Segmentation dimages mdicales IRM par la mthode densembles de niveaux (Level_Sets)

M. Beladgham, F. Derraz, M. Khlif

Universit Abou- Bekr Belkaid -Tlemcen Facult des Sciences de l'Ingnieur Laboratoire de Gnie Biomdical B.P 230, Tlemcen 13 000, Algrie beladgham@yahoo.fr

Rsum : Actuellement, la phase de segmentation constitue une tape importante dans le traitement et linterprtation des images mdicales. Rappelons que ces images sont obtenues par le biais dun scanner IRM et le but recherch est disoler dventuelles pathologies. Dans cet article, nous nous intressons la technique de contours actifs gomtrique et plus particulirement la mthode densemble des niveaux (level-set). Pour valider la technique de segmentation, nous avons considr des images relles de la base de donnes GE systme. Mot cl: IRM, segmentation, contour actif, level-set,

continue et de convergence de systme matriciel mal conditionn. Nous nous somme intress dans cette mthode de segmentation au modle de contour actif gomtrique. [Xu, 2002]. La formulation des contours actifs par les ensembles de Niveau (Level Sets) [Osher, 1998] permet d'implmenter les contours actifs tout en grant le problme des changements de topologie. De plus, son extension aux dimensions suprieures est aise. Nous prsentons dans ce travail les mthodes numriques utilises par les contours actifs godsiques pour la simulation de l'volution des courbes planes et des surfaces soumises une quation de propagation. Il s'agit de la Mthode Level-Set [Sethian, 1999] ou Mthodes d'Ensembles de Niveau Zro.

1. INTRODUCTION
Limagerie mdicale permet danalyser les tissus par des mdias extrmement divers, leurs exploitations et leurs interprtations permettent dtablir plus finement le diagnostic mdical. Les techniques dimagerie mdicale sont multiples bases sur diffrents types de rayonnements (champ magntique, ultrasons, rayon x, rayon gamma,). Notons que limagerie par rsonance magntique est rapidement devenue une technique dtude essentielle du crne et de lencphale. Dans cet article, notre objectif est disoler dventuelles pathologies par le biais de la segmentation, cette dernire est considre comme tant le cur de limagerie mdicale. Plusieurs mthodes ont t proposes parmi lesquelles la mthode de contours actifs, elle recherche des contours chans voluant partir d'une forme initiale prdfini sous l'effet d'une mthode d'optimisation en utilisant les donnes de limage aux emplacements des points de contrle de la courbe dformable. [kass, 1998],[Derraz, 2004] L'intrt de cette mthode est de transformer un processus complexe de minimisation de fonctionnelle d'nergie en un systme matriciel linaire. Cette approche s'appuie sur les techniques de rgularisation de problme mal pos, de minimisation de fonctionnelle d'nergie, de rsolution d'quation diffrentielle elliptique, de discrtisation de problme

2. METHODE D'ENSEMBLES NIVEAU ZERO (LEVEL SETS)

DE

La mthode des Ensembles de Niveau Zro est une mthode de simulation numrique utilise pour lvolution des courbes et des surfaces dans les domaines discrets [Rendon, 2002]. Cette mthode permet de faire voluer une courbe paramtrique ferme C(p) suivant une quation du type C = FN
dt

o t est le temps, F est la vitesse dvolution et N est la normale unitaire la courbe. Chaque point de la courbe C value suivant la direction normale la courbe avec une vitesse F (figure1). (p,t)

(p, t+t)

y x Figure 1 : La courbe C volue selon C = FN

dt

Lavantage principal de cette mthode est la possibilit de grer automatiquement le changement de topologie de la courbe en volution. La courbe C peut tre divise en deux ou trois courbes, Inversement plusieurs courbes peuvent fusionner et devenir une seule courbe. La mthode des Ensembles de Niveau Zro est capable de raliser ce changement en utilisant une fonction dordre suprieure

