Vous êtes sur la page 1sur 18

Imagerie Mdicale 3D

Visualisations, segmentations et reconstructions

Bruno NAZARIAN CNRS - 2002

Imagerie mdicale 3D

Ce document pourrait se dfinir comme la conclusion d'un cours d'imagerie en Gnie


Biologique et Mdical. Il est orient autour des post-traitements lis aux processus d'imagerie
mdicale 3D, principalement en ce qui concerne les processus de visualisation et de
reconstruction utiliss en radiologie moderne, dont nous verrons rapidement qu'ils sont
intimement corrls.
Ce document n'a pas pour but de prsenter les techniques d'imagerie mdicale. Ce n'est pas sa
vocation et, du reste, cela dpasserait largement le volume ncessaire un cours d'imagerie
gnraliste. Ceci dit, un prambule important est raliser avant de se lancer dans le "vif du
sujet".

1 Prambule
En radiologie, l'image est la visualisation ultime d'une srie de
traitements d'une information (signal) issue des phnomnes physiques
(lectromagntisme, rayonnement, acoustique, ) utiliss.
Il est donc souvent dlicat d'y associer une ralit visuelle de type
photographique.
L'interprtation d'une image est donc associer la technique
d'imagerie employe
Ces lapalissades se sont pas triviales. Elles ont pour but de rappeler que l'imagerie mdicale
radiologique n'est pas base sur un concept photographique. Si il est vrai que toute image
bitmap reprsente l'chantillonnage d'une certaine information, il faut avoir l'esprit que cette
information peut tre trs diffrente suivant les technologies employes.
Tout l'art du radiologue consiste corrler sa connaissance ncessaire du phnomne
physique qui est utilis avec l'information recueillie (image) et ses connaissances
anatomiques. L'image radiologique n'est pas une photographie. Elle a pour objectif d'tre
interprte. Tous les processus de visualisation, de reconstruction n'ont pour but que de
guider, de faciliter, voire de prciser cette interprtation.
Il est galement ncessaire de rappeler ici que les technologies utilises en IRM,
tomodensitomtrie ou chographie sont extrmement complexes. En particulier, elles sont
sensibles certains contextes prcis et peuvent amener des effets parasites de forte
amplitude, appels artfacts. Ces phnomnes sont connatre et entrent de faon croissante
dans la formation et l'apprentissage du radiologue.

2 Une imagerie volumique particulire


2.a : Introduction
Une premire base de travail en imagerie mdicale est axe autour du codage et de la
visualisation basique des donnes image.

Imagerie mdicale 3D

Il faut savoir que l'imagerie mdicale fournit essentiellement des images monochromes. Cela
simplifie relativement le problme du traitement mais induit une contrainte de prcision
supplmentaire lies la large dynamique de niveaux de gris que les processus d'imagerie
mdicale modernes sont capables de gnrer.
En effet, dans le cadre d'une image photographique, code sur 24 bits (1 octet par composante
Rouge, verte ou bleue), un ton monochrome gris est donn par une rpartition quilibre des
trois composantes primaires. Cela induit une dynamique maximale et largement suffisante
pour l'il humain de 256 niveaux de gris.
Les appareillages d'imagerie mdicale autorisent quant eux le codage de l'information sur
une dynamique de 12 bits, soit 4096 (=212) niveaux de gris. Ce choix est bas sur plusieurs
considrations :

La sensibilit importante des diffrents capteurs utiliss.


La possibilit d'accrotre encore cette sensibilit
La possibilit d'adapter le processus de visualisation sur une partie seulement de la
dynamique

Le meilleur exemple, quant ce dernier point, peut tre illustr par l'chelle densitomtrique
de Hounsfield, un des pres de la radiologie. Cette chelle est composes de valeurs entires
relatives comprises entre 1000 et +1000. A la valeur 1000 correspond la densitomtrie nulle
de l'air. A la valeur 0 correspond la densitomtrie moyenne de l'eau. Enfin la valeur +1000
correspond la densitomtrie forte de structures anatomiques particulirement denses tel l'os
compact. Entre ces valeurs, on retrouve les densits de diffrents tissus musculaires,
graisseux, Plusieurs consquences peuvent alors apparatre :

La taille de cette chelle est de moiti infrieure la plage de 12 bits utilise


classiquement. Qu'importe, de toutes faon elle ne tiendrait pas (ou peine) sur 10 ou 11
bits.
C'est une chelle relative. Il faut donc pouvoir passer (et grer la passage) des valeurs
entires non signes sur 12 bits au valeurs entires relatives de l'chelle de Hounsfield.
Cette dynamique est largement suprieure la dynamique gre par les crans
monochromes (8 bits) et encore plus la dynamique propre de l'il humain. Des
techniques de rduction de dynamique et/ou de fentrage peuvent tre alors introduites.

