Academic literature on the topic 'Séquences images médicales'

Les hôpitaux et les centres médicaux produisent une énorme quantité d'images médicales numériques chaque jour, notamment sous la forme de séquences d'images. En raison de la grande capacité de stockage et de la bande passante de transmission limitée, une technique de compression efficace est nécessaire. Nous avons proposé un algorithme de compression de séquences d'images médicales MMWaaves. Il repose sur l'utilisation de modèles Markovien couplé avec le codeur Waaves de la société Cira qui est certifié en tant que dispositif médicale. Nous avons démontré que MMWaaves a apporté un gain de compression supérieur à 30% par rapport à JPEG2000 et Waaves tout en gardant la qualité nécessaire pour les diagnostics cliniques (SSIM>0.98). En outre, il a permis d'atteindre des taux de compression égaux à ceux obtenus par H.264 en améliorant la qualité. Ensuite, nous avons développé une nouvelle chaine de compression MLPWaaves à base de différence en DWT suivie d'un nouveau modèle de tri adaptatif LPEAM permettant l'optimisation de la stationnarité locale des coefficients. Nous avons obtenu un gain de compression allant à 80% par rapport à Waaves et JPEG2000 tout en assurant une qualité exceptionnelle pour le diagnostic médical. Finalement, afin de transmettre à distance les images médicales du centre de santé à l'appareil mobile du médecin, nous avons proposé un système de télé-radiologie pour le codage et le décodage basé sur nouveau paradigme multithreading. La validation de cette nouvelle solution a été réalisée sur deux plateformes différentes. Nous avons obtenu un facteur d'accélération égal à 5 sur un Intel Core i7-2600 et un facteur égal à 3 sur une tablette Samsung Galaxy
Hospitals and medical centers produce an enormous amount of digital medical images every day especially in the form of image sequences. Due to the large storage size and limited transmission and width, an efficient compression technique is necessary. We first proposed a compressor algorithm for medical images sequences MMWaaves. It is based on Markov fields coupled with the certified medical device Waaves of Cira company. We demonstrated that MMWaaves provided a compression gains greater than 30% compared to JPEG2000 and Waaves while ensuring outstanding image quality for medical diagnosis (SSIM> 0.98). In addition, it achieved compression rates equal to those obtained by H.264 while improving the image quality. Then we developed a new compression algorithm MLPWaaves based on DWT difference followed by a new adaptive scanning model LPEAM in order to optimize the local stationary of wavelet coefficients. We obtained a compression gain up to 80% compared to Waaves and JPEG2000 while ensuring exceptional quality for medical diagnosis. Finally, in order to transmit medical images for diagnostic from the health center to the mobile device of the doctor, we proposed client-server remote radiology system for encoding and decoding. It is based on a multithreading paradigm to accelerate treatment. The validation of this solution was performed on two different platforms. We achieved an acceleration factor of 5 on an Intel Core i7-2600 and a factor of 3 on Samsung Galaxy tablet

Dans le domaine des soins de santé, l'imagerie médicale a rapidement progressé et est aujourd'hui largement utilisés pour le diagnostic médical et le traitement du patient. La santé mobile devient une tendance émergente qui fournit des soins de santé et de diagnostic à distance. de plus, à l'aide des télécommunications, les données médicale incluant l'imagerie médicale et les informations du patient peuvent être facilement et rapidement partagées entre les hôpitaux et les services de soins de santé. En raison de la grande capacité de stockage et de la bande passante de transmission limitée, une technique de compression efficace est nécessaire. En tant que technique de compression d'image certifiée médicale, WAAVES fournit des taux de compression élevé, tout en assurant une qualité d'image exceptionnelle pour le diagnostic médical. Le défi consiste à transmettre à distance l'image médicale de l'appareil mobile au centre de soins de santé via un réseau à faible bande passante. Nos objectifs sont de proposer une solution de compression d'image intégrée à une vitesse de compression de 10 Mo/s, tout en maintenant la qualité de compression. Nous examinons d'abord l'algorithme WAAVES et évaluons sa complexité logicielle, basée sur un profilage précis du logiciel qui indique un