O : F est une fonction scalaire de vitesse dpendant des facteurs suivants : - Les proprits locales de la courbe. - Les paramtres externes lis au gradient d'image. - Les termes additionnels de propagation de la courbe. Pour rsoudre le problme de la valeur initiale donne ci-dessus, nous dfinissons la fonction F sur tous les ensembles de niveau y compris le niveau zro. Ceci nous permet dobtenir lquation de level-set sur la forme suivante :

: R N +1 R N [Gomes, 1999], [Sethian, 1999], pour

simuler C. C tant le niveau zro de la courbe dordre suprieur (figure.2) C (t ) = s R (s, t ) = 0 Le niveau zro (C) peut se diviser tandis que la fonction reste continue.
2

z= (x,y,t1)

+ Fext = 0 dt

(2)

(t1)

avec Fext est le champ de vitesse qui est gal la fonction scalaire de vitesse dans le niveau zro. Pour Fext = F dans le cas ou = 0 , un choix commun pour F est [Sethian, 1995],[ Malladi, 1996] :

z= (x,y,t2) (t3)

(t2)

F=

(1 + k ) 1 + (G I (s ))

(3)

Figure 2 : Le changement de topologie est gr automatiquement grce lutilisation dune fonction dordre suprieur pour la reprsentation de la courbe. La fonction dordre suprieur utilise normalement est la distance algbrique la courbe C. Alors, si notre courbe C(p) est une courbe paramtrique plane (dimension 1) la fonction utilise pour sa reprsentation et pour simuler son volution sera un plan (x,y) (dimension 2) valeurs relles. Pour une courbe plane C(p), un tableau bidimensionnel de nombres rels (x,y) est utilis pour sa reprsentation. Lvolution de la courbe signifie la mise jour de tout le tableau (x,y). Dabord nous initialisons (en (x,y)) zro les pixels correspondants au passage de la courbe C, aprs il faut calculer pour le reste des lments du tableau, la distance euclidienne la courbe C, qui sera ngative lintrieur et positive lextrieur. Autrement dit, le tableau bidimensionnel sera rempli de la manire suivante : zro tout le long de la courbe C, et la valeur de la distance euclidienne au point le plus proche de la courbe pour tout le reste. Sil sagit dun lment lintrieur de la courbe C (cest une courbe ferme) le signe de son contenu sera ngatif. On va faire voluer (x,y) suivant lquation = F pour obtenir que C(p) volue selon
dt

o G est un noyau Gaussien de variance 2 , et la constante est prise entre 0 et 1. Loprateur de gradient montre les rgions du contraste le plus lev et le plus bas dans l'image. La constante k indique la courbure locale de la fonction densemble de niveau zro. Limplmentation numrique de cette volution fait appel aux approximations des drives par la mthode des diffrences finies du premier ordre (pour notre cas en 2D) :
Dij x = Dij x =

i, j i1, j
x i, j i, j1

+ + , Dij x = Dij x =

i+1, j i, j

Dij y = Dij y =

+ + , Dij y = Dij y =

i, j+1 i, j
y

(4) (5)

o :

ijn +1 ijn
t

= Fij

(6)

y = j (un nombre rel). s est lincrment de l'espace (normalement lunit) et reprsente la distance entre deux lments contigus du maillage. De cette faon, le schma le plus simple que propose Sethian pour faire voluer (x,y) est de la forme :

i+1,j est la valeur du tableau la position x = i + 1,

ijn +1 ijn
t

C = FN dt

(1)

Ceci est connu par l'quation densemble de niveaux.

