Archives de catégorie : [:en]computer vision[:fr]vision par ordinateur

Axe 3 : Le guidage des thérapies par l’imagerie

Ces activités s’inscrivent dans le cadre de la radiologie interventionnelle, discipline en plein essor, pour laquelle la France se range au premier plan dans le monde. La possibilité de déposer localement une énergie de manière non-invasive ouvre une nouvelle voie vers des stratégies thérapeutiques pour les tumeurs malignes plus fiables, moins agressives pour les patients, qui permettront une réduction des temps et des coûts d’hospitalisation. Dans ce cadre, une activité de l’équipe IOP s’est orientée autour des méthodes de traitements d’images en temps réel, permettant le guidage par imagerie (IRM ou échographique) d’un traitement de manière mini ou non-invasive (ablation thermique ou radiothérapie), permettant aussi le dépôt local de médicaments.

Recalage multi-modal basé contours

Afin d’effectuer la fusion multi-modale entre les images obtenues à partir d’un intensificateur de lumière (LI) et IR (images infra-rouge), fournissant ainsi des informations multi-sources pour le pilote, il est nécessaire d’effectuer le recalage entre les deux modalités. Elles reflètent des propriétés différentes de la scène, de sorte que la méthode choisie est basée sur l’information géométrique et les bords de chaque image.

Le but est de trouver la transformation T ^ * qui transfère l’image IL dans le cadre de référence de l’image IR en minimisant l’énergie suivante:

(1)   \begin{align*} T^* &= \underset{T}{\operatorname{argmax}} \; C(T)\\ \text{with} \quad C(T) &= - \int_{\Omega} \vert \nabla I_L(T(X)) \cdot \nabla I_R(X)\vert \mathrm dX \end{align*}

Cette mesure est basée sur les contours de chaque image, et elle prend en compte les contours des deux modalitites, ce qui la rend insensible aux valeurs aberrantes.
Grâce à un schéma d’optimisation à base de descente de gradient, il est possible d’évaluer rapidement la transformation optimale entre les deux modalités.

Résultats de recalage sur des données réelles

Related papers:
C. Sutour, J.-F. Aujol, C.-A. Deledalle et B.D. De-Senneville. Edge-based multi-modal registration and application for night vision devices. Journal of Mathematical Imaging and Vision, pages 1–20, 2015.