Ces manipulations sont illustres sur la figure 1 o l'on prsente la processus de dcodage et
de visualisation d'une information tomodensitomtrique 12 bits.
4096

+1000
255

Fonction
affine an+b

Entiers n
non
signs
cods sur
12 bits

Projection
Units
Hounsfield
signes

Entiers
non
signs
cods sur
8 bits

Fentrage

-1000

Figure 1 : L'chelle de Hounsfield


2

Imagerie mdicale 3D

2.b : Des pixels aux voxels, de l'image au volume


Les processus actuels d'imagerie mdicale particulirement l'IRM ou le scanner X hlicodal
ralisent de faon directe ou dans le cadre de reconstructions natives des acquisitions
volumiques. Par analogie l'image numrique bidimensionnelle o le processus
d'chantillonnage s'articule autour des composantes lmentaires nommes pixels,
l'chantillonnage volumique ajoute une troisime dimension. Le pixels acquirent donc une
paisseur et deviennent des voxels (VOlume ELement).
La figure 2 peut illustrer une tel processus.

Figure 10.2 : Echantillonnage 2D et 3D : des pixels aux voxels

Ds lors, on pourra considrer une image volumique comme une fonction discrte de [1,,N]
x [1,,M] x [1,,Q] qui chaque position (i,j,k) de la "grille 3D" associe une information
particulire (en gnral mono- dimensionnelle).

2.c : Isotropie, anisotropie


Il est d'usage que les images bitmap sont la plupart du temps bas sur un chantillonnage
bidimensionnel rgulier et uniforme, se prsentant sous la forme de pixels carrs, de mme
taille (bien que la possibilit de stocker des pixels non carrs puisse tre autorise, notamment
par l'intgration d'un paramtre "aspect ratio" dans le header du fichier de stockage).
De la mme faon, la question de la gomtrie et de la rgularit des voxels doit tre pose.
Dans le cas de voxels cubiques, le volume numrique reprsente un dcoupage rgulier de
l'espace et est qualifi d'isotrope. Dans le cas contraire, on parle alors d'anisotropie.
Les modalits et les techniques d'acquisition interviennent directement dans la notion
d'isotropie. En particulier, lorsque qu'il n'y a pas de relle acquisition volumique, la ralit
volumique est obtenue au niveau matriel par des algorithmes de reconstruction. C'est le
cas notamment du scanner X hlicodal qui permet de grer des relations troites entre chaque
"coupe 3D", notamment en en rglant l'paisseur et la distance entre deux coupes successives,
introduisant ainsi la notion de chevauchement (figure 3)

Imagerie mdicale 3D

chevauchement
Hauteur de
la coupe

Figure 3 : Le chevauchement de deux coupes reconstruites

La visualisation de ces acquisitions volumiques fait donc l'objet de traitements et d'approches


particulires, que nous allons dcrire.

3 Volumique vs Surfacique
3.a : Les concepts
Les mthodologies de visualisation et de reconstruction (indissociables et parfois confondues)
se divisent en deux approches duales : les techniques dites de rendu de surface et les
techniques dites de rendu de volume.
Globalement, il existe la mme dualit entre volumes et surfaces dans les volumes
numriques (images numriques 3D) que dans les images numriques 2D entre rgions et
contours o les rgions sont dlimites par des contours.
Reprsenter un volume revient donc toujours ou presque en visualiser la surface
(priphrie). La diffrence et la distinction entre les deux approches vient du fait que parfois
(dans le cadre des approches surfaciques), on souhaite matrialiser de faon structure cette
priphrie. La figure 4 illustre la dualit de ces deux approches.