complexité de l'algorithme WAAVES très élevée et très difficile à optimiser de contraintes très sévères en terme de surface, de temps d'exécution ou de consommation d'énergie. L'un des principaux défis est que les modules Adaptative Scanning et Hierarchical Enumerative Coding de WAAVES prennent plus de 90% du temps d'exécution. Par conséquent, nous avons exploité plusieurs possibilités d'optimisation de l'algorithme WAAVES pour simplifier sa mise en œuvre matérielle. Nous avons proposé des méthodologies de mise en œuvre possible de WAAVES, en premier lieu une mise en œuvre logiciel sur plateforme DSP. En suite, nous avons réalisé notre implémentation matérielle de WAAVES. Comme les FPGAs sont largement utilisés pour le prototypage ou la mise en œuvre de systèmes sur puce pour les applications de traitement du signal, leur capacités de parallélisme massif et la mémoire sur puce abondante permet une mise en œuvre efficace qui est souvent supérieure aux CPUs et DSPs. Nous avons conçu WAAVES Encoder SoC basé sur un FPGA de Stratix IV de chez Altera, les deux grands blocs coûteux en temps: Adaptative Scanning et Hierarchical Enumerative Coding sont implementés comme des accélérateurs matériels. Nous avons réalisé ces accélérateurs avec deux niveaux d'optimisations différents et les avons intégrés dans notre Encodeur SoC. La mise en œuvre du matérielle fonctionnant à 100MHz fournit des accélérations significatives par rapport aux implémentations logicielles, y compris les implémentations sur ARM Cortex A9, DSP et CPU et peut atteindre une vitesse de codage de 10 Mo/s, ce qui répond bien aux objectifs de notre thèse
In the field of healthcare, developments in medical imaging are progressing very fast. New technologies have been widely used for the support of patient medical diagnosis and treatment. The mobile healthcare becomes an emerging trend, which provides remote healthcare and diagnostics. By using telecommunication networks and information technology, the medical records including medical imaging and patient's information can be easily and rapidly shared between hospitals and healthcare services. Due to the large storage size and limited transmission bandwidth, an efficient compression technique is necessary. As a medical certificate image compression technique, WAAVES provides high compression ratio while ensuring outstanding image quality for medical diagnosis. The challenge is to remotely transmit the medical image through the mobile device to the healthcare center over a low bandwidth network. Our goal is to propose a high-speed embedded image compression solution, which can provide a compression speed of 10MB/s while maintaining the equivalent compression quality as its software version. We first analyzed the WAAVES encoding algorithm and evaluated its software complexity, based on a precise software profiling, we revealed that the complex algorithm in WAAVES makes it difficult to be optimized for certain implementations under very hard constrains, including area, timing and power consumption. One of the key challenges is that the Adaptive Scanning block and Hierarchical Enumerative Coding block in WAAVES take more than 90% of the total execution time. Therefore, we exploited several potentialities of optimizations of the WAAVES algorithm to simplify the hardware implementation. We proposed the methodologies of the possible implementations of WAAVES, which started from the evaluation of software implementation on DSP platforms, following this evaluation we carried out our hardware implementation of WAAVES. Since FPGAs are widely used as prototyping or actual SoC implementation for signal processing applications, their massive parallelism and abundant on-chip memory allow efficient implementation that often rivals CPUs and DSPs. We designed our WAAVES Encoder SoC based on an Altera's Stratix IV FPGA, the two major time consuming blocks: Adaptive Scanning and Hierarchical Enumerative Coding are designed as IP accelerators. We realized the IPs with two different optimization levels and integrated them into our Encoder SoC. The Hardware implementation running at 100MHz provides significant speedup compared to the other software implementation including ARM Cortex A9, DSP and CPU and can achieve a coding speed of 10MB/s that fulfills the goals of our thesis

