Académique Documents
Professionnel Documents
Culture Documents
4. La dimension temporelle!
!
Quantifier une évolution!
! !
Nicholas Ayache!
20 mai! 2014!
Collège de France!
!
las Ayache Le patient numérique personnalisé! 1!
ai 2014! Images, médecine et informatique!
!
Le patient numérique
Leçon inaugurale le jeudi 10 avril 2014 à 18 heures Cours du Pr Séminaires
Le cours présente les 29 avril 2014 Sciences des images médicales : les grandes classes de problèmes + recalage!
avancées récentes du traitement Chirurgie du futur guidée par l’image numérique, Jacques Marescaux, IHU Strasbourg,
informatique des images IRCAD
médicales au service de la Cardiologie du futur à l’ère du patient numérique, Michel Haïssaguerre, CHU Bordeaux,
Cours et séminaires!
médecine et de la chirurgie Université Victor-Segalen, IHU LIRYC
modernes. Il approfondit les 6 mai 2014 Se repérer dans les images : recalage et segmentation
principes algorithmiques,
Mesurer le cerveau numérique, Jean-François Mangin, Neurospin Saclay
mathématiques et biophysiques Reconstruction d’organes dans les formes, Hervé Delingette, Inria, Sophia Antipolis
permettant d’augmenter
le contenu des images et de 13 mai 2014 Variabilité anatomique et fonctionnelle : atlas statistiques
construire un modèle numérique Phénotype, fonction et génotype, Bertrand Thirion, Inria Saclay Île-de-France, CEA,
et personnalisé du patient DSV, I2BM, Neurospin
pour assister le diagnostic, le Statistiques de formes et variétés anatomiques, Xavier Pennec, Inria Sophia Antipolis
pronostic et la thérapie. Ces 20 mai 2014 La dimension temporelle : quantifier une évolution
principes sont illustrés par des
La neuro-imagerie à l’ère du patient numérique, Stéphane Lehéricy, IHU Pitié Salpêtrière
applications cliniques variées. Biomarqueurs d’imagerie dans les pathologies cérébrales, Christian Barillot, CNRS,
Les séminaires complètent les Inserm, Inria Rennes
cours avec un éclairage médical
27 mai 2014 Imagerie des tumeurs : modèles biophysiques pour mesurer et prédire
ou méthodologique spécialisé.
Neurochirurgie guidée par l’image, Emmanuel Mandonnet, Hôpital Lariboisière
Radiothérapie guidée par l’image, Jocelyne Troccaz, TIMC Grenoble, CNRS
Nicholas Ayache est directeur
de recherche Inria (Institut 03 juin 2014 Imagerie microscopique in vivo : mosaïques numériques et indexation
national de recherche en Jean-Paul
Les enjeux médicaux de l’endomicroscopie, Stanislas CHU Nantes
Galmiche,Hôpital
Chaussade, Cochin
informatique et automatique) Des étoiles aux cellules, de la recherche à l’entreprise, Sacha Loiseau, Mauna Kea
à Sophia Antipolis où il anime Technologies
l’équipe de recherche Asclepios,
10 juin 2014 Le cœur numérique personnalisé : diagnostic, pronostic et thérapie
spécialisée dans l’analyse
et la simulation des images Images et signaux cardiaques : état de l’art et futur, Pierre Jaïs, CHU Bordeaux,
Université Victor-Segalen, IHU LIRYC
médicales numériques.
Vers un système vasculaire numérique, Jean-Frédéric Gerbeau, Inria UPMC
3,1
7,21
12,63
1,33
2,3
0,23
16,51
8,85
Retarder le
62,85 déclenchement de la
maladie d’1 an
6,33
10,85
10,85
0,84
-12 millions de
patients
En l’absence de traitement efficace
[Brookmeyer et al., Alzheimers Dement. 2007]
normal! pathologique!
neurofibrilles! Atrophie!
Plaques amyloïdes!
anormale!
Source : Fox Miccai 2004!
Temporal neocortex
Temporal neocortex
% atrophy
Hippocampus
Temporal neocortex
Enthorinal cortex
-10 -5 0 5 10
[Lorenzi 2011] Years from diagnosis
découverte
Les questions posées à des Où et quand?
marqueurs structurels
d’imagerie computationnelle :! quantification
Amplitude?
Nicholas Ayache Le patient numérique personnalisé 11!
20 Mai 2014! Images, médecine & informatique!
Quantifier l’atrophie!
• Variations très subtiles!
Atrophie annuelle!
• 0,2 - 1,7% : normale!
• 2,2 - 5,9% : anormale!
• volume hippocampe !
• Variation sur 1 an!
Expansion Contraction
E = Sim(T (I1 ), I 2 ) + R(T ) apparente apparente
D. Rey, G. Subsol, H. Delingette, N.Ayache : Automatic Detection and Segmentation of Evolving Processes
in 3D Medical Images: Application to Multiple Sclerosis. Medical Image Analysis, 2002. !
Champ!
déformation!
apparent!
Log( jac) ≥ 0, 4
D. Rey, G. Subsol, H. Delingette, N.Ayache. : Automatic Detection and Segmentation of Evolving Processes in 3D Medical Images: Application to Multiple
Sclerosis. Medical Image Analysis, 2002. !
