Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

12 juin 2019

Reconstruction 3D de données médicales


Catégorie : Post-doctorant


Ce travail s’attaque à la reconstruction 3D de modèle de reins à partir de données médicales réelles. Ce processus de reconstruction se veut innovant en utilisant les informations topologiques et hiérarchiques afin de produire un modèle 3D au plus proche des données réelles et permettant d’évaluer la viabilité d’un greffon pour augmenter les chances de réussite d’une transplantation.

Equipe d’accueil :

L’équipe ASALI de l’institut CNRS XLIM (UMR 7252) est spécialisée dans le domaine de la modélisation géométrique, avec une spécificité reconnue au niveau international pour la gestion des informations topologiques (relations de voisinage, adjacence et incidence) en toute dimension [5]. Les modèles à base topologique élaborés par l’équipe sont également la base théorique du développement de plusieurs logiciels informatiques [6, 7].

 

Contact : rita.zrour@univ-poitiers.fr, Sebastien.Horna@univ-poitiers.fr

 

 

 

 

 

Description complète du sujet :

De nombreuses applications sont actuellement basées sur une représentation 3D des différentes parties du corps humain, avec divers outils d’acquisition pour reconstruire la surface et l’intérieur des organes à partir de données réelles. La multitude d’outils 3D disponibles sur le marché offre de nombreuses possibilités pour réaliser divers types de simulation pour, par exemple, préparer les chirurgiens avant l’opération sur le patient. Mais ces nombreuses applications destinées à modéliser des organes restent en partie inadaptées pour, par exemple, évaluer la viabilité d’un organe en vue d’une transplantation. En effet, les structures de données internes des logiciels sont souvent enregistrées dans un format propriétaire, ou bien les informations sont trop pauvres pour pouvoir être utilisables dans une chaîne d’analyse qualitative.

Ce Post doctorat se place dans le contexte de la modélisation de greffon reins en 3D afin d’évaluer la qualité de celui-ci. L’objectif principal est de développer un système de reconstruction et d’analyse dédié : d’une part, pour contrôler entièrement le processus de reconstruction en s’appuyant sur les méthodes de modélisation graphique [1, 2, 3] ; d’autre part, pour recueillir, compléter et calculer un panel de données beaucoup plus important que dans les méthodes de reconstruction classique utilisées dans le domaine médical. Pour cela, une méthode de reconstruction plus élaborée sera développée avec la mise à disposition de structures de données beaucoup plus riches et donc plus adaptables à une analyse mathématique fine des modèles de reins reconstruits.

Plus précisément, les travaux de modélisation graphique prévus dans ce projet s’insèrent dans plusieurs thématiques, avec le développement informatique d’une application dédiée à la reconstruction de modèle 3D de reins incluant :

 

L’objectif de la reconstruction est de créer le modèle 3D de la structure anatomique d’intérêt et d’obtenir de très bonnes approximations des surfaces d’origines le plus proche possible de la réalité. Le processus de reconstruction envisagé peut se résumer en plusieurs étapes décrites comme suit :

  1. L’extraction et l’analyse des informations 3D issues des données médicales pour une segmentation des données : la segmentation d’image [8] est une opération de traitement d’images qui a pour but de rassembler des pixels entre eux suivant des critères prédéfinis. Les pixels sont ainsi regroupés en régions.

  2. La reconstruction 3D volumique et surfacique du modèle de reins à partir de nuages de points dans l’espace fourni par la segmentation. Les principales difficultés sont liées à la nécessité de traiter des surfaces quelconques, des échantillons non uniformes permettant de produire des maillages géométriques et topologiques.

  3. Détection et correction d’incohérence géométrique [4], cette dernière étape de la reconstruction consiste à détecter les incohérences afin de les éliminer. Plusieurs opérations de haut niveau peuvent être mises en place pour traiter les incohérences automatiquement.

  4. Gestion hiérarchique : il s’agit dans ce cadre de diviser l’ensemble de données en plusieurs sous parties indépendantes et de mener un traitement hiérarchique sur l’ensemble des données. Les différentes étapes de la segmentation ainsi que la reconstruction pourront être menées de façon indépendante.

L’ensemble de ce travail de recherche se place dans le cadre du projet région IMPROVED et sera réalisé en collaboration avec le laboratoire IRTOMIT (CHU de Poitiers, INSERM U1082) chargé d’apporter son expertise et de fournir les données médicales utilisées comme point de départ de la chaine de traitement.

 

Equipe d’accueil :

L’équipe ASALI de l’institut CNRS XLIM (UMR 7252) est spécialisée dans le domaine de la modélisation géométrique, avec une spécificité reconnue au niveau international pour la gestion des informations topologiques (relations de voisinage, adjacence et incidence) en toute dimension [5]. Les modèles à base topologique élaborés par l’équipe sont également la base théorique du développement de plusieurs logiciels informatiques [6, 7].

 

 

 

Références bibliographiques :

  1. Bouke A. de Boer, Alexandre T. Soufan, Jaco Hagoort, Timothy J. Mohun, Maurice J. B. van den Hoff, Arie Hasman, Frans P. J. M. Voorbraak, Antoon F. M. Moorman, and Jan M. Ruijter. The interactive presentation of 3d information obtained from reconstructed datasets and 3d placement of single histological sections with the 3d portable document format. Development, 138(1) : 159–167, 2011. ISSN 0950-1991. doi : 10.1242/dev.051086. URL http://dev.biologists.org/content/138/1/159.

  2. Christoph J. Paulus, Nazim Haouchine, David Cazier, and Stéphane Cotin. Surgical augmented reality with topological changes. In Proceedings of the 18th International Conference on Medical Image Computing and Computer-Assisted Intervention, Volume 9349, pages 413–420, New York, NY, USA, 2015. Springer-Verlag New York, Inc.

  3. Zybnek Tonar, Frantisek Zatura, and Robert Grill. Surface Morphology of Kidney, Ureters and Urinary Bladder Models Based on Data From Visible Human Male . Leonardo Electronic Journal of Practices and Technologies (LEJPT), 148(2) :249–251, 2004.

  4. Sébastien Horna, Daniel Meneveaux, Guillaume Damiand, and Yves Bertrand. Consistency constraints and 3D building reconstruction. Computer-Aided Design, 41(1) :13–27, January 2009.

  5. G. Damiand and P. Lienhardt. Combinatorial Maps : Efficient Data Structures for Computer Graphics and Image Processing. A K Peters/CRC Press, September 2014.

  6. H. Belhaouari, A. Arnould, P. Le Gall, and T. Bellet. JERBOA : A graph transformation library for topology-based geometric modeling. In 7th International Conference on Graph Transformation (ICGT 2014), volume 8571 of LNCS, York, UK, July 2014. Springer. https ://xlim-sic.labo.univpoitiers.fr/logiciels/Jerboa/.

  7. F. Vidil and G. Damiand. Moka. https ://xlim-sic.labo.univ-poitiers.fr/logiciels/MoKa/, 2003.

  8. Couprie, C., Najman, L., Talbot, H. Seeded Segmentation Methods for Medical Image Analysis. Dougherty, Geoff. Medical Image Processing, Springer New York, pp.27-57, 2011, Biological and Medical Physics, Biomedical Engineering.

 

 

 

 

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2019.