Figure 4 : Dualit volume surface en imagerie mdicale volumique

Les forces et faiblesses de ces deux approches peuvent se rsumer de la faon suivante :

Approches volumiques : Elles bnficient naturellement des potentialits visuelles


considrables, issues de leur nature mme de donnes chantillonnes. Les outils
d'analyse que l'on peut y appliquer sont directement issus des outils "classiques" du
4

Imagerie mdicale 3D

traitement d'image dont elles sont les correspondants 3D (filtrage, segmentation,


morphologie mathmatique, ). Ils est par contre vident de cette puissance se paye,
en cot de stockage et temps de traitement. Il est assez difficile de travailler en temps
rel et les visualisations doivent tre adaptes.

Approches surfaciques : Elles agissent un niveau en fait plus lev : celui de la


structure mme des donnes tridimensionnelle que l'on souhaite visualiser ou
reprsenter. Dans tous les cas, une approche reconstructrice est ncessaire
(reconstruction ou modlisation). Le nombre de donnes est alors considrablement
rduit (priphrie oblige) et on peut alors s'orienter vers des outils de travail en temps
rel (mesure, simulation, ralit virtuelle). Des limites contextuelles peuvent par
contre apparatre, notamment dans le cas d'algorithmes de reconstruction ddis des
formes ou structures particulires.

3.b : La segmentation ncessaire


A la diffrence de l'image numrique 2D que l'on peut visualiser et donc apprcier dans son
ensemble les volumes numriques doivent tre le plus souvent segments afin d'en extraire
la partie que l'on souhaite tudier : le volume d'intrt.
Diffrentes techniques peuvent tre utilises : la dlimitation interactive d'une rgion est
l'approche la plus simpliste et assez largement utilise. Des seuillages de niveaux de gris
peuvent galement tres mis en place. Ces seuillages pourront tre largement dpendants de
l'oprateur (seuillage manuel) ou faire l'objet de processus plus automatiques (croissance de
rgion, dtection de contour, seuillage par dtection de valles, ).

Figure 5 : Seuillage interactif d'un cartilage laryng

Dans la pratique, il apparat que ces techniques sont en fait rassembles dans des palettes
d'outils interactifs et donc peuvent tre utilises de faon spcifiques et/ou complmentaires
(figure 5).
Dans tous les cas, l'obtention d'un volume d'intrt est ncessaire. Ce volume pourra alors tre
considr comme un volume binaire ou bien tre compos de voxels assez htrognes, ce qui
en complexifiera le rendu.

Imagerie mdicale 3D

4 Les approches volumiques


4.a : Les reconstructions planaires (MPR)
Cette premire famille de visualisation du volume est la plus simple, mais finalement la plus
ambigu. Il s'agit en fait de reconstruction d'images 2D, reconstruites l'intrieur du volume,
selon un plan choisi par l'oprateur.
Ce type de reconstruction qui une fois n'est pas coutume ne ncessite aucune segmentation
particulire est connue sous le nom de reconstruction multi-planaire ou multi-planar
reconstruction (MPR, en anglais dans le texte).
Les plans les plus standards faisant l'objet de telles reconstructions sont les plans classiques de
l'imagerie radiologique : sagittal, coronal et transversal (axial). Ils sont illustrs sur la figure 6.

Coupe transversale

Coupe sagittale

Coupe coronale

Figure 6 : Les plans de base en imagerie radiologique

Si les dcoupages du volume sont choisis le plus souvent planaires (figure 7a), certains
logiciels implmentent un MPR "courbe" permet en fait de trancher le volume numrique
selon une surface particulire (figure 7b). C'est le cas, notamment, des images multiplanaires
des artres carotides, reconstruites dans des plans courbes, partir d'acquisitions TDM
classiques, axiales. Une autre application, illustre sur la figure 7b est l'obtention d'un image
panoramique du mandibule (un "panorex" partir d'un examen scanner).

Figure 7a : MPR classique de la rgion aortique

Imagerie mdicale 3D

Figure 7b : MPR courbe de la rgion buccale

Il apparat en tout tat de cause que les images obtenues sont techniquement semblables aux
images classiques, bidimensionnelles. Les outils de traitement d'image radiologiques habituels
peuvent tre alors utiliss. Il est noter que la lecture d'images MPR courbe ncessite un
effort particulier du radiologue lors de l'interprtation. Afin d'assister cette interprtation, un
pr-traitement de type correction gomtrique peut alors tre utile.

