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.
14 personnes membres du GdR ISIS, et 21 personnes non membres du GdR, sont inscrits à cette réunion.
Capacité de la salle : 160 personnes.
La science du traitement de l'information joue désormais un rôle très important dans le domaine de la santé publique, et notamment dans l'imagerie du vivant qui est un domaine, par nature, pluridisciplinaire (regroupant entre autres la physique, la médecine et les sciences de traitement de l'information).
L'analyse du vivant se fait à plusieurs échelles (moléculaire, cellulaire, tissus) et au travers de multiples modalités d'imagerie (optique, RMN, ultrasons, rayons X, ...).
Cette journée s'intéressera plus particulièrement aux problèmes de traitement d'images liés à l'analyse et la modélisation du vivant à partir d'images anatomiques et fonctionnelles. Ce sera l'occasion de discuter des travaux les plus récents dans ce domaine et d'identifier les nouvelles méthodes et leurs utilisations pour les données biomédicales. Notre objectif est d'établir un état de lieux utile pour deux communautés : le traitement d'image et la médecine. Les contributions de la journée porteront à la fois sur des aspects théoriques et sur des applications réelles fondées dans différents domaines de la santé.
Mots clés :
Analyse de processus temporels ; modélisation de croissance / dégénérescence ; Détection de changements ; Analyse de déformation géométrique ; Création de modèles statistiques compacts temporels ; Capturer les informations à toutes les échelles disponibles à travers plusieurs modalités ; fusion de données ;
La journée inclut des conférences invitées et des communications pour lesquelles nous lançons un appel à contributions.
Si vous souhaitez présenter vos travaux, merci d'envoyer vos propositions pour le 13 mai 2015 au plus tard (titre, auteurs, affiliation, résumé de 10-15 lignes) aux organisateurs :
9h00 Présentation de la journée
Session : 1
9h15 - 10h00 : Nadine Peyriéras : Dynamiques multiniveaux dans la morphogenèse embryonnaire animale, intégration de données cellulaires, mécaniques et génétiques.
10h00 - 10h20 : J. Lefèvre : Modélisation de la morphogénèse cérébrale précoce. Apports de l'IRM et de la biomécanique
10h20 - 10h40 : E. Micard : Reconstruction 3D d?embryons humains
10h40 - 11h00 : Pausé Café
Session : 2
11h00 - 11h45 : Benjamin Gilles : Modèles déformables 3D pour la modélisation et la simulation musculo-squelettique
11h45 - 12h05 : V. Damerjian : Caractérisation texturelle d?images échocardiographies pour la différentiation de l'hypertrophie ventriculaire gauche
12h05 - 12h25 : M. Filippi : Analyse factorielle avec a priori spatiaux pour l'analyse de séquences cardiaques en 2D-SPECT
12h25 - 14h00 : déjeuner
Session : 3
14h00 - 14h45 : Christophe Letellier : Modélisation de la dynamique entre populations cellulaires lors de croissance tumorale : du modèle chaotique aux images de routine
14h45 - 15h05 : Yi Yin : Quantification of tumor cellularity from non-invasive diffusion-weighted MRI
15h05 - 15h25 : X. Wang : Active Colloids Segmentation and Tracking
15h25 - 15h45 : Pause Café
Session : 4
15h45 - 16h30 : Olivier Colliot : De l'analyse des images cérébrales à la neurologie computationnelle
16h30 - 16h50 : V. Noblet : Comparaison de groupes en IRM du tenseur de diffusion
16h50 - 17h10 : B. Khanal : Modeling and simulation of longitudinal structural brain MRIs with atrophy in Alzheimer's disease
17h10 - : Table ronde
:
1) Présentation invitée : Dynamiques multiniveaux dans la morphogenèse embryonnaire animale, intégration de données cellulaires, mécaniques et génétiques.
Nadine Peyriéras, USR3695 BioEmergences, Gif-sur-Yvette.
2) Modélisation de la morphogénèse cérébrale précoce. Apports de l'IRM et de la biomécanique.
Auteurs : Julien Lefèvre
Affiliations : Aix Marseille Université, Institut des Neurosciences de la Timone, CNRS UMR 7289 et Laboratoire des Sciences de l'Information et des Systèmes, CNRS UMR 7296
Le cortex cérébral acquière sa forme circonvoluée au cours du développement précoce chez de nombreuses espèces de mammifères. Le décours d'apparition des différents plis est bien
décrit par les neuroanatomistes et les mécanismes cellulaires concomitants à ces grands bouleversements morphologiques sont de mieux en mieux connus [1]. Pour autant, un débat persiste sur une origine purement génétique des circonvolutions ou au contraire sur le résultat d'un processus de croissance dont le plissement serait en quelque sorte un artefact. Au travers de deux contributions personnelles [2,3], j'exposerai les deux facettes un peu caricaturées de cette controverse et insisterai surtout sur une démarche générale pour tester les hypothèses, notamment à travers l'utilisation de l'IRM et de modèles géométriques de la surface corticale.
[1] Cerebral cortex expansion and folding: what have we learned? Virginia Fernández, Cristina Llinares-Benadero, Víctor Borrell, The EMBO Journal, 2016.
[2] A reaction diffusion model of human brain development, Julien Lefèvre, Jean- François Mangin, PLoS Computational Biology, 2010
[3] On the growth and form of cortical convolutions, Tuomas Tallinen, Jun Young Chung, François Rousseau, Nadine Girard, Julien Lefèvre, L Mahadevan, Nature Physics, 2016.
3) Reconstruction 3D d'embryons humains
Auteurs: Emilien Micard1,2,3,4,5,6, Romain Tonnelet1,2,3,4,5,6, Romain Cendre1,2,3, Cédric Pasquier1,2,3,4,5,6, Marc Labrousse8, Jacques Felblinger1,2,3,4,5,6, Marc Braun1,2,3,4,5,6,7,
Affiliations :
1 INSERM, CIT801, Nancy, France, 2 CHU de Nancy, CIC-IT, Nancy, France, 3 Université de Lorraine, CIC-IT, Nancy, France
4 INSERM, U947, Nancy, France, 5 CHU de Nancy, IADI, Nancy, France, 6 Université de Lorraine, IADI, Nancy, France
Laboratoire d?Anatomie 7Nancy et 8Reims
Notre travail porte sur la reconstruction tridimensionnelle de coupes histologiques historiques par des techniques d'imagerie numérique.
L'exploitation des données reconstruites, à différents stades d?évolution, permettra une meilleure compréhension de l?embryologie humaine.
La problématique principale réside dans la restauration d?une cohérence spatiale. En effet, après découpe et montage des coupes sur lames de verres, toute information de positionnement spatial est définitivement perdue et il est alors impossible de superposer les coupes pour reconstruire le volume. Pour retrouver cette information, nous supposons que le meilleur positionnement entre deux coupes consécutives est obtenu lorsque la différence entreces deux images est minimale. Ainsi, des techniques de recalage permettront de retrouver cette cohérence spatiale inter-coupe.
4) Présentation invitée : Modèles déformables 3D pour la modélisation et la simulation musculo-squelettique
Benjamin Gilles, LIRMM, Montpellier
La création et l'utilisation de modèles biomécaniques spécifiques au patient restent encore limitées dans le contexte clinique, à cause de problèmes d'automatisation (segmentation d?images et paramétrage des modèles souvent interactifs), de précision et de temps de calculs. Je présenterai plusieurs approches visant à réduire ces difficultés: des méthