SEGMENTATION DES ZONES DE REMODELAGE DANS LES IMAGES MICRO-CT DE L OS

Transcription

1 SEGMENTATION DES ZONES DE REMODELAGE DANS LES IMAGES MICRO-CT DE L OS Z. Peter, F. Peyrin CREATIS, UMR CNRS 5220, INSERM U630, Lyon, France ESRF, Grenoble, France

2 INTRODUCTION La fragilité osseuse dépende de la micro-structure osseuse Etudié surtout dans l os trabeculaire mais l os cortical est aussi importante Remodelage osseuse l os adapte ses propriétés aux contraintes mécaniques But du travail : Développement des méthodes de traitement d images 3D pour quantifier la remodelage osseuse

3 RECONSTRUCTION QUANTITATIVE : VALIDATION L exactitude de la coefficient d atténuation linéaire reconstruit Fantômes de solutions K 2 HPO 4 avec différents concentrations 1cm Cavités Plexiglas ( ì ( E ) tot = ( A + B!() " 1) % #! c+ B! ñ $ water &' E E E 2D Slice [Nuzzo et al., Med Phys, 2002]

4 ZONES DE REMODELAGE DANS L OS CORTICAL Zones de remodelage : structures elliptiques situées autour des pores L analyse proposée : Images 3D obtenus par micro-ct synchrotron (taille de voxel ~10 µm) pores zones de remodelage Buts : Identifier différents zones de remodelage Analyse quantitative Nouveau paramètres sur la métabolisme osseuse 1 mm échantillon d os cortical (coupe 2D horizontale)

5 Position du problème DONNEES & METHODES 5000 Fond et pores Os + zones de remodelag - Les images ont une histogramme bi-modale facile de seuiller l os du fond mais pas évident de différencier le nouveau os de l os plus ancien - Les méthodes de seuillage sont insuffisantes Number of pixels gray level

6 DONNEES & METHODES Position du problème - Contraste faible contraste des zones de remodelage écart-type du bruit - Artefacts circulaires ( ring artifacts ) seuillage ou méthodes basées contour ne sont pas éfficaces Approche proposée : débruitage (garder la rés. de l image) + segmentation adaptée - Débruitage linéaire standard filtres passe-bas problème : lissage des bords (contours) ne préserve pas les zones de remodelage - Débruitage non-linéaire - Ondelettes (Donoho, Coifman, 1995) - Diffusion anisotrope (Perona, Malik, 1990)

7 ANALYSE D IMAGES : DEBRUITAGE Ondelettes invariants par translation (TI) (Donoho, Coifman, 1995) Diffusion anisotrope (Perona, Malik, 1990)

8 ANALYSE D IMAGES : DEBRUITAGE Ondelettes Invariants par Translation coupe de cortical originale bruit débruitée

9 ANALYSE D IMAGES : SEGMENTATION K-means (avec 5 classes) méthode de classification standard simple («clustering») distribue les données en classes basée sur l homogénéité et l intensité locale bonne approche de la segmentation désirée Appliqué sur l image : originale débruité

10 ANALYSE D IMAGES : SEGMENTATION Algorithmes de croissance de régions : régions initialisées par germes, ajout itérative des pixels reliés à la région Croissance de régions adaptée (méthode CRG) : information a priori : les zones de remodelage se trouvent autour des pores initialisation : les contours des pores on associe une étiquette ( label ) à chaque contour les régions croissent autour de chaque contour ainsi labellisé où niveau de gris de l imag paramètre moyenne courant écart-type courant

11 RESULTATS Image d os cortical application de la méthode à la pile entière traitement coupe par coupe (2D) évolution de l algorithme de croissance de régions

12 RESULTS repres. 3D de la pile segmenté pores : blanc zone de remodelage : gr affichage de pile en z qui varie Segmentation automatique de l image de l os cortical