• Flots de difféomorphismes!
1 sujet 1 population
Trajectoire sujet A!
Trajectoire !
Trajectoire moyenne!
Trajectoire sujet B!
v(𝜙(x,t) ,t)
! v(φ(x,t1),t1)
2
E = dist(I φ, J ) + ∫ v(t) dt
v!
69 ans 73
69 ans
𝜙 = exp(v/2)
interpolation
Réalité 71 ans
Nicholas Ayache Le patient numérique personnalisé 31!
20 Mai 2014! Images, médecine & informatique!
Interpolation!
Réalité 71 ans
69 ans 73 ans
𝜙 = exp(v/2)
interpolation
Nicholas Ayache Le patient numérique personnalisé Images, 32
13 Mai 2014 médecine & informatique
Analyse longitudinale!
69 ans! 𝜙 = exp(t.v) 71 ans!
T=exp(v)
Champ de vitesses v
M Lorenzi, N Ayache, X Pennec. Regional flux analysis of longitudinal atrophy in Alzheimer's disease. MICCAI 2012!
Variations! Réajustements!
locales! structurels!
de volume! à volume constant!
Nicholas Ayache Le patient numérique personnalisé 36!
20 Mai 2014! Images, médecine & informatique!
Analyse du champ irrotationnel!
découverte Quantification
Pression : Divergence :
sources et puits flux à travers régions
d’atrophie en expansion/contraction
Théorème de flux-divergence!
∫ ∇p ⋅ n dS = ∫ ∇ ⋅ ∇p dV
∂V V
Nicholas Ayache Le patient numérique personnalisé 37!
20 Mai 2014! Images, médecine & informatique!
Analogie météo
!
C
E
Nice
C E
ADNI dataset !
(http://adni.loni.ucla.edu/)!
!
• 20 patients Alzheimer!
C2 - insula!
C3 – inf front gyrus!
C5 - hippocampi!
C6 - temporal poles!
…!
Mesure de
flux dans les
régions
révélées par
l’analyse de
groupe!
M Lorenzi, N Ayache, X Pennec. Regional flux analysis of longit. atrophy in Alzheimer's disease. MICCAI 2012 –
également MICCAI workshop NIBAD 2012 - Nouvel article en préparation!
Nicholas Ayache Le patient numérique personnalisé 40!
20 Mai 2014! Images, médecine & informatique!
Trajectoires Spatio-Temporelles!
2 niveaux d’analyse!
1 sujet 1 population
Trajectoire sujet A!
Trajectoire !
Trajectoire moyenne!
Trajectoire sujet B!
• Déformation moyenne-1
= exp [ 1/N Σk (-vk) ]!
sujet A
Atlas
Sujet B
sujet A
Exp(u)!
Exp(v)! Atlas
C geodesic
u’
u’
u P’0
Inspiré de l’algorithme de P0
l’échelle de Schild en
théorie de la gravitation!
temps
M Lorenzi, X Pennec. Efficient Parallel Transport of Deformations in Time Series of Images: from Schild's to Pole Ladder. Journal of Mathematical Imaging
and Vision, October 2013!
Nicholas Ayache Le patient numérique personnalisé 46!
20 Mai 2014! Images, médecine & informatique!
Composition efficace de
difféomorphismes!
Atrophy
M Lorenzi, X. Pennec, G. Frisoni, N. Ayache, Disentangling Normal Aging from Alzheimer’s Disease on
Cross-sectional Structural MR Images: Novel Potential Clinical Outcomes, submitted!
+ Lorenzi’s PhD.!
Atlas
o r te Aβ4 2 -)
e n t n a tu rel (coh
m
Vieillisse projection
i q u e su jet
Déf. a
h o l o g
âge morp sujet
dditio
Reca
lage
nnelle
entre
atlas
e t su
jet
Vâge
Vadditionnelle
Vsujet
morphologique
aging (years) relatif!
• 65 Aβ-!
• 40 Aβ+!
• 110 MCI-S!
• 86 MCI-C!
Age Virtual
• 134 AD!
M Lorenzi, N Ayache, X Pennec G B. Frisoni, for ADNI. Disentangling the normal aging from the pathological Alzheimer's disease
progression on structural MR images. 5th Clinical Trials in Alzheimer's Disease (CTAD'12), Monte Carlo, October 2012.!
!
Nicholas Ayache Le patient numérique personnalisé 58!
20 Mai 2014! Images, médecine & informatique!
Défis futurs!
parenchyme! LCR!
µΔu − ∇p = (µ + λ )∇a µΔu − ∇p = 0
∇ ⋅ u = −a. ∇ ⋅ u + p = 0.
a : atrophie prescrite ; u,p : déplacement et pression estimés
𝜇 , λ : coefficients de Lamé
B. Khanal, M. Lorenzi, N. Ayache, X. Pennec. A Biophysical model of shape changes due to atrophy in the brain with Alzheimer's disease. 2014.!
• !
Généralisation des distributions aux vecteurs!
