RECALAGE SCAN / IRM-T2 (ISIS/Curie)

Grégoire Malandain et Pierre-Yves Bondiau

Contenu

  • Contexte de l'étude
  • Description des données
  • Recalage rigide
  • Validation
  • Résultats
  • Références

  • Contexte de l'étude

    Il s'agissait de recaler rigidement les données scanner et IRM d'un même patient. Les images ont été fournies par ISIS/institut Curie après une visite du professeur Rosenwald et de monsieur Diot à l'INRIA.

    Description des données

    Recalage rigide

    Avant recalage les volumes 3D reconstruits, initialement codés sur 2 octets, ont été converti sur 1 octet. Les 2 volumes 3D ont ensuite été recalés automatiquement (sans segmentation) grâce au logiciel YASMINA développé par Alexis Roche et utilisant l'intensité des images pour guider le recalage.
    Dans ce cas, nous avons utilisé l'information mutuelle comme critère de recalage. D'après notre expérience. celui-ci semble être le mieux adapté ppour recaler ces deux modalités. [1], [2].

    Validation

    Une étude de la précision du recalage 3D a été menée sur la base d'images du Retrospective Registration Evaluation Project décrit dans [3]. Les transformations réelles sont connues grace à des marqueurs implantés visibles dans toutes les modalités. La précision est calculée en comparant la position de diverses régions d'intérêt (représentant un intérêt neurologique et/ou chirurgical) avec la transformation trouvée par rapport à la transformation réelle.
    Les équipes utilisant l'information mutuelle comme critère de recalage obtiennent une erreur médiane de 1.6 mm sur ces zones d'intérêt, pour un recalage CT/IRM.

    Alexis Roche a repris les mêmes images mais a utilisé quelques points choisis manuellement a peu près sur la surface du crâne, et trouve une erreur médiane de 2.0 mm pour un recalage CT/IRM, avec le critère d'information mutuelle [1].
    La précision du recalage est directement liée à la taille du point dans les coupes et à l'épaisseur des coupes.

    Résultats

    Après détermination de la transformation rigide 3D, nous avons rééchantillonné l'image IRM afin de simuler des coupes IRM correspondantes aux coupes scanner.

    Nous avons également extrait des contours dans les coupes scanner que nous avons superposés aux coupes IRM. Les images affichées étant réduites, il faut les afficher en pleine résolution pour mieux voir les contours.

    Données originales, coupe axiale (géométrie d'acquisition)
    Coupe scanner originale avec fenêtrage étroit Une des coupes IRM du volume original qui pourrait correspondre à la coupe scanner de gauche

    Données recalées, coupe axiale (géométrie d'acquisition)
    Coupe scanner originale Contours 2D de la coupe scanner de gauche superposés sur la coupe IRM de droite Coupe IRM rééchantillonnée en 3D (d'après le recalage) correspondant à la coupe scanner de gauche.
    Même légende, première coupe scanner du volume scanner 3D
    Même légende, une des dernières coupes scanner du volume scanner 3D
    Nous présentons les mêmes résultats mais sur des coupes sagittales et coronales. Comme les coupes sont épaisses, nous avons rééchantillonné ces coupes afin de les rendre isotropes (uniquement pour la visualisation). Les contours 2D calculés l'ont été sur les coupes scanner rééchantillonnées.
    Données originales, coupe sagittale
    Coupe sagittale du volume IRM 3D original, correspondant à peu près à la coupe sagittale de la ligne ci-dessous. Cette vue montre qu'il existe une rotation d'environ 30 degrés entre les 2 volumes 3D originaux, CT et IRM.
    Données recalées, coupe sagittale
    Données recalées, coupe coronale
    Coupes scanner originales mais rééchantillonnées selon l'axe vertical. Contours 2D des coupes scanner de gauche superposés sur les coupes IRM de droite Coupes IRM rééchantillonnées en 3D (d'après le recalage), puis à nouveau rééchantillonnées selon l'axe vertical, correspondant aux coupes scanner de gauche

    Références

    [1]
    A. Roche, G. Malandain, X. Pennec, and N. Ayache. The Correlation Ratio as a New Similarity Measure for Multimodal Image Registration. 1st International Conference on Medical Image Computing and Computer-Assisted Intervention (MICCAI'98), pages 1115-1124, October 1998, Boston (LNCS 1496 , Springer Verlag).
    [2]
    A. Roche, G. Malandain, X. Pennec, and N. Ayache. Multimodal Image Registration by Maximization of the Correlation Ratio. Rapport de recherche INRIA, 1998, numéro RR-3378.
    [3]
    J. West, J.M. Fitzpatrick, M.Y. Wang, B.M. Dawant, C.R. Maurer, R.M. Kessler, R.J. Maciunas, C. Barillot, D. Lemoine, A. Collignon, F. Maes, P. Suetens, D. Vandermeulen, P. van den Elsen, S. Napel, T. Sumanaweera, B. Harkness, P.F. Hemler, D. Hill, D. Hawkes, C. Studholme, J.B.A. Maintz, M. Viergever, G. Malandain, X. Pennec, M. Noz, G. Maguire, M. Pollack, C. Pelizzari, R. Robb, D. Hanson, R. Woods. Comparison and evaluation of retrospective intermodality brain image registration techniques. Journal of Computer Assisted Tomography, 1997, volume 21, pages 554--566.

    [Home page] [Publications] [Epidaure description] [Epidaure home page] [Epidaure gallery]


    Grégoire Malandain
    Last modified: Wed Dec 16 17:05:30 MET 1998