IfI Institut de la Francophonie pour l'Informatique Rapport de stage - Master 2 Systèmes Intelligents et Multimédia OPTIMISATION PAR PARALLÉLISATION DE L’ALGORITHME DE RECALAGE ÉLASTIQUE 3D FREE FORM DEFORMATION (FFD) LE Xuan Sang 5 décembre 2013 Encadrants : Dr. Thierry DELZESCAUX (CEA), Nicolas SOUEDET (CEA) Muriel VISANI (Université de La Rochelle) TIEU LUAN MOI download : skknchat@gmail.com TIEU LUAN MOI download : skknchat@gmail.com Remerciements Je souhaite tout d’abord remercier mon encadrant de stage, Thierry Delzescaux, pour m’avoir accueilli au sein de l’équipe, pour son soutien tout au long du stage, sa disponi- bilité, et ses conseils nombreux et éclairés. Merci également à Nicolas Souedet pour m’avoir aidé à me familiariser avec l’environ- nement de développement à MIRCen, mais surtout pour sa gentillesse et son implication dans mon stage. Un grand merci à Anne-Sophie Hérard et Michel Vandenberghe pour leur regard de biologiste et pour leur enthousiasme dans ma préparation des données de segmentation, une longue et fastidieuse tâche.
Sans oublier Yaël Balbastre et Medhi Sadouni, mes amis du bureau 114, pour l’accueil chaleureux, pour l’ambiance de travail très amicale et pour leurs blagues très drôles même si je ne les ai pas toutes comprises. Je tiens à remercier Muriel Visani, mon encadrant de l’université de La Rochelle, pour le suivi et les relectures du rapport au cours de mon stage. Merci enfin à Maryse Mouveroux pour m’avoir aidé à résoudre toutes les démarches administratives difficiles qui ont permis la réalisation de mon stage. TIEU LUAN MOI download : skknchat@gmail.com TIEU LUAN MOI download : skknchat@gmail.com Table des matières 1 Introduction 3 2 État de l’art 5 2.1 Les maladies neurodégénératives .2 La recherche pré-clinique et les modèles animaux .3 Les différents types d’imagerie .1 Imagerie post morterm .1 Acquisition des données .2 Les différentes types de déformations .2 Imagerie in vivo .3 La modalité photographique .4 La reconstruction 3D de données post mortem .5 Le recalage 3D d’images .2 Transformation non linéaire – le recalage FFD .3 Critères de similarité .4 Critère de recouvrement DICE .5 Le recalage 3D d’images .6 Environnement logiciel utilisé .7 Objectif du stage.
18 3 Optimisation des paramètres du recalage FFD 21 3.1 Description des données utilisées .2 Photographie/Segmentation manuelle .2 Évaluation quantitative du recalage FFD par l’indice DICE .3 Optimisation des paramètres .1 Sous-échantillonnage de données .2 Stratégie optimale du recalage FFD .3 Résolution de la grille de points de contrôle .4 Les combinaisons de composants de couleurs (R,V,B) .5 Les positions de la grille de points de contrôle .4 Valeur optimale d’un paramètre .1 Résultat des expérimentations sur le recalage FFD. 33 i TIEU LUAN MOI download : skknchat@gmail.com Table des matières 4.1 Impact du sous-échantillonnage des données .2 Stratégie optimale de recalage FFD .3 Impact de la dimension de la grille de points de contrôle .4 Impact des différentes combinaisons de composants de couleurs .5 Impact des différentes positions de la grille de points de contrôles. 40 5 Conclusion 43 Bibliographie 45 ii TIEU LUAN MOI download : skknchat@gmail.com Table des figures 2.2 (a) Vue coronale, (b) sagittale, et (c) axiale d’une IRM d’un cerveau de souris, source : wiki. (d) vue coronale d’une TEP d’un cerveau de souris, source : MIRCen.4 Représentation d’un volume biologique : vue surfacique (a) coronale, (b) sagittale, (c) axiale et (d) vue volumique d’autoradiographie d’un hémi- sphère de cerveau de souris.5 Processus d’évaluation du recalage FFD.