Les travaux de recherche développés dans cette thèse concernent la mise en oeuvre d'un système de vidéo surveillance intelligente en milieu hospitalier. Dans le contexte d'une application en unité de soins intensifs médicale, nous introduisons la notion originale de Boite Noire Médicale et nous proposons un nouveau système de monitoring visuel de Détection Automatique de Situations à risque et d'Alerte (DASA) basé sur un système de vidéosurveillance multi-caméra intelligent. L'objectif étant d'interpréter les flux d'informations visuelles et de détecter en temps réel les situations à risque afin de prévenir l'équipe médicale et ensuite archiver les évènements dans une base de donnée vidéo qui représente la Boite Noire Médicale. Le système d'interprétation est basé sur des algorithmes de reconnaissance de scénarios qui exploitent les Modèles de Markovs Cachés (MMCs). Une extension du modèle MMC standard est proposé afin de gérer la structure hiérarchique interne des scénarios et de contrôler la durée de chaque état du modèle markovien. La contribution majeure de ce travail repose sur l'intégration d'un raisonnement de type évènementiel, pour gérer la décision de reconnaissance en tenant compte des imperfections des informations disponibles. Les techniques de reconnaissance de scénarios proposées ont été testées et évaluées sur une base de séquences vidéo médicales et comparés aux modèles de Markov cachés probabilistiques classiques
This thesis focuses on the study and the implementation of an intelligent visual monitoring system in hospitals. In the context of an application for patient monitoring in mediacal intensive care unit, we introduce an original concept of the Medical Black Box and we propose a new system for visual monitoring of Automatic Detection of risk Situations and Alert (DASA) based on a CCTV system with network smart camera. The aim is to interpret the visual information flow and to detect at real-time risk situations to prevent the mediacl team and then archive the events in a video that is based Medical Black Box data. The interpretation system is based on scenario recognition algorithms that exploit the Hidden Markov Models (HMM). An extension of the classic model of HMM is proposed to handle the internal reporting structure of the scenarios and to control the duration of each state of the Markov model. The main contribution of this work relies on the integration of an evidential reasoning, in order to manage the recognition decision taking into account the imperfections of available information. The proposed scenarios recognition method have been tested and assessed on database of medical video sequences and compared to standard probabilistic Hidden Markov Models

En imagerie d'émission, la médecine nucléaire fournit une information fonctionnelle sur l'organe étudié. En imagerie de transmission, elle fournit une information anatomique, destinée par exemple à corriger certains facteurs de dégradation des images d'émission. Qu'il s'agisse d'une image d'émission ou de transmission, il est utile de savoir extraire de façon automatique ou semi-automatique les éléments pertinents : le ou les organes d'intérêt et le pourtour du patient lorsque le champ d'acquisition est large. Voilà le but des méthodes de segmentation. Nous avons développé deux méthodes de segmentation par contours actifs, le point crucial étant la définition de leur vitesse d'évolution. Elles ont été mises en œuvre par les ensembles de niveaux. En premier lieu, nous nous sommes intéressés à l'imagerie statique de transmission de la région thoracique. La vitesse d'évolution, définie heuristiquement, fait directement intervenir les projections acquises. La carte de transmission segmentée, obtenue ainsi sans reconstruction, doit servir à améliorer la correction de l'atténuation photonique subie par les images cardiaques d'émission. Puis nous avons étudié la segmentation des séquences cardiaques -- d'émission -- synchronisées par électrocardiogramme. La méthode de segmentation spatio-temporelle développée résulte de la minimisation d'un critère variationnel exploitant d'un bloc l'ensemble de la séquence. La segmentation obtenue doit servir au calcul de paramètres physiologiques. Nous l'avons illustré en calculant la fraction d'éjection. Pour terminer, nous avons exploité les propriétés des ensembles de niveaux afin de développer une méthode géométrique de recalage, non rigide et non paramétrique. Nous l'avons appliquée à la compensation cinétique des images des séquences cardiaques synchronisées. Les images recalées ont alors été ajoutées de sorte à produire une image dont le niveau de bruit est comparable à celui d'une image cardiaque statique sans toutefois souffrir de flou cinétique.

