Indexation et Analyse des Images et des vidéos de la Santé

Nous vous rappelons que, afin de garantir l'accès de tous les inscrits aux salles de réunion, l'inscription aux réunions est gratuite mais obligatoire.

Inscriptions closes à cette réunion.

Inscriptions

12 personnes membres du GdR ISIS, et 1 personnes non membres du GdR, sont inscrits à cette réunion.
Capacité de la salle : 30 personnes.

Annonce

Journée commune Axe3, Thème B et GDR STIC Santé

Organisateurs : Guy Carrault, Su Ruan, Jenny Benois-Pineau, Khalifa Djemal.

Les méthodes d'indexation et de recherche d'information visuelle pénètrent dans le monde de l'imagerie médicale et de l'aide au diagnostic.

Suivi des cohortes des patients avec les examens longitudinaux par les modalités telles IRM, Rayons X, ECG, imagerie optique spatio-temporelle génèrent une masse de données visuelles en forte croissance. Dans cette masse de données les questions de reconnaissance, de recherche par similarité, de classification se posent à l'échelle fortement croissant.

La communauté internationale en indexation des images et des vidéos s'intéresse de plus en plus aux images médicales. Les grandes compétitions internationales dans le domaine d'indexation/recherche/reconnaissance introduisent les sous-programmes ciblés à l'image médicale. Les bases de données d'envergure, comme par exemple ADNI deviennent accessibles à la large communauté de recherche.

Durant cette journée nous envisageons le dialogue entre les équipes de recherche en informatique « image » et signal plus particulièrement intéressés par les aspects recherche en indexation et recherche des informations visuelle et les chercheurs en médecine qui explorent les différents modalités d'imagerie pour les objectifs de suivi, de diagnostic et de formation.

Les propositions d'exposés sont à envoyer à G. Garrault, S. Ruan, J. Benois-Pineau : guy.carrault@univ-rennes1.fr, su.ruan@univ-rouen.fr, benois-p@labri.fr.

Programme

10h - 12h30
1. Ouverture de la journée par G. Carrault (STIC-Santé), S. Ruan, J. Benois-Pineau(GDR ISIS)

2.  I. Cheikhrouhou, Kh. Djemal et H. Maaref, Université d’Evry Val d’Essonne, IBISC

« Description des masses mammaires pour la classification du cancer du sein »

3. B. Gibaud, LTSI Inserm 1099, Rennes

« Les technologies sémantiques au service de l'indexation des images médicales : pourquoi et comment ? »

4. Jean-Yves Ramel, Ludovic Paulhac , Pascal Makris - Lab. Informatique de Tours EA 6300

«  Caractérisation de contenu d'images et segmentation interactive : application aux images médicales  »

12h30 - 14h - Pause - déjeuner

14h.00 - 17h

1. M. Allard, B. Dilharreguy, B. Hiba et F. Lamare - INCIA, UMR-CNRS 5287, Université de Bordeaux

«Apport de l’imagerie multimodale dans l’étude des maladies neurodégénératives »

2. P. Coupé, LABRI  UMR 5800

« Notation par l’estimateur non-local des patchs pour le diagnostic précoce de la maladie Alzheimer »

3. G. Quellec, LaTIM -INSERM U650

« Recherche d'informations hétérogènes dans les archives médicales numériques »

4. J.-B. Fiot, J. Fripp, L. D. Cohen. CEREMADE,

« Analyse de population d'images par apprentissage de variétés. » 

Discussion 16h-17h

Résumés des contributions

10h - 12h30
1. Ouverture de la journée par G. Carrault (STIC-Santé), S. Ruan, J. Benois-Pineau(GDR ISIS)

Les méthodes d'indexation et de recherche d'information visuelle pénètrent dans le monde de l'imagerie médicale et de l'aide au diagnostic.Suivi des cohortes des patients avec les examens longitudinaux par les modalités telles IRM, Rayons X, ECG, imagerie optique spatio-temporelle génèrent une masse de données visuelles en forte croissance. Dans cette masse de données les questions de reconnaissance, de recherche par similarité, de classification se posent à l'échelle fortement croissant. Cette journée a comme objectif de faire un état de lieu en utilisation des méthodes d’indexation de l’information visuelle dans le domaine de l’image de la santé et de réunion les deux communautés traditionnelles : celle de l’image médicale et celle de l’indexation et de recherche d’information visuelle et multimédia.