4.b : Le MIP : Maximum Intensity Projection


Le principe de cette technique est de projeter sur l'image 2D (cran) le maximum d'intensit
des pixels rencontrs dans la direction du regard (figure 8).
Cette technique est devenue quasiment incontournable en imagerie vasculaire o elle trs
utilis, notamment en tomodensitomtrie et I.R.M. pour rehausser le contraste des vaisseaux
par rapport aux tissus environnants. Il est noter que l'hyper signal est le plus souvent obtenu
par l'adjonction de produits de contraste radio-opaques (scanner) et paramagntiques (IRM)
Le point le plus intressant de cette approche rside dans le fait qu'il s'agit dj d'une
technique alliant segmentation et visualisation, bien qu'elle ncessite souvent une "puration"
manuelle du volume afin de dgrossir la zone d'analyse.

Figure 8 : Illustration du principe du MIP

La technologie algorithmique employe rappelle quelque peu celle du lancer de rayon. La


diffrence essentielle rside dans le critre d'arrt du rayon qui est choisi ici sur le maximum
d'intensit du voxel, sans grer aucune rflexion particulire (dans un tel cadre, on en serait
bien incapable). Cette mthodologie peut bien videmment s'tendre d'autres critres : le
Minimum Intensity Projection (Min-IP) peut en tre une illustration.

Imagerie mdicale 3D

De faon plus gnrale, Yves Trousset a travaill sur des critres plus complexes, plus
adaptatifs et a introduit la notion de "Lancer de rayons actif" (LRA) intgrant notamment le
possibilit d'analyse de textures 3D, telle des caractristiques de granulomtrie, La figure 9
illustre ce procd o on a cherch caractriser la texture osseuse du crane, sur une
acquisition volumique IRM

Figure 9 : Application du LRA l'analyse de la texture osseuse du crane

Cette technique du LRA est donc essentiellement une technique de segmentation permettant
d'extraire le volume d'intrt. Le problme du rendu, de la visualisation, doit alors pouvoir
tre abord soit paralllement, soit postrieurement.

4.c : Visualisation : Le Depth Cueing


En bon franais, on parle de rendu volumique par profondeur. Le point de dpart est un
volume d'intrt binaire visualiser. L'ide sous-jacente, fort simple, est de moduler l'intensit
d'affichage des voxels en fonction de leur distance (ou profondeur) la camra virtuelle (voir
figure 10).

Figure 10 : Le principe du rendu de profondeur

Le principal avantage de cet algorithme est sa rapidit d'excution et la possibilit de


l'acclrer de faon matrielle par le stockage hardware des valeurs de profondeur. Le rendu
est quant lui d'assez mdiocre qualit comme l'illustrent les quelques exemples de la figure
11.

Imagerie mdicale 3D

Figure 11 : Quelques exemple de depth cueing

4.d : Visualisation : Les Marching Cubes


L'algorithme des "marching cubes" est la base une technique "voxel-based" mais se
distingue par le fait qu'elle a pour but de gnrer une approximation polydrique de la surface
(frontire) du volume binaire issu de la segmentation.
La mise en place de ce procd repose sur le constat suivant :

Chaque voxel est un lment globalement cubique (restons dans le cadre d'une
isotropie parfaite). A ce titre, il est compos de 8 sommets, astucieusement appels
vertex.
Pour chaque vertex, on doit rpondre la question de savoir de quel ct de la surface
il se positionne. En effet, cette surface est ramene localement un petit polygone,
dfinissant un plan et dcoupant alors l'espace en deux demi-espaces (positif et ngatif
en regard de l'quation cartsienne implicite). Ds lors, si on considre les 8 vertex
d'un voxel, on se retrouve devant 28 soit 256 configurations possibles. Dans la
pratique, le jeu des symtries et rotations fait que l'on se retrouve avec 15
configurations distinctes (figure 12).

Le but est donc de dfinir le rle de chaque vertex dans la structure de la surface polygonale
reprsenter. Cette reprsentation est finalement obtenue par un maillage triangulaire bas sur
les sommets des voxels (les vertex). Ce maillage pourra tre par la suite reprsent via les
techniques classiques de visualisation (Z-buffer, modles d'illumination, )

Figure 12 : Marching cubes : les 15 combinaisons considres

Imagerie mdicale 3D

Figure 13 : Exemples de rendu obtenus avec l'algorithme des marching cubes.

