a aussi introduit une discussion sur l’influence de certains paramètres cliniques ou radiologiques qui pourraient faire varier de façon erronée les différentes mesures.
Les algorithmes développés ont été implémentés dans un nouveau logiciel dédié à l’analyse de patients atteints de SEP : SepINRIA, http ://www-sop.inria.fr/asclepios/software/SepINRIA/. Ce dernier basé sur les bibliothèques ITK, VTK, VTKINRIA3D et wxWidgets a été déposé à l’APP.
