Stage de recherche
Durée : 6 mois
Extraction de la ligne centrale du réseau vasculaire cérébral
en imagerie IRM
Équipe d’accueil
Équipe MIV (Modèles, Images et Vision) du Laboratoire des Sciences de l’Ingénieur, de l’Informatique et de
l’Imagerie (ICube), Université de Strasbourg
Contexte
(a) Réseau vasculaire cérébral
(b) Filtrage avec RORPO
Advertisement
(c) Principe d’accumulation
Les angiographies IRM cérébrales permettent de visualiser le réseau vasculaire (voir Fig. (a)), élément
essentiel au diagnostique de diverses pathologies. Le projet ANR Vivabrain 1 a permis de mettre au point
un pipeline complet de simulation d’angiographies : à partir de données réelles, on élabore un modèle 3D
du réseau dans lequel est ensuite simulé l’écoulement du flux sanguin. L’élaboration du modèle repose sur la
méthode de filtrage RORPO [2] (voir Fig. (b)) qui détecte les structures tubulaires et sur laquelle se base ensuite
l’étape de segmentation. Le challenge actuel consiste à extraire la ligne centrale en se basant soit sur l’étape de
segmentation, soit directement sur le filtrage par RORPO.
D’autre part, une approche de détection de ligne centrale a été proposée par B. Kerautret et al. [1]. Elle
se base sur un nuage de points associé à l’estimation de leurs normales (un maillage par exemple) et utilise
Advertisement
un processus d’accumulation (voir Fig. (c)) qui a l’avantage d’être très robuste aux données partielles. Elle
pourrait s’avérer tout à fait pertinente pour les images angiographiques pour répondre à deux problématiques :
l’automatisation de la détection et la gestion des embranchements.
Travail à réaliser
Il s’agit d’étudier et de développer une méthode d’extraction de la ligne centrale tubulaire à partir d’images
angiographiques qui réponde aux deux contraintes d’automatisation et de gestion des embranchements. Le
travail à réaliser pourra s’articuler autour des objectifs suivants :
1. Extraction des normales à la surface des vaisseaux sanguins
— Segmentation explicite avec extraction du maillage grossier puis remaillage avec [3]
2. Détection de la ligne centrale
Advertisement
— Tirer profit de RORPO [2] dans l’approche de détection de la ligne centrale tubulaire [1]
— Adapter l’approche aux tubes fins, par exemple avec de la super-résolution
Compétences souhaitables
— Traitement d’images médicales
— Programmation C++
1. http://icube-vivabrain.unistra.fr/index.php/Presentation
1
Encadrement
— Adrien Krähenbühl - Équipe MIV - ICube, Bureau C227a - [email protected]
— Benoît Naegel - Équipe MIV - ICube, Bureau C230 - [email protected]
Advertisement
Références
[1] B. Kerautret, A. Krähenbühl, I. Debled-Rennesson and J. O. Lachaud Centerline detection on partial mesh
scans by confidence vote in accumulation map ICPR 2016, Cancùn, Mexico, LNCS, pp. 1376-1381.
[2] O. Merveille, H. Talbot, L. Najman, N. Passat Curvilinear Structure Analysis by Ranking the Orientation
IEEE Transactions on Pattern Analysis and Machine Intelligence, 2017,
Responses of Path Operators
doi:10.1109/TPAMI.2017.2672972
[3] V. Nivoliers, B. Lévy and C. Geuzaine Anisotropic and feature sensitive triangular remeshing J. of Com-
putational and Applied Math, 2015.