4.e : Visualisation : Les tangentes discrtes


L'algorithme des tangentes discrtes se positionne dans une approche voisine des marchingcubes. On considre ici que la surface de l'objet (volume d'intrt binaire) est constitue des
faces "externes" des voxels frontaliers.

Figure 14 : Illustration de la mthode des tangentes discrte

On calcule donc en chaque voxel des tangentes suivant les 3 directions (x, y et z). Une
normale est ensuite calcule partir de ces tangentes discrtes (figure 14). On obtient donc un
lissage "visuel" du rendu de la surface qui n'est pas sans rappeler le lissage obtenu par le
modle d'illumination de Phong. La figure 15 illustre l'utilisation, sur une mme acquisition
IRM, des marching cubes et des tangentes discrtes.

Figure 15 : Application des marching cubes (gauche) et tangentes discrtes (droite)

4.f : Visualisation : Le ray casting


Il s'agit de l'application des techniques de lancer de rayon aux donnes issues de volumes
numriques pralablement segments.
10

Imagerie mdicale 3D

Rappelons donc que le principe en d'effectuer en sens inverse de la ralit le parcours des
rayons lumineux : On traverse l'cran depuis l'observateur de manire dterminer de quels
objets les rayons proviennent, et ainsi, dterminer leurs caractristiques chromatiques
(figure 16).

Figure 16 : Le principe du ray casting

Applique aux Volumes Numriques mdicaux, cette technique permet par exemple - de
caractriser la transparence par la densit. Dans le cadre de configurations matrielles
"muscles" elle permet de pousser le "volume rendering" dans ces rsultats les plus
spectaculaires (figure 17)

Figure 17 : Application en rendu de volume

4.g : Une illustration : Visible Human / Voxel Man


Le projet Visible Human, n en 1986, est l'origine de la mise en place d'un atlas anatomique
3D bas sur des images photographique, et non pas issues d'une acquisition instrumentale
radiologique. Le volume tridimensionnel du corps humain provient d'un condamn mort
amricain qui a offert son corps pour la science. Ce corps a t congel, puis numris haute
rsolution selon des coupes axiales espaces d'un millimtre par les soins de la "National
Library of Medicine", Bethesda, et de l'Universit du Colorado, USA. Le figure 10.18 illustre
le processus d'acquisition ainsi que quelques unes de ces coupes.

11

Imagerie mdicale 3D

Figure 18 : Acquisition des images du projet Visible Human

Les premires applications dveloppes dans le cadre de ce projets ont t assez naturellement
lies la possibilit de reconstruire des images photographiques dans n'importe quel plan.
C'est videmment une application directe des techniques de MPR (Figure 19).

12

Imagerie mdicale 3D

Figure 19 : Reconstructions coronales du VN de Visible Human

Paralllement, d'autres projet de visualisation volumique de donnes radiologiques 3D et de


ralisation d'atlas anatomiques ont vu le jour. C'est notamment le cas du projet Voxel Man.
N l'Universit de Hambourg, au dbut des annes 1990, ce projet avait pour but d'ajouter
une acquisition 3D "classique" (en l'occurrence, une IRM) une vritable base de donnes
fixant les relations complexes liant chaque voxel ces voisins (identification de structure
identique, tiquetage, densitomtrie, ). L'objectif tait alors de pouvoir raliser des
visualisation de haut niveau par le biais du volume rendering, associ cette gigantesque base
de connaissance (figure 20), notamment par le biais d'introduction de couleurs artificielles.

Figure 20 : Le projet Voxel-Man

Il ne fallait pas grand-chose pour que les deux projets se croisent. Les donnes de Visible
Human ont donc t traites par le logiciel de Voxel-Man pour obtenir, entre autres, les
rendus de la figure, ou les couleurs ne sont plus cette fois issues de procds artificiels mais
d'une ralit photographique (figure 21).