Les séquences fluoroscopiques, acquises à de faibles doses de rayons X, sont utilisées au cours de certaines opérations médicales pour guider le personnel médical dans ces actes. Cependant, la qualité des images obtenues est inversement proportionnelle à cette dose. Nous proposons dans ces travaux un algorithme de réduction de bruit permettant de compenser les effets d'une réduction de la dose d'acquisition et donc garantissant une meilleure protection pour le patient et le personnel médical. Le filtrage développé est un filtre spatio-temporel s'appuyant sur les représentations multi-échelles 2D des images de la séquence pour de meilleures performances. Le filtre temporel récursif d'ordre 1 et compensé en mouvement permet une forte réduction de bruit. Il utilise une détection et un suivi des objets de la séquence. Ces deux étapes déterminent le filtrage spatio-temporel de chaque coefficient multi-échelles. Le filtrage spatial est un seuillage contextuel utilisant le voisinage multi-échelles des coefficients pour éviter l'apparition d'artefacts de forme dans les images reconstruites. La méthode proposée est testée dans deux espaces multi-échelles différents, les curvelets et les ondelettes complexes suivant l'arbre dual. Elle offre des performances supérieures à celles des meilleures méthodes de l'état de l'art
Acquired with low doses of X-rays, fluoroscopic sequences are used to guide the medical staff during some medical procedures. However, image quality is inversely proportional to acquisition doses. We present here a noise reduction algorithm compensating for the effects of an acquisition at a reduced dose. Such a reduction enables better health protection for the patient as well as for the medical staff. The proposed method is based on a spatio-temporal filter applied on the 2D multi-scales representations of the sequence images to allow for a greater noise reduction. The motion-compensated, recursive filter acccounts for most of the noise reduction. It is composed of a detection and pairing step, which output determines how a coefficient is filtered. Spatial filtering is based on a contextual thresholding to avoid introducing shape-like artifacts. We compare this filtering both in the curvelet and dual-tree complex wavelet domains and show it offers better results than state-of-the-art methods

Les pathologies cardio-vasculaires constituent une des premières causes de mortalité dans les pays occidentaux et en France. En particulier, les pathologies ischémiques en représentent une part significative qui sont elles- mêmes la consé- quence de pathologies vasculaires comme l'athérosclérose. Les progrès de l'imagerie cardiaque permettent aujourd'hui de voir en détail les effets des pathologies ischémiques sur le mouvement du cœur, notamment. L'imagerie cardiaque est ainsi un outil précieux pour l'aide au diagnostic de ce type de pathologies, et pour mieux comprendre leurs causes et leur évolution. A ce jour, l'exploitation de ces données en clinique reste cependant très incomplète. En effet, le volume très important de données rend quasiment impossible le trai- tement manuel complet des images acquises sur chaque patient. D'autre part, le traitement manuel des images manque d'objectivité et de reproductibilité, com- promettant la validité des résultats obtenus, tant dans un contexte de recherche que pour un diagnostic en clinique. Nous proposons de recourir à des méthodes d'analyse assistées par l'ordinateur pour améliorer l'exploitation de ces images, à savoir l'extraction de l'anatomie et du mouvement du cœur en 3D. Ces méthodes permettront d'apporter une aide au diagnostic précieuse en fournissant des para- mètres globaux et locaux de la fonction contractile. Elles permettront en outre de faire avancer les connaissances en permettant une analyse accélérée et objective de groupes importants de patients. L'analyse automatisée d'images cardiaques pose cependant de nombreux pro- blèmes méthodologiques. Les travaux menés à ce sujet ont montré que l'utilisation de modèles réalistes comme a priori dans les algorithmes est un pré-requis indis- pensable à leur efficacité. Dans le cadre de cette thèse, nous nous sommes focalisés sur l'évolution de la méthode du Gabarit Déformable Élastique (GDE) pour l'extraction automatique de l'anatomie cardiaque (cavités ventriculaires et enveloppe péricardique), déve- loppée au laboratoire Creatis-LRMN. Le GDE consiste à représenter le myocarde par un modèle de forme a priori que l'on déforme élastiquement pour l'adapter à la forme spécifique du cœur du patient. Au cours de cette thèse, un nouvel algorithme non-linéaire, permettant une meilleure prise en compte de la variabilité de la forme du cœur, a été développé en collaboration avec l'Institut Camille Jordan de Mathématiques Appliquées à Lyon. La collaboration avec des mathématiciens permet d'asseoir nos travaux sur des bases théoriques solides : une preuve de convergence de l'algorithme a été proposée [13]. Nous proposons en outre une méthode de multirésolution sur le maillage qui permet une accélération significative de l'algorithme, ainsi qu'une méthode de perturbation singulière permettant de s'assurer que le modèle est par- faitement adapté aux données [14]. Parallèlement, un travail a été réalisé pour l'amélioration de l'attache aux don- nées [15] et en particulier du champ de force qui guide la déformation du gabarit, de manière à améliorer la robustesse de la méthode, notamment avec les données issues des imageurs modernes. Nous proposons également plusieurs contributions pour le positionnement ini- tial du modèle dans les images. En particulier, l'utilisation d'un recalage par fonc- tions splines de plaque mince a été proposé [16], en collaboration avec le Profes- seur L. Axel à New York. Enfin, nous proposons d'étendre le GDE pour une modélisation dynamique et non plus statique du cœur, en s'appuyant sur une représentation harmonique du mouvement sur l'ensemble du cycle cardiaque et en proposant un algorithme original de résolution [17, 18]. Cette dernière proposition constitue sans doute la principale contribution de notre travail. Elle s'appuie là-aussi sur des résultats théoriques. Les méthodes proposées sont évaluées sur des données de synthèse et des données réelles acquises chez l'homme et le petit animal.