[ max(D = min(D

= max(Fij ,0) + + min( Fij ,0)

x ij

(7)

y ij

,0) + min(D ,0)

2 +y ij

+ ,0) + max(Dij x ,0) + 2 2 2

(8)

max D + x ,0 2 + min D x ,0 2 + ij ij = 2 max D + y ,0 + min D y ,0 2 ij ij

( (

) )

( (

) )

(9)

galement correspondre une fonction de distance signe, elle devrait satisfaire la condition suivante :
Fext = 0

(11)

o n reprsente le temps discret t est lincrment du temps Fij est la vitesse dvolution souhaite pour le point de (et ainsi de C) avec x= i, y =j. Pour limplmentation des contours actifs godsiques, le calcul de la courbure locale en chaque point de la courbe est ncessaire. Cependant, ce calcul est coteux. De plus, pour certaines implmentations dvolution de courbes, il est ncessaire de calculer la courbure non seulement sur la courbe mais dans tout le domaine dvolution. Cela est trs coteux, mme avec les mthodes bandes troites qui ne mettent jour quune partie du domaine dlimit par deux courbes (les bandes) qui entourent la courbe en volution. La courbure locale dans un point de C peut tre calcule partir de en utilisant les diffrences finies centrales avec la formule [Xu, 2002] :

Il est possible de rinitialiser priodiquement comme une fonction de distance signe tout en satisfaisant la relation: = 1 . Ceci est obtenu en rsolvant lquation suivante :
= sign( )(1 ) t

(12)

pour rorganiser les ensembles de niveau des deux extrmits de C. Il est clair que lalternative prconise est simple mais elle ne prend pas en compte la position relle du front, menant aux erreurs de positionnement.

4. RESULTATS DE LIMPLEMENTATION
Pour tudier les performances de la mthode Level Sets, nous appliquons lalgorithme tabli une image mdicale particulire. Cette image prsente la coupe sagittale du cerveau pondr en T1 dun bb g de 9 ans enregistr par le biais dun scanner IRM contenant des taches noires reprsentant des tumeurs relles. [GE System]

K=

xx y2 2 x y xy + yy x2

2 x

+ y2

(10)

3. IMPLEMENTATION DE LA METHODE DENSEMBLE DES NIVEAUX.

La fonction densemble de niveau doit satisfaire la relation : = 1 , prservant sa configuration

comme une fonction de distance signe de front C (t ) , durant tous le temps de dformation [Sethian, 1987], [Sethian, 1998]. Ainsi, si la configuration initiale de C est un point simple, est construit pour s'assurer que tous ses ensembles de niveau sont quidistants l'ensemble de niveau zro C. Supposons que la fonction de vitesse est une constante uniforme qui prend une valeur de 1, agissant sur la fonction densemble de niveau qui est dfinie par , nous pourrions prvoir que le point initial augmenterait indfiniment chaque itration. Cette premire tape est l'ide fondamentale de la mthode densemble de niveau zro. La deuxime tape consiste utiliser un niveau de gris gradientconduit de la fonction de vitesse, comme le montre l'quation (7) pour faire voluer vers les contours dsirs. Cette complication est brivement discute dans les rfrences suivantes : [Malladi, 1996], [Sethian, 1998]. Une des solutions prsentes doit priodiquement arrter les calculs et reconstruire la fonction de distance signe selon la position actuelle de C(t). Le procd est complexe et coteux, car il devrait rpter chaque itration pour viter des erreurs. Une deuxime solution propose dvaluer une fonction de vitesse prolonge Fext gale la fonction scalaire F ainsi que la fonction. Puisque Fext devrait

Figure 3 : La coupe sagittale du cerveau

Limage segmenter comporte une grande quantit de donnes mais gnralement cette image est bruite par des pixels indsirables qui pourraient modifier linformation utile, donc il est indispensable de passer par ltape de prtraitement. Nous appliquons limage initiale une paire de deux filtres. Le premier est un filtre mdian utilis pour liminer linformation inutile. Le deuxime est filtre gaussien de variance gale 1 afin dliminer leffet de discrtisation qui se trouve entre les pixels situs la frontire de lobjet (figure 4).

