Modélisation géométrique 3D des structures anatomiques du tronc humain à partir d'images acquises par résonnance magnétique

La modélisation géométrique 3D de structures anatomiques est une étape essentielle dans le développement d'outils de simulation numérique dédiés pour l'étude de l'évolution ou pour la planification de traitements de pathologies complexes. La scoliose est une déformation complexe de la colonne vertébrale et de la cage thoracique qui entraine des asymétries au niveau de l'ensemble du tronc. Ces asymétries sont généralement accompagnées de l'apparence d'une bosse dans le dos du patient et constituent la raison principale pour laquelle le patient ou ses parents décident de consulter. Cependant, les simulateurs biomécaniques actuels se concentrent sur le choix de la meilleure stratégie opératoire qui permet de redresser la colonne et minimiser son déjettement au niveau sagittal et frontal. Dans ce contexte, une modélisation géométrique 3D des structures osseuses est suffisante. Par contre, la priorité du patient est de bénéficier de la stratégie qui pourrait améliorer son apparence par la réduction des asymétries externes du tronc suite au traitement. Il est donc important de propager la correction des structures osseuses, lors de la simulation, à travers les tissus mous du tronc afin de visualiser l'effet d'une stratégie sur l'apparence externe du patient. Par conséquent, une modélisation géométrique précise de l'ensemble des structures anatomiques du tronc incluant la surface externe, les tissus mous et les structures osseuses sous-jacentes devient indispensable. La modélisation de l'intérieur du tronc peut être effectuée en utilisant des images acquises par résonance magnétique (IRM). Cette modalité d'imagerie est particulièrement intéressante, car elle permet d'obtenir de l'information sur le tronc sans danger pour le patient. La qualité des données IRM est variable et dépend du protocole d'acquisition. Pour garder un temps d'acquisition raisonnable, il faut réduire la portion du tronc couverte ou réduire la résolution des données, ce qui impactera le modèle géométrique obtenu. De plus, puisque les structures osseuses ne sont pas facilement identifiables dans les données IRM, elles sont généralement obtenues avec des radiographies. L'obtention d'un modèle précis du tronc implique donc de combiner un modèle des structures osseuses et un des tissus mous. Cette mise en correspondance est complexe, car les IRM sont acquises en position couchée et les radiographies le sont en position debout. Cette thèse propose une nouvelle méthodologie pour construire un modèle géométrique précis et personnalisé du tronc à partir de données IRM. Le nouveau modèle géométrique sera obtenu sans segmenter les données pour éviter la perte d'information. Cette méthodologie est différente des approches classiques qui génèrent des éléments géométriques reliant des frontières segmentées dans une étape préalable. Le nouveau modèle sera enrichi par l'utilisation de modèles surfaciques de vertèbres qui permettront une segmentation automatique des vertèbres visibles dans les données IRM. La première phase des travaux s'est concentrée sur la génération du modèle géométrique personnalisé du tronc obtenu à travers l'adaptation d'un maillage 3D. Le processus d'adaptation du maillage est basé sur la génération d'une métrique riemannienne construite en utilisant l'intensité des images IRM. La métrique définit la forme, la taille et l'orientation de chacun des éléments du maillage pour respecter les frontières des structures présentes dans les données. La validation du processus a été effectuée en plusieurs étapes. Tout d'abord, il a été montré, avec des IRM cardiaques, que le processus produit des maillages respectant la métrique. Par la suite, le processus d'adaptation a été comparé avec celui proposé par Goksel et al qui produit également des maillages sans segmenter les données. Cette comparaison a été faite sur un cas analytique et sur une série de cas réels. Pour comparer les méthodes, plusieurs maillages de densités différentes sont obtenus avec chacune d'elles. Puis, des éléments sont extraits de chacun des maillages en utilisant la frontière d'un volume de référence. La somme du volume des éléments extraits est comparée à celui de la référence. Les mesures comparant les volumes confirment que notre méthode produit des maillages respectant mieux les frontières des structures présentes, qu'elle converge plus rapidement et qu'elle est donc plus précise pour un nombre de sommets donnés. La seconde phase a été centrée sur le développement d'une méthodologie de segmentation semi-automatique des vertèbres dans les données IRM. Un modèle surfacique des structures osseuses est recalé avec les volumes de données IRM pour segmenter les vertèbres. Pour y parvenir, un algorithme de recalage par information mutuelle, reconnu pour donner de bons résultats avec des données multimodales, a été utilisé. Pour améliorer le taux de succès de l'algorithme, une phase d'initialisation positionne les vertèbres près de leur position finale estimée. L'évaluation de la phase d'initialisation montre que l'algorithme de recalage supporte une erreur de positionnement de 13 mm par rapport à sa position finale pour assurer un bon recalage. Cette distance est facilement atteignable. La robustesse de l'algorithme de recalage a été évaluée avec plusieurs ensembles de données. Si la qualité des données IRM est suffisante, notre méthode produit de bons résultats. Une résolution de 3 mm entre les tranches est un bon compromis entre la qualité et le temps d'acquisition. Pour conclure, la nouvelle représentation géométrique est minimale et préserve la frontière des structures anatomiques présentes dans les données. Elle serait un bon candidat pour être utilisée dans un simulateur numérique. En outre, la méthode de segmentation semi-automatique des données IRM est robuste et produit des résultats fiables. Pour poursuivre ces travaux, la segmentation des vertèbres pourrait être utilisée pour simplifier la génération du maillage. L'adaptation de maillage peut être restreinte à des zones segmentées, tout en utilisant l'information du volume entier, limitant ainsi la perte d'information. L'emplacement des vertèbres serait alors connu dans le maillage adapté, ce qui permettrait de faire le recalage avec le modèle surfacique des structures osseuses.