L’objectif principal de l’imagerie par résonance magnétique (IRM) est d’apporter des renseignements pour le diagnostic clinique. A partir de séquences d’imagerie agissant sur le comportement des aimantations microscopiques, il est possible d’avoir accès à une source précieuse d’information macroscopique. Dans cette thèse, nous étudions un type de séquence adapté à l’examen de tissus durs comme par exemple le cartilage. Ces séquences présentent l’avantage de moduler l’interaction dipolaire présente dans les tissus. La séquence de contraste dipolaire, qui a servi de base à nos travaux est dérivée d’une séquence appelée Sandwich d’écho magique (MSE), qui permet de modifier l’interaction dipolaire. Initialement développée pour sonder des matériaux extrêmement durs, elle avait été modifiée au laboratoire pour être utilisée sur des tissus biologiques « moins solides ». Elle permettait également de gagner deux ordres de grandeur en temps d’acquisition, ce qui la rendait compatible avec un contexte clinique. Le principal but de ce travail de thèse est de préciser les contextes de mise en oeuvre de cette séquence et de la comparer à d’autres types de séquences (écho de spin, écho stimulé et élastographie) pour en déduire de nouveaux paramètres d’intérêt. Nous avons travaillé sur des échantillons qui ont des propriétés proches des matériaux solides : des polymères de type plastisol®. Cette étude est un support de réflexion sur les cadres d’application des séquences dipolaires de type MSE pour le diagnostic
The main objective of magnetic resonance imaging is to provide information for clinical diagnosis. From imaging sequences acting on the behaviour of microscopic magnetisation, it is possible to have access to a valuable source of macroscopic information. In this thesis, we study a sequence type adapted to the investigation of rigid tissues such as cartilage. The principal advantage of these sequences is to modulate the dipolar interaction present in the tissues. The dipolar contrast sequence, which served as a basis for our work, is derived from a RMN sequence called Magic Sandwich Echo (MSE) that allows us to modify the dipolar interaction. Initially developed to probe extremely solid materials, it had been modified in the laboratory to be used on "less solid" biological tissues. With this version the acquisition time has been reduced by two orders of magnitude, which makes this method compatible with clinical context. The original purpose of this thesis work is to specify the context of implementation of this sequence and to compare it to other types of sequences (spin echo, stimulated echo and elastography) to deduce new parameters of interest. We have worked on samples that have properties close to solid materials: polymers of plastisol® type. Therefore this study gives the application framework of dipolar sequences of the MSE type for diagnosis

Dans le cadre de cette thèse, nous nous somme focalisés sur deux objectifs complémentaires. Le premier concerne l'évolution de la méthode du Gabarit Déformable Elastique (GDE) pour l'extraction semi-automatique de l'anatomie et du mouvement cardiaque, développée au laboratoire Creatis. Un travail a d'abord été réalisé sur une base de données de 45 patients afin de mettre en évidence les points forts et les points faibles de l'algorithme, notamment la difficulté à suivre des déformations trop importantes ou des formes inhabituelles. Puis, différents types de contraintes ont été intégrées au modèle GDE afin d'en améliorer les performances : prescription locale ou dense de déplacements, directionnalité de la déformation contrainte par celle des fibres. Les contraintes proposées sont évaluées sur des données de synthèse et des données réelles en IRM ciné et de marquage tissulaire acquises chez l'homme. Parallèlement, une étude a été réalisée pour mettre en place la méthodologie nécessaire à l'extraction et l'analyse statistique de la déformation des fibres myocardiques. Ce travail a été effectué en collaboration avec une équipe du Auckland Bioengineering Institute en Nouvelle-Zélande. Un modèle biomécanique par éléments finis intègre la direction principale des fibres en tout point du ventricule gauche issue d'acquisitions en IRM du tenseur de diffusion (IRM-TD) sur coeurs humains ex vivo et le mouvement issu de séquences IRM marquées. Cette combinaison permet l'estimation de la déformation des fibres et sa variation durant le cycle cardiaque. La variabilité dans la déformation des fibres est étudiée statistiquement à travers le croisement d'une base de données IRM-TD et d'une base de données IRM marquées.