2.  I. Cheikhrouhou, Kh. Djemal et H. Maaref, Université d’Evry Val d’Essonne, IBISC 

« Description des masses mammaires pour la classification du cancer du sein »

Le diagnostic assisté par ordinateur du cancer du sein devient de plus en plus une nécessité vu la croissance exponentielle du nombre des mammographies effectuées chaque année. En particulier, le diagnostic des masses mammaires et leur classification suscitent actuellement un grand intérêt. En effet, la complexité des formes traitées et la difficulté confrontée afin de les discerner nécessitent l’usage de descripteurs appropriés. Dans cette présentation, des méthodes de caractérisation adaptées aux pathologies mammaires sont proposées ainsi que l’étude de différentes méthodes de classification est abordée. Dans ce contexte, nous présentons trois descripteurs de la forme des masses mammaires : le descripteur des points terminaux du squelette, un descripteur basé sur la sélection des protubérances et enfin le descripteur des masses spiculées.

Dans l’objectif de comparer différents descripteurs, une étude comparative entre différentsclassifieurs est réalisée. Les machines à vecteurs de support (SVM) fournissent pour tous lesdescripteurs considérés le meilleur résultat de classification.

Finalement, les descripteurs proposés ainsi que d’autres couramment utilisés dans le domaine du cancer du sein sont comparés afin de tester leur capacité à caractériser convenablement le contour des masses enquestion. La performance des trois descripteurs proposés et notamment le descripteur des masses spiculées est mise en évidence à travers les comparaisons effectuées.

3. B. Gibaud, LTSI Inserm 1099, Rennes

« Les technologies sémantiques au service de l'indexation des images médicales : pourquoi et comment ? »

Cet exposé vise à situer l'apport des technologies sémantiques (ontologies, annotations sémantiques, langages de requêtes) pour l'indexation des images médicales (ce terme recouvre à la fois l'image fixe et l'image animée). Dans cet exposé nous mettrons d'abord l'accent sur ce qui fait la spécificité de ces données. En particulier nous soulignerons l'intérêt de pouvoir exploiter les données non seulement pour la délivrance des soins et le suivi du patient, mais aussi pour la recherche clinique et translationnelle. Nous détaillerons ensuite les différents domaines que l'indexation doit concerner, à savoir : (1) la caractérisation du sujet, (2) le contexte d'observation des données (équipement utilisé, protocole d'acquisition, traitements appliqués aux images) et enfin (3) le contenu des images. Nous rappelerons comment est assurée cette indexation dans la pratique actuelle courante, notamment dans le cadre du standard DICOM, ainsi que les limitations qui en découlent.

Nous discuterons ensuite des possibilités nouvelles apportées par les technologies sémantiques vis à vis de cet objectif d'indexation. Nous soulignerons les principales difficultés qui limitent encore aujourd'hui leur déploiement à grande échelle. Nous mettrons notamment l'accent sur la définition et l'adoption d'ontologies suffisamment consensuelles pour permettre l'annotation sémantique des images, sur la production de ces annotations sémantiques et enfin l'interrogation et l'exploitation de ces annotations.Ceci sera illustré avec des exemples issusdes domaines de la neuro-imagerie et de la simulation d'images médicales, notamment dans le cadre des projets ANR NeuroLOG et VIP (Virtual Imaging Platform), respectivement.