13

Imagerie mdicale 3D

Figure 21 : Quand Voxel-Man rencontre Visible Human

X.4.h : Synthse (?) des approches volumiques


De nombreux dveloppements ont donc t raliss (d'autres sont toujours en cours) afin de
proposer l'utilisateur mdical des outils performants et puissants d'analyse et de visualisation
de volumes issus d'examens tomodensitomtriques ou d'I.R.M. Les derniers dveloppements
portent quant eux sur l'utilisation multi-modale de plusieurs sources de donnes (IRM +
Tomodensitomtrie) pour gnrer, analyser et visualiser des volumes numriques de grande
taille.
Nous conviendrons donc que les approches de type volumique permettent une bonne
visualisation des structures mais posent nanmoins de nombreux problmes pour la
reconstruction de celles-ci, notamment en ce qui concerne la reconnaissance d'un organe
particulier et non pas d'une structure gnrale (os, muscle, tissus aqueux...) dont la
caractrisation n'a t ralise que selon des critres basiques de seuillage. Dans ce dernier
cas, l'intervention d'un utilisateur expert (mdecin, prothsiste...) devient ncessaire pour
l'identification des lments anatomiques, et l'on s'oriente plutt vers une approche surfacique
ce qui permet notamment de rduire souvent le nombre de points de donnes de faon
considrable.

5 Les approches surfaciques


5.a : Introduction
Comparativement aux approches volumiques (voxel-based), les approches surfaciques
s'appuient sur un ensemble bien plus rduit de points : ceux pouvant tre considrs comme
appartenant la surface des organes modliser. Ces points rsultent d'une analyse pralable
des images destine dtecter les contours des formes en prsence et extraire des points
pertinents qui constitueront l'ensemble de donnes de la mthode de reconstruction.

14

Imagerie mdicale 3D

Les phases de traitement et d'analyse des images de coupe constituent une tape importante.
Elles sont directement l'origine de la qualit de l'ensemble des points de donnes dont nous
disposons lors de la phase de reconstruction. On peut diviser cette tape en trois phases
distinctes :
- Une phase de pr-traitement : Il s'agit d'utiliser des outils classiques du traitement
d'images afin d'purer celles-ci de tous les dfauts nuisibles une bonne analyse de
ces donnes : on pense videmment l'limination du bruit (filtrage mdian), mais
aussi une srie de traitements simples (seuillage des niveaux de gris par exemple)
aptes liminer l'apparition de perturbations physiques dues la technologie
employe (l'cho rsiduel de l'air en IRM en est une bonne illustration). Un tel
traitement peut dj demander ce niveau une tude dtaille, ainsi que l'intervention
de spcialistes du domaine mdical mme de bien percevoir ces problmes.
- Une phase d'analyse, dont le but est d'extraire, pour chaque coupe, un ensemble
pertinent de points qui seront situs sur la surface de l'organe reconstruire. Une
premire tape de filtrage est ncessaire afin de mettre en vidence les contours des
images. Ceci est facilement ralisable par un ensemble assez complet de filtres
gradient, bass sur des techniques dapproximation du gradient en chaque point de
l'image, par l'tude d'une fentre centre sur ce point. Parmi de tels outils, on peut citer
les filtres de Prewitt, Roberts et Sobel frquemment utiliss en traitement d'image. En
l'tat actuel des choses, l'extraction de points de contour prsente un caractre
interactif invitable, tout au moins dans l'analyse des structures relever, ce qui
impose le contrle et l'intervention d'un utilisateur mdical, seul apte interprter
parfaitement les images. Cette tape ncessite :
- l'isolement de la rgion de l'image concernant par l'organe (ou la structure)
tudi,
- la mise en place d'un processus d'extraction de points de donnes.
A dfaut de pouvoir disposer d'une gigantesque base de donnes d'anatomie
descriptive et d'un processus "intelligent" apte reconnatre sur des images de coupe
n'importe quelle structure rfrence, la phase interactive semble invitable.
Nanmoins, on peut considrer plusieurs approches plus ou moins volues du point
de vue de la facilit d'utilisation et de la fiabilit des rsultats :
- Une premire solution, simple mais nave et peu prcise, consiste relever
manuellement l'aide d'un priphrique de pointage un ensemble "consquent"
de points sur le contour. Cette opration, fatigante pour l'utilisateur, reste
fastidieuse et sujette une grande probabilit d'erreurs de relev sur quelques
points.
- Une approche un peu plus volue consiste relever de la mme faon un
nombre plus rduit de points, lesquels seront interpols ultrieurement par une
courbe de forme libre, par exemple une B-spline. On obtient alors une
modlisation mathmatique approximative du contour. Une discrtisation plus
ou moins fine de cette courbe pourra fournir un ensemble de points plus toff.
-