Les anévrysmes intracrâniens (AIC) sont des malformations artérielles développées au dépend des vaisseaux qui vascularisent le parenchyme cérébral. Leur rupture provoque une hémorragie intracrânienne, appelée hémorragie sous-arachnoïdienne, responsable d'une mortalité importante ou de séquelles fonctionnelles lourdes. Le traitement préventif de ces lésions est fréquemment réalisé lors d'une procédure endovasculaire (appelée coiling), par implantation, au sein de la poche artérielle pathologique, de spires métallique en platine à détachement contrôlé (les coils). La présence de ce matériel provoque une thrombose de la poche ce qui entraine secondairement une exclusion de l'anévrysme de la circulation artérielle. Une modalité de traitement endovasculaire plus récente fait appel à un dispositif implantable innovant appelé stent "flow diverter" (FD) que l'on déploie en regard de l'orifice qui fait communiquer l'artère et l’anévrysme : le collet anévrysmal. Ces stents FD, au design particulier, associant une faible porosité à une densité de pores élevée, agissent comme des "déflecteurs" et diminuent le flux sanguin entrant et sortant de l'anévrysme. L'objectif du traitement demeure toujours l'exclusion de l'anévrysme mais celle-ci est obtenue indirectement en agissant sur la "porte d'entrée" de l'anévrysme (le collet) et non plus directement sur la poche anévrysmale elle-même. Il ne s'agit plus alors de remplir le sac anévrysmal avec des coils mais de provoquer une thrombose stable et pérenne en altérant uniquement le flux sanguin qui le pénètre. Cette modalité thérapeutique novatrice a suscité un engouement important de la part des neuroradiologues interventionnels depuis 2007, date des premières implantations en Europe. Cependant, bien que reposant sur les capacités d'un tel dispositif à modifier le flux, on constate qu'il existe très peu d'outils d'imagerie disponibles actuellement et capables de quantifier ces modifications en un délai raisonnable pour pouvoir être exploité lors du traitement endovasculaire. De cette constatation clinique est né un projet collaboratif dont la finalité était le développement d'un outil logiciel basé sur les séquences d'angiographie numérisées soustraites et capable de mesurer au moins un des aspects du flux sanguin (et donc de ses modifications). La démarche de recherche mise en œuvre s'est effectuée en trois étapes. Premièrement, une étape expérimentale portant sur la réalisation d'un modèle "optimisé" d'AIC permettant le recueil de données hémodynamiques et d'imagerie. Puis, une étape de recherche plus fondamentale comprenant deux parties: d'une part des simulations numériques réalisées dans le cadre d'un modèle 3D réaliste d'AIC et d'autre part l'analyse d'images angiographiques. Au cours de cette étape, nous avons utilisé des outils de traitement d'images existants et développé certains algorithmes, puis les avons validés avant de les implémenter sous JAVA pour créer un outil logiciel d'analyse de flux. Enfin, la dernière étape du projet a consisté en l'exploitation du logiciel pour étudier une série clinique de patients traités d'un AIC par stent FD. Elle a permis de mettre en évidence certains facteurs prédictifs d'exclusion de l'anévrysme à long terme susceptible d'avoir un impact, en temps réel, sur le traitement des AIC par stent FD
Intracranial aneurysms treatment based on intra aneurismal flow modification tend to replace traditionally coiling in many cases and not only complex aneurysms for which they were initially designed. Dedicated stents (low porosity, high pores density stents) called “flow diverter” stents are deployed across the neck of the aneurysm to achieve this purpose. The summation of three different mechanisms tend to lead to the healing of the aneurysm: immediate flow alteration due to the mechanical screen effect of the stent, physiological triggering of acute or progressive thrombus formation inside the aneurysm’s pouch and long term biological response leading in neointima formation and arterial wall remodeling. This underlying sequence of processes is also supposed to decrease the recanalization rate. Scientific data supporting the flow alteration theory are numerous and especially computational flow dynamics (CFD). These approaches are very helpful for improving biomechanical knowledge of the relations between blood flow and pathology, but they do not fit in real-time treatments. Neuroendovascular treatments are performed under dynamic x-ray modality (digital subtracted angiography a DSA-).However, in daily practice, FD stents are sized