 

4. Jean-Yves Ramel, Ludovic Paulhac , Pascal Makris - Lab. Informatique de Tours EA 6300

«Titre : Caractérisation de contenu d'images et segmentation interactive : application aux images médicales  »

Lorsqu'il s'agit d'analyser ou d'indexer des images dans le domaine médical, le tout automatique est généralement à proscrire afin de permettre à l'expert d'intervenir et d'interagir avec le système et sur les données pour obtenir les informations, mesures ou visualisations optimales.
Ainsi, nous présenterons, dans cette exposé,  une méthode interactive pour la segmentation d’images médicales 3D basée sur l'exploitation d'un graphe d’adjacence de région représentant le contenu de l'image. Cette représentation plus facilement manipulable du contenu de l'image permet de simplifier et d’améliorer le processus de segmentation visant par exemple à isoler une pathologie. L’utilisateur (l'expert) effectue alors simplement des opérations de division et de fusion de régions dans l'image en cours d'analyse pour construire lui-même sa segmentation de facon incrémentale.
Nous montrerons également l’intérêt d'exploiter, dans de tels systèmes, des caractéristiques visuelles facilement appréhendables par des personnes non expertes en traitement d'images pour caractériser les contenus plutôt que des descripteurs purement "signal" difficilement manipulables.
Ce système a été exploité pour la mise en place d'un logiciel de segmentation et caractérisation d'images ultrasonores 3D de la peau en collaboration avec l'équipe 5 de l'INSERM U930 de Tours.
Durant l'exposé, nous insisterons sur les multiples intérêts de prévoir une interaction forte entre le logiciel et l'expert afin d'augmenter la qualité des analyses, des résultats et interprétations obtenus mais aussi afin de permettre l'exploitation d'informations sémantiques (atlas) lors de la mise en place de systèmes d'Indexation et analyse de Images médicales.

12h30 - 14h - Pause - déjeuner

14h.00 - 17h

 

1. M. Allard, B. Dilharreguy, B. Hiba et F. Lamare - INCIA, UMR-CNRS 5287, Université de Bordeaux

«Apport de l’imagerie multimodale dans l’étude des maladies neurodégénératives »

Le vieillissement de la population dans les pays occidentaux s’accompagne d’un accroissement important  de patients souffrant de maladies neurodégénératives. Les traitements seront d’autant plus efficaces que le diagnostic sera précis et précoce, susceptible de limiter, voire de stopper, la progression des lésions cérébrales. Dans cette perspective la neuroimagerie est appelée à jouer un rôle de tout premier plan, en particulier deux modalités, l’Imagerie par résonance magnétique (IRM) et la Tomographie par Emission de Positons (TEP). Déjà largement utilisées, elles permettent d’évaluer de manière non invasive des phénomènes physiologiques, dont l’évaluation du dérèglement en situation pathologique constitue une aide majeure, parmi lesquels, la morphologie, la perfusion, le métabolisme cérébrals.

Dans tous les cas, l’objectif sera de rechercher avec la meilleure sensibilité les similarités entre un patient et un groupe contrôle afin d’affiner le diagnostic et lorsque cela sera possible d’aider au choix thérapeutique (sélection du traitement, évaluation prospective et rétrospective de son efficacité).  Augmenter le niveau d’information sur la physiopathologie contenu dans les images IRM ou TEP suppose des recherches au moins à trois niveaux :

-         Quelque soit la modalité, prenant en compte les spécificités de la physiologie cérébrale, il s’agira de corriger des effets de volume partiel et des mouvements non pas du tissu cérébral mais de la tête du sujet au cours de l’examen.

-         Pour chaque modalité, de développer des « outils » pour des traitements spécifiques, segmenter les différentes composantes anatomiques ou fonctionnelles, éliminer le bruit, …

-         Comme l’information contenue est différente selon les modalités, il est nécessaire de développer des méthodes visant à r tirer profit de l’information spécifique à chaque modalité dont une analyse multimodale doit potentialiser le bénéfice.

2. P. Coupé, LABRI  UMR 5800

« Notation par l’estimateur non-local des patchs pour le diagnostic précoce de la maladie Alzheimer »

Dans cet exposé nous allons présenter une approche innovante pour la détection robuste et précise de la maladie Alzheimer (MA) à la base de la détection des configurations atrophiques spécifiques des structures anatomiques tells hippocampe (HC) et cortex enthorinal (CE).

L’approche proposée effectue la segmentation et notation de façon simultanée des structures pour capter efficacement les altérations engendrées par MA.