Une solution plus rigoureuse a t introduite par Jean Sequeira. Il s'agit de


positionner grossirement une primitive de forme libre (courbe ferme,
15

Imagerie mdicale 3D

ouverte ...) sur les donnes, un traitement automatique venant par la suite
l'ajuster de faon prcise. La rduction de la phase interactive au profit d'un
traitement numrique diminue alors les erreurs et permet une modlisation
plus fine du contour. Il est noter que l'on trouve ici la notion de "snakes",
ces contours dformables venant s'ajuster sur les donnes suivant le
principe de minimisation d'un critre d'nergie (Figure 22).

Figure 22 : Illustration des contours dformables ("elastic matching") pour la dtection de la lumire aortique

- La troisime phase, souvent occulte parce qu'immdiate, est le recalage 3-D. En


effet, sur un ensemble de coupes parallles et rigoureusement superposes, cette phase
est triviale : il suffit de connatre l'cart entre les coupes. Nanmoins, ds que l'on veut
travailler sur des images "multi-directionnelles" (l'I.R.M., par exemple, permet de
"trancher" suivant n'importe quel plan directeur de faon trs prcise), ou mme multisources (scanner X et IRM), il devient ncessaire de tenir compte de tous les
paramtres de l'acquisition pour recaler les donnes dans l'espace afin d'obtenir un
ensemble de points de donnes corrects. Il est noter que face la multitude des
formats d'images propritaires, une norme DICOM unifie le codage informatique des
images mdicales, notamment au niveau de la description tant spatiale que
colorimtrique, et permet dsormais de gnrer facilement un nuage de points
tridimensionnel. Une fois celui-ci gnr, la phase de reconstruction proprement dite
dbute.

5.b : Reconstruction par maillage

Lorsque certaines contraintes sont satisfaites, dans des configurations particulires, une telle
approche est souhaitable. Un parfait exemple est la modlisation par triangulation. Dans ce
modle, la surface reconstruire est discrtise par des triangles issus d'une triangulation de
Delaunay des points de donnes. Le principe est de parvenir une triangulation 3-D du
volume de l'organe partir des triangulations de Delaunay en 2-D de chaque contour. Une
superposition des diagrammes de Vorono permet d'tablir les connexions entre les triangles
de deux coupes afin de construire les ttradres de la triangulation 3-D. Une fois celle-ci
construite, il suffit de ne conserver que les triangles (ou faces) extrieurs pour obtenir une
modlisation surfacique (voir figure 23).
Dans une telle reconstruction, les points de donnes sont imprativement situs sur des plans
parallles. Cette contrainte est gnralement satisfaite dans la plupart des cas (acquisition
volumiques reconstruites en coupes parallles. Il est noter que le modle obtenu ne vrifie
aucune proprit de rgularit (continuit) de la surface, ce qui peut tre indispensable dans le
cas, par exemple, d'une reconstruction en vue de la fabrication d'une prothse.
16

Imagerie mdicale 3D

Figue 23 : Reconstruction automatique par triangulation de contours

Cet algorithme est donc caractris par l'utilisation de critres de proximit entre les points
des diffrents contours parallles. Malgr l'absence d'extrapolation d'une forme globale, on
insistera sur la robustesse de cette mthodologie largement employe qui lui permet de
reconstruire aisment des structures de forme assez gnrale.

5.c : Modlisation par des surfaces mathmatiques


L'objectif n'est plus simplement de raliser une reconstruction des fins de visualisation mais
de dcrire la forme de la structure tudie par un ou plusieurs objets gomtriques
paramtrs de type surfaces implicites, surfaces paramtres, ou surfaces de forme libre.
Les avantages des ces approches sont :
-

Une description de forme rigoureuse est prcise


Une dfinition trs compacte (quation, points de contrle)
L'obtention d'un objet structur, facilement manipulable

Leur inconvnient quasi unique est de taille : leur mise en place reste cible et trs spcifique

17