Abstract

3D geometric modeling of anatomical structures is an essential step in the development of numerical simulation tools dedicated to the study of evolution or the planning of complex disease treatments. Scoliosis is a complex deformation of the spine and rib cage which leads to asymmetries in the whole trunk. These asymmetries are usually accompanied by the appearance of a hump in the back of the patient and are the main reason why the patient or his parents decide to consult. However, current biomechanical simulators focus on choosing the best surgical strategy that helps straighten the spine and achieve frontal and sagittal trunk balance. In this context, a 3D geometric modeling of bone structures is sufficient. On the other hand, the priority of the patient is to benefit from the strategy that could improve most his appearance by reducing trunk asymmetries. It is therefore important to propagate the correction of bone structures, in the simulation, through the soft tissue of the trunk, in order to visualize the effect of a strategy on the external surface of the trunk. Therefore, a precise geometric modeling of all anatomical structures of the trunk including the outer surface, the soft tissue and underlying bone structures becomes essential. Modeling the inside of the trunk may be performed using images acquired by magnetic resonance imaging (MRI). This imaging modality is particularly interesting because it provides information on the trunk without any danger for the patient. The quality of MRI data is variable and depends on the acquisition protocol. To keep a reasonable time of acquisition, either the scope of the trunk or the resolution of the data has to be reduced, but this has an impact on the quality of the resulting geometric model. In addition, since the bone structures are not easily identifiable in the MRI data, they are generally obtained with radiographs. Obtaining an accurate model of the trunk therefore involves combining a model of bone structures and a model of soft tissues. Combining those models is complex because MRI are acquired in a laying position and the radiographs are acquired in a standing position. This thesis proposes a new methodology to build a precise and personalised geometric model of the trunk based on MRI data. The new model will be obtained without segmenting the data to avoid any loss of information. This methodology is different of the standard approaches that produce geometric elements linking boundaries segmented in an initial step. The new model will be enhanced with the use of surfacic models of vertebrae to perform an automatic segmentation of the visible vertebra within the MRI dataset. The first phase of our work has focused on the generation of a custom geometric model of the trunk obtained through the adaptation of a 3D mesh. The mesh adaptation process is based on the generation of a Riemannian metric constructed using the grey levels of the MRI data. The metric defines the shape, size and orientation of each mesh element to respect the boundaries of anatomical structures in the data. The validation process was performed in several steps. Firstly, it has been shown, with cardiac MRI, that the process produces meshes respecting the metric. Thereafter, the adaptation process was compared with the one proposed by Goksel et al which also produces meshes without segmenting the data. This comparison was made on an analytical case and a series of real cases. To compare the methods, several meshes with different densities were obtained with each of them. Then, elements were extracted from each of the meshes using the boundary of a reference volume. The sum of the volume of the extracted elements was compared with the reference. Measurements comparing the volumes confirmed that our method produces meshes respecting the boundaries of the structures better, that converges faster and is therefore more accurate for a given number of vertices. The second phase focused on the development of a methodology for semi-automatic segmentation of the vertebrae in MRI data. A surface model of bone structures is registered with MRI data volumes to segment vertebrae. To achieve this, a registration based on a mutual information algorithm, known to give good results with multimodal data, was used. To improve the success rate of the algorithm, an initialization phase positions the vertebrae near their estimated final position. The evaluation of the initialization phase shows that the registration algorithm supports a positioning error of 13 mm from its final position to ensure proper registration. This distance is easily attainable. The robustness of the registration algorithm was evaluated with multiple data sets. If MRI data quality is adequate, our method produces good results. A resolution of 3 mm between slices is a good compromise between data quality and acquisition time. In conclusion, the new geometric representation is minimal and preserves the border of anatomical structures in the data. It would be a good candidate to be used for simulations. In addition, the semi-automatic segmentation method of MRI data is robust and produces reliable results. To continue this work, segmentation of the vertebrae could be used to simplify the generation of the mesh. Mesh adaptation may be restricted to segmented areas while using the information of the entire volume, hence limiting information loss. The location of the vertebrae would be known in the adapted mesh, thereby simplifying the registration with the surface model of the bone structures.