Connue sous le nom de SNIPE (Scoring by Non-local Image Patch Estimator)

la nouvelle mesure de notation est basée sur une approche non-locale par patches et estime la similarité du patch de voisinage du voxel étudié avec tous les patches présents dans des différentes populations d’apprentissage. La validation sur la base de données ADNI sera présentée et la comparaison avec les études récentes par des marqueurs biologiques à partir de l’IRM sera détaillée.

3. G. Quellec, LaTIM -INSERM U650*

« Recherche d'informations hétérogènes dans les archives médicales numériques »

Les archives médicales numériques sont un atout majeur pour le développement des systèmes d'aide à la décision médicale de demain. Cette présentation dresse un état de l'art de la recherche d'informations dans ces archives, en insistant sur notre approche du problème, puis met en avant des axes de recherche futurs. Nous mettrons en évidence que, grâce à des avancées majeures en recherche d'informations, ainsi que sur des sujets connexes tels que la sécurité, pratiquement tous les problèmes de décision médicale peuvent tirer parti des informations stockées dans les archives médicales.
Au cours d'un examen médical, les médecins constituent un dossier patient regroupant toutes les informations disponibles sur leur patient. Pour appuyer leurs décisions, une solution prometteuse consiste à leur présenter des dossiers patients similaires au sein d'une archive médicale numérique. Confrontés à des cas semblables, les médecins peuvent alors confirmer ou infirmer leurs décisions, à l'aide d'un raisonnement par analogie. Afin de trouver des dossiers patients similaires, deux défis doivent être relevés. Tout d'abord, comment caractériser les données complexes contenues dans les dossiers patients (images, vidéos, etc.) ? Deuxièmement, comment combiner les données hétérogènes qu'elles contiennent (données démographiques et cliniques, images, vidéos, etc.) pour définir une mesure de similitude cliniquement pertinente ?
Différentes solutions ont été proposées pour caractériser des images. Certaines s'appuient sur une modélisation sémantique des images (description lexicale des lésions, modélisation spatiale des organes, etc.). D'autres décrivent leur contenu numérique, soit en utilisant des algorithmes de segmentation spécifiques à chaque application, soit en utilisant des caractéristiques d'images indépendantes de l'application (caractéristiques de texture, de couleur, de forme, etc.). Nous nous sommes essentiellement intéressés à la dernière approche : nous avons proposé des caractérisations d'images originales et flexibles s'appuyant notamment sur la transformée en ondelettes. Récemment, nous nous sommes également intéressés à la caractérisation des vidéos. A l'avenir, un défi majeur sera de caractériser et d'associer des vidéos en temps réel. Cela permettra par exemple d'aider à la décision au cours d'une chirurgie sous contrôle vidéo.
Différentes solutions ont été proposées pour définir des mesures de similitude entre dossiers patients hétérogènes. Certaines s'appuient sur des ontologies médicales, d'autres s'appuient sur la fusion d'informations : la fusion précoce (en utilisant par exemple des techniques de fouille de données) ou la fusion tardive (en utilisant par exemple la théorie de l'évidence). A l'avenir, un défi majeur sera de prendre en compte les processus cognitifs de chaque médecin afin d'adapter les mesures de similitude et donc d'offrir une aide à la décision personnalisée.

4. J.-B. Fiot, J. Fripp, L. D. Cohen,  CEREMADE

« Analyse de population d'images par apprentissage de variétés. »

Dans le cadre de l'étude de la maladie d'Alzheimer, les méthodes d'apprentissage de variétés appliquées aux populations d'images IRM connaissent un succès croissant. Elles visent à détecter des tendances, séparer les patients sains des patients malades, discerner les évolutions dues à la maladie de celles dues à un vieillissement normal.

Dans un premier temps, nous présenterons l'utilisation de méthodes d'apprentissage de variétés (réduction de dimension non-linéaire) pour l'analyse de population d'images. Nous illustrons ensuite les différentes techniques permettant de valider et comparer ces méthodes.

Enfin, nous présenterons deux extensions de Laplacian Eigenmaps (qui est une méthode de réduction de dimension non linéaire) permettant d'effectuer une réduction de dimension combinant des images et des informations cliniques (génotype, concentrations, etc).