Figure 4 : Filtre mdian suivi dun filtre Gaussien ( =1)

Figure 6 : Segmentation par la mthode Level-Set pour n = 2

En appliquant cette action conjointe de deux filtres, nous constatons une limination parfaite du bruit, et faire lisser la frontire des zones dintrts situes dans limage. Aprs lopration de filtrage, nous appliquons limage la mthode de level-Sets dcrit prcdemment dans le but dextraire le contour de la pathologie existante. La courbe C utilise dans notre cas est un cercle de faible diamtre appliqu proximit de la pathologie comme illustr sur la figure (5).

4. CONCLUSION
Lapplication des mthodes de segmentation dune image mdicale prsentant des pathologies demeure encore un domaine de recherche trs vaste. Nous avons prsent dans cet article, lune des techniques de contour actif, et plus prcisment le modle de contour actif par les ensembles de niveau (Level-Sets), cette dernire est base sur lquation de propagation donde du front, dont la dformation dpend de la gomtrie de la structure. Nous avons test cette mthode sur des images relles de la base de donnes GE SYSTEM ; nous avons montr que le front pouse progressivement la forme de la pathologie. Ce modle donne des rsultats trs satisfaisants et encourageants, en terme de qualit dimage et de temps dexcution.

5. REFERENCE
[kass, 1998] M. kass, A. witkin, and D. terzopoulos, " Snakes: Active contour models", International Journal of Computer Vision, pages 321-331,1988. [Derraz, 2004] F. Derraz, M. Beladgham, M. Khelif Application of Active Contour Models in Medical Image Segmentation, Proceedings of the International Conference on Information Technology: Coding and Computing (ITCC04) .IEEE, (2004) [Xu, 2002] C. Xu, A.Y. Jr, J.L.Prince . On relationship between parametric and geometric active contours. In proc of 34th Asilomar Conference on Signals, Systems, and Computer, pp. 486-489, (2000). [Osher, 1998] Osher, S., and Sethian, J. A, Fronts Propagating with Curvature-Dependent Speed: Algorithms Based on Hamilton-Jacobi Formulations, Journal of Computational Physics, 79, pp. 12-49, 1988. [Sethian, 1999] J. A. Sethian. Level Set Methods and Fast Marching Methods. Cambridge University Press, 1999.

Figure 5 : Initialisation de la courbe

La figure (6) donne les rsultats obtenus par la mthode de level-set pour un nombre ditration rduit, gal 2. Cette minimisation du nombre ditration rend lexcution de lalgorithme trs rapide. Nous pouvons remarquer trs facilement que le contour de la courbe initiale prend parfaitement la forme du contour de la pathologie.

[Rendon, 2002] J.M. Rendon Mancha, " Rgions Actives Morphologiques : Application la Vision par Ordinateur ", Thse de doctorat, Universit Ren Descartes - Paris V, (2002). [Gomes, 1999] J. Gomes, O. Faugeras, Reconciling Distance Functions and Level Sets, Proceedings of the Second International Conference on Scale-Space Theories in Computer, (1999). [Sethian, 1995] J. A. Sethian. A Fast Marching Level Set Method for Monotolically Advancing Fronts, Proceedings of the National Academy of Sciences, 93, 4, 1591-1595, (1995). [Malladi, 1996] R. Malladi, J. A. Sethian. A Unified Approach to Noise Removal, Image Enhancement and Shape Recovery, IEEE Transactions on Image Processing, 5, 11, 1154-1168, (1996). [Malladi, 1996] R. Malladi, J. A. Sethian, A O(N log N) Algorithm for Shape Modelling,. Proceedings of the National Academy of Sciences, Vol. 93, 9389-9392, (1996). [Sethian, 1987] J. A. Sethian, Numerical Methods for Propagating Fronts, Variational Methods for Free Surface Interfaces, Proceedins of the Vallambrosa Conference, (1987). [Sethian, 1998] J. A. Sethian. Fast Marching Methods and Level Set Methods for Propagating Interfaces. von Karman Institute Lecture Series, Computational Fluid Mechanics, (1998). [GE System] http://www.gemedicalsystems.com/