• Les courants intègrent des champs de vecteurs réguliers pour
mesurer un flux le long de lignes ou à travers des surfaces !
• Métrique à noyau (RKHS) : induit distance entre lignes ou surfaces!
L, L ' W*
≈ ∑ t T
i .K(xi − x ' j ).t ' j S, S ' W*
≈ ∑ ni
T
.K(xi − x ' j ).n' j
i, j i, j
Surfaces
cérébrales!
Faisceaux de
fibres!
S Durrleman, X Pennec, A Trouvé, N Ayache. Statistical Models on Sets of Curves and Surfaces based on Currents.
Medical Image Analysis, 2009
!
S Durrleman, P Fillard, X Pennec, A Trouvé, N Ayache. Registration, Atlas Estimation and Variability Analysis of White Matter
Fiber Bundles Modeled as Currents. NeuroImage, 2011.!
Mathematical!
Currents!
S Durrleman X Pennec, A Trouvé, J Braga, G Gerig, N Ayache. Toward a Comprehensive Framework for the Spatiotemporal
Statistical Analysis of Longitudinal Shape Data, Int. J. of Computer Vision 2012.!
Nicholas Ayache Le patient numérique personnalisé 74!
20 Mai 2014! Images, médecine & informatique!
Évolution de l’endocrâne avec l'âge!
Courants!
mathématiques!
S Durrleman, X Pennec, A Trouvé, N Ayache, J. Braga. Comparison of the endocast growth of chimpanzees and bonobos via temporal regression and
spatiotemporal registration, J. of Human Evolution 2012.!
Amygdales cérébrales!
Courants!
mathématiques!
S Durrleman et al., Int. J. of Computer Vision 2012.!
Évolution moyenne!
du!
ventricule droit!
en fonction!
de l'âge!
Health-e-Child!
Necker &!
Gosh!
+Siemens!
B Leonardi, A Taylor, T Mansi, I Voigt, M Sermesant, X Pennec, N Ayache, Y Boudjemline, and G Pongiglione. Computational modeling of the
right ventricle in repaired tetralogy of Fallot: Can it provide insight into patient treatment?European Heart Journal–CardioVascular Imaging 2013 !
Le cours présente les 29 avril 2014 Sciences des images médicales : les grandes classes de problèmes + recalage!
avancées récentes du traitement Chirurgie du futur guidée par l’image numérique, Jacques Marescaux, IHU Strasbourg,
informatique des images IRCAD
Cours et séminaires!
médicales au service de la Cardiologie du futur à l’ère du patient numérique, Michel Haïssaguerre, CHU Bordeaux,
médecine et de la chirurgie Université Victor-Segalen, IHU LIRYC
modernes. Il approfondit les 6 mai 2014 Se repérer dans les images : recalage et segmentation
principes algorithmiques,
Mesurer le cerveau numérique, Jean-François Mangin, Neurospin Saclay
mathématiques et biophysiques Reconstruction d’organes dans les formes, Hervé Delingette, Inria, Sophia Antipolis
permettant d’augmenter
le contenu des images et de 13 mai 2014 Variabilité anatomique et fonctionnelle : atlas statistiques
construire un modèle numérique Phénotype, fonction et génotype, Bertrand Thirion, Inria Saclay Île-de-France, CEA,
et personnalisé du patient DSV, I2BM, Neurospin
pour assister le diagnostic, le Statistiques de formes et variétés anatomiques, Xavier Pennec, Inria Sophia Antipolis
pronostic et la thérapie. Ces 20 mai 2014 La dimension temporelle : quantifier une évolution
principes sont illustrés par des
La neuro-imagerie à l’ère du patient numérique, Stéphane Lehéricy, IHU Pitié Salpêtrière
applications cliniques variées. Biomarqueurs d’imagerie dans les pathologies cérébrales, Christian Barillot, CNRS,
Les séminaires complètent les Inserm, Inria Rennes
cours avec un éclairage médical
27 mai 2014 Imagerie des tumeurs : modèles biophysiques pour mesurer et prédire
ou méthodologique spécialisé.
Neurochirurgie guidée par l’image, Emmanuel Mandonnet, Hôpital Lariboisière
Radiothérapie guidée par l’image, Jocelyne Troccaz, TIMC Grenoble, CNRS
Nicholas Ayache est directeur
de recherche Inria (Institut 03 juin 2014 Imagerie microscopique in vivo : mosaïques numériques et indexation
national de recherche en Les enjeux médicaux de l’endomicroscopie, Stanislas Chaussade, Hôpital Cochin
informatique et automatique) Des étoiles aux cellules, de la recherche à l’entreprise, Sacha Loiseau, Mauna Kea
à Sophia Antipolis où il anime Technologies
l’équipe de recherche Asclepios,
10 juin 2014 Le cœur numérique personnalisé : diagnostic, pronostic et thérapie
spécialisée dans l’analyse
et la simulation des images Images et signaux cardiaques : état de l’art et futur, Pierre Jaïs, CHU Bordeaux,
Université Victor-Segalen, IHU LIRYC
médicales numériques.
Vers un système vasculaire numérique, Jean-Frédéric Gerbeau, Inria UPMC