to the patient’s 3D vasculature anatomy and then deployed. The flow modification is then evaluated by the clinician in an intuitive manner: the decision to deploy or not another stent is based solely on a visual estimation. The lack of tools available in the angioroom for quantifying in real time the blood flow hemodynamics should be pointed out. It would make sense to take advantage of functional data contained in contrast bolus propagation and not only anatomical data. Thus, we proposed to create flow software based on angiographic analysis. This software was built using algorithms developed and validated on 2D-DSA sequences obtained in a swine intracranial aneurysm model. This intracranial animal model was also optimized to obtain 3D vascular imaging and experimental hemodynamic data that could be used to realize realistic computational flow dynamic. In a third step, the software tool was used to analyze flow modification from angiographic sequences acquired during unruptured IA from patients treated with a FD stent. Finally, correlation between flow change and aneurysm occlusion at long term follow-up with the objective of identifying predictive markers of long term occlusion was performed

L’analyse d’images médicales joue un rôle essentiel en cardiologie pour la réalisation du diagnostique cardiaque clinique et le suivi de l’état du patient. Parmi les modalités d’imagerie utilisées, l’imagerie par ultrasons, temps réelle, moins coûteuse et portable au chevet du patient, est de nos jours la plus courante. Malheureusement, l’étape nécessaire de segmentation sémantique (soit l’identification et la délimitation précise) des structures cardiaques est difficile en échocardiographie à cause de la faible qualité des images ultrasonores, caractérisées en particulier par l’absence d’interfaces nettes entre les différents tissus. Pour combler le manque d’information, les méthodes les plus performante, avant ces travaux, reposaient sur l’intégration d’informations a priori sur la forme ou le mouvement du cœur, ce qui en échange réduisait leur adaptabilité au cas par cas. De plus, de telles approches nécessitent pour être efficaces l’identification manuelle de plusieurs repères dans l’image, ce qui rend le processus de segmentation difficilement reproductible. Dans cette thèse, nous proposons plusieurs algorithmes originaux et entièrement automatiques pour la segmentation sémantique d’images échocardiographiques. Ces méthodes génériques sont adaptées à la segmentation échocardiographique par apprentissage supervisé, c’est-à-dire que la résolution du problème est construite automatiquement à partir de données pré- analysées par des cardiologues entraînés. Grâce au développement d’une base de données et d’une plateforme d’évaluation dédiées au projet, nous montrons le fort potentiel clinique des méthodes automatiques d’apprentissage supervisé, et en particulier d’apprentissage profond, ainsi que la possibilité d’améliorer leur robustesse en intégrant une étape de détection automatique des régions d’intérêt dans l’image
The analysis of medical images plays a critical role in cardiology. Ultrasound imaging, as a real-time, low cost and bed side applicable modality, is nowadays the most commonly used image modality to monitor patient status and perform clinical cardiac diagnosis. However, the semantic segmentation (i.e the accurate delineation and identification) of heart structures is a difficult task due to the low quality of ultrasound images, characterized in particular by the lack of clear boundaries. To compensate for missing information, the best performing methods before this thesis relied on the integration of prior information on cardiac shape or motion, which in turns reduced the adaptability of the corresponding methods. Furthermore, such approaches require man- ual identifications of key points to be adapted to a given image, which makes the full process difficult to reproduce. In this thesis, we propose several original fully-automatic algorithms for the semantic segmentation of echocardiographic images based on supervised learning ap- proaches, where the resolution of the problem is automatically set up using data previously analyzed by trained cardiologists. From the design of a dedicated dataset and evaluation platform, we prove in this project the clinical applicability of fully-automatic supervised learning methods, in particular deep learning methods, as well as the possibility to improve the robustness by incorporating in the full process the prior automatic detection of regions of interest