13 SEGMENTATION DES ZONES DE REMODELAGE DES VOLUMES 3D DE L OS CORTICAL Approche coupe par coupe (application des techniques 2D) originale segmentée (zones de remodelage) pores

14 RESULTATS Evolution de la méthode CRG dévié par les artefacts circulaires

15 ANALYSE D IMAGES : SEGMENTATION Croissance de régions contrainte basée sur watershed (méthode CRGW A priori biologique sur les zones de remodelage : situées autour des pores suivent rigoureusement la forme des contours (d épaisseur constant) But : construire une région «admissible» pour chaque zone de remodelage Segmentation watershed : «bassins versants» qui partagent des frontières les frontières sont les lignes de maxima de la carte de distance

16 ETAPES DE LA METHODE DE SEGMENTATION CRGW binarisée carte de distance watershed «bassins versants» contours & lignes de crête(watershed)

17 RESUME DE LA METHODE CRGW Initialisation avec les contours des pores : «Bassin versant» associée à Segmentation finale : est le maximum de la dérivée : où et

18 RESULTATS la méthode CRGW limitée par les lignes de crête (watershed)

19 Evolution de la méthode CRGW RESULTATS

20 RESULTATS Evolution de la méthode CRGW sans déviation par les «ring artefacts»

21 CRG vs. CRGW

22 RESULTATS VALIDATION DES METHODES Fantôme artificielle fantôme idéale fantôme bruitée : gaussienne, m=0, std=15

23 RESULTATS DE SEGMENTATION Fantôme artificielle : segmentation idéale donnée par les contours Méthode CRG bruit std=15 appliquée directement sur l image bruitée sur l image débruitée appliquée après le débruitage

24 RESULTATS DE SEGMENTATION Fantôme artificielle : segmentation idéale donnée par les contours Méthode CRGW bruit std=15 appliquée directement sur l image bruitée sur l image débruitée appliquée après le débruitage

25 RESULTATS - VALIDATION STATISTIQUE Deux niveaux de bruit gaussien moyen nul : std=7 et std=15 Variabilité des résultats analyse quantitative sur 50 réalisations erreurs globales moyennées de segmentation (barres pour l'écart-type de ces erreurs)

26 CONCLUSIONS But : méthode de segmentation automatique Méthode : débruitage + segmentation par croissance de régions adaptée l importance d une débruitage adaptée avant la segmentation la débruitage par ondelettes TI et diffusion anisotrope donne des résultats similaires Possibilité de quantification des zones de remodelage (l os récemment formée) et donc de la métabolisme osseuse en 3D

27 PERSPECTIVES Extension des méthodes en (véritablement) 3D Débruitage Evaluation des méthodes statistiques (e.g. Non-Local Means [Morel et al. 2005] Ondelettes complexes ([Selesnick et al., 2005]) Diffusion complexe ([Gilboa et al., 2001]) Segmentation Incorporer une contrainte sur la courbure (e.g. modèle Mumford-Shah [Koepfler et al. 2000]) Traiter séparément les approximations et les détails dans le domaine ondelette Quantification Analyse en composantes connexes, descripteurs de forme, «scaling index»

28

29 ANALYSE D IMAGE : DEBRUITAGE Débruitage par des ondelettes different representation image splitted in «low resolution» and «details» same information content : reversible transform

30 IMAGE ANALYSIS : DENOISING Wavelet denoising different representation image splitted in «low resolution» and «details» same information content : reversible transform

31 IMAGE ANALYSIS : DENOISING Wavelet denoising image splitted in «low resolution» and «details» thresholding of wavelets coefficients inverse transform

32 IMAGE ANALYSIS : DENOISING Anisotropic diffusion Principle does not smooth regions with high gradients (preserve contours) iterative method based on a PDE :

33 RESULTS VALIDATION OF THE METHODS Synthetic phantom number of points 'ideal' 'noisy' gray levels ideal phantom noisy phantom : gaussian, m=0, std=7