L’IRM et la photographie sont utilisées pour estimer la transformation élastique (FFD) de l’une à l’autre. La transformation est par la suite appliquée sur l’atlas pour obtenir un nouvel atlas avec les structures qui sont bien recalées. L’évaluation du re- calage sera faite sur chaque structure entre l’atlas recalé et la segmentation manuelle à l’aide du critère de recouvrement DICE.1 Description de données IRM/atlas, de gauche à droite : vue axiale, coronale et sagittale des données.2 Description de données Photographie/segmentation, de gauche à droite : vue axiale, coronale et sagittale des données.3 Vue 3D de la segmentation manuelle des structures utilisées pour évaluer le FFD (segmentées à partir du volume photographique). Le cerveau entier (1) est utilisé pour évaluer la qualité du FFD sur la forme globale du cerveau ; (2-7) différentes structures internes caractérisées par leur forme et leur orientation.
Chaque structure est étiquetée par une valeur comme montrée dans la figure. Par conséquent, une étape de prétraitement sera nécessaire pour extraire et ré-étiqueter les structures correspondantes de l’atlas en respectant ces valeurs avant de passer à étape d’évaluation. Cette segmentation manuelle se base sur la photographie et a été réalisée par un expert pendant plusieurs semaines. 23 1 TIEU LUAN MOI download : skknchat@gmail.com Table des figures 3.4 Trois commandes Aims principales ont été utilisée pour estimer le recalage FFD : AimsMIRegister s’occupe de l’initialisation de positionnement de l’IRM par rapport à la photographie ; AimsBlockMatching donne une esti- mation sur la déformation globale du cerveau et AimsFFD permet de cap- turer la déformation locale des structures.
La commande AimsThreshold est utilisée pour extraire les structures d’intérêt à partir de l’Atlas/la seg- mentation manuelle. L’application du recalage estimé est effectuée à l’aide de la commande AimsFFDApply. Quant à l’évaluation, l’AimsROIOverlap permet de mesurer l’indice de recouvrement DICE entre deux structures.5 On calcule d’abord les sous-échantillonnages de l’IRM et de la photographie qui sont par la suite utilisés pour l’estimation du recalage. L’application et l’évaluation de celui-ci sont réalisées sur l’Atlas et la segmentation en pleine résolution.6 L’indice DICE est mesuré à chaque fois qu’une transformation est estimée.1 Résultat de l’expérimentation : F = (2, 2, 2; 4, 4, 3) donne une solution op- timale dans ce cas (ς o p t ≈ 0.003) avec environ 4 heures de calcul et le DICE en moyenne le plus élevé.2 Le DICE augmente proportionnellement avec l’augmentation des degrés de liberté des transformations.
On voit bien que le FFD a moins d’impact sur le volume global (cerveau entier) ou sur les grandes structures (striatum, hippocampe) qui sont bien recalées par la transformation affine. Par contre, il améliore bien les déformations locales, surtout sur les petites structures telles que le corps calleux qui présente un gain de 20% entre le FFD et la déformation affine.3 La grille par défaut G = (10, 10, 10) n’est pas optimale, ce qui semble surprenant théoriquement, la solution optimale dans ce cas est la grille G = (5, 4, 6). Un autre point que l’on doit souligner est que le changement de la dimen- sion de la grille de points de contrôle a un impact plus important sur les petits structures que sur les grandes structures.4 Les 7 premiers graphes non-normalisés montrent le score DICE sur chaque structure en fonction des combinaisons RVB. Le dernier représente la va- riation moyenne ς .5 Les 7 graphes après avoir été normalisés (sauf le dernier qui n’est pas à la même échelle).6 Impact de la position de la grille des points de contrôle : Bien que le résultat ne présente aucun gain sur le cerveau entier (structure globale), sur les moyennes et petites structures, il montre une variabilité importante du score DICE.
39 2 TIEU LUAN MOI download : skknchat@gmail.com 1 Introduction “Nothing in life is to be feared. It is only to be understood. Ce stage s’est déroulé au laboratoire des Maladies Neurodégénératives (LMN), un des trois laboratoires de la plate-forme MIRCen 1 située au CEA 2 de Fontenay-aux-Roses, une plate-forme d’imagerie pré-clinique pour la thérapie génique et cellulaire. Elle est consacrée au développement de modèles animaux pertinents de pathologies humaines utilisés pour évaluer des thérapies innovantes, principalement dans le domaine des maladies neurodégénératives mais aussi des maladies infectieuses et cardiaques.
J’ai travaillé dans l’équipe de traitement de l’image bioPICSEL 3 , une équipe de re- cherche multidisciplinaire qui se compose d’informaticiens et de biologistes, dont le travail se focalise sur la mise en place de stratégies d’analyse des images acquises par les biolo- gistes, avec l’objectif de faciliter leur interprétation et l’accès aux informations pertinentes. Concrètement, les différents types d’imageries in vivo disponibles dans le centre, comme l’IRM et la TEP, sont utilisés pour obtenir une vue globale des organes, plus précisément des cerveaux, dans des modèles animaux de pathologies. Les différentes modalités d’ima- gerie post-mortem (histologie, autoradiographie,etc.), peuvent par la suite être corrélées avec les données acquises in vivo pour avoir une représentation plus précise de la maladie (neurodégénérative) étudiée afin de mieux comprendre ses mécanismes, son évolution et de valider des thérapies. Le travail de ce stage consiste à optimiser les paramètres d’une implémentation de l’algo- rithme de recalage élastique FFD (3D) afin d’améliorer la qualité des estimations calculées.
Pour cela, il est nécessaire, dans un premier temps, d’acquérir une bonne connaissance de l’infrastructure logicielle existante (2.6) au sein de l’équipe et de comprendre le fonc- tionnement de l’algorithme de recalage non-linéaire FFD étudié (2. Dans un deuxième temps, il est indispensable de mettre en œuvre un outil permettant d’évaluer quantitati- vement les performances de l’algorithme de recalage et de réaliser une série de tests afin d’optimiser les paramètres de cette méthode. Le but final est de proposer une approche d’optimisation permettant de pallier les problèmes posés. L’objectif du sujet sera détaillé dans la section 2.
Molecular Imaging Research Center - résultat d’un partenariat entre le CEA et l’Inserm 2. Commissariat à l’Énergie Atomique et aux Énergies Alternatives 3. Biomedical Processing of Images Computer Science and Engineering Laboratory 3 TIEU LUAN MOI download : skknchat@gmail.com 1 Introduction 4 TIEU LUAN MOI download : skknchat@gmail.com 2 État de l’art “If you can solve it, it is an exercise, otherwise it’s a research problem. e chapitre présente la recherche bibliographique sur toutes les méthodes, les tech- C niques, et les travaux préliminaires concernant le sujet ; leurs avantages ainsi que leurs inconvénients.
Cette démarche est une étape préalable qui a pour but de me per- mettre de maitriser les théories concernant mon sujet, de mieux comprendre les problèmes posés. Cela m’aide également à établir un protocole d’étude adapté et fiable pour que la réalisation du sujet soit menée à terme. La fin de ce chapitre décrit clairement l’objectif du sujet de stage (2.1 Les maladies neurodégénératives Les maladies neurodégénératives sont des pathologies dégénératives affectant le fonc- tionnement du cerveau, ou plus généralement le système nerveux, de façon progressive au cours de leur évolution. Ces maladies provoquent une détérioration du fonctionnement des cellules nerveuses, en particulier les neurones, pouvant conduire à la mort cellulaire.
Ces maladies touchent principalement les personnes âgées de plus de 65 ans, ont souvent une originale génétique, et restent actuellement incurables. Le fait que leur origine ne soit pas toujours connue précisément pose un vrai problème de recherche dans le domaine biomédi- cal. Les principales maladies neurodégénératives qui sont actuellement étudiées à MIRCen sont : la maladie d’Alzheimer, la maladie de Huntington et la maladie de Parkinson.2 La recherche pré-clinique et les modèles animaux L’objectif de la recherche biomédicale est de comprendre les mécanismes physiologiques du corps humain ainsi que les processus pathologiques afin de permettre le développement de nouvelles thérapeutiques. Elle se compose de trois grandes parties : (Lebenberg, 2010) — La recherche fondamentale.
— La recherche pré-clinique. — La recherche clinique. Tandis que la recherche clinique s’intéresse principalement à l’être humain en étudiant l’évolution d’une pathologie cible ou bien l’effet de certaines méthodes thérapeutiques sur celle-ci, les recherches pré-cliniques et fondamentales visent à reproduire la maladie sur 5 TIEU LUAN MOI download : skknchat@gmail.com 2 État de l’art des modèles animaux afin de comprendre ses mécanismes d’évolution, développer et tester des nouvelles approches thérapeutiques avant de passer à la recherche clinique. À MIRCen, la recherche pré-clinique se fait principalement sur des petits animaux tels que les souris ou les rats.
Ces espèces sont largement utilisées dans les laboratoires car leur vitesse de reproduction est assez rapide (de l’ordre de quelques semaines), ce qui fait que ces modèles sont facilement utilisables dans de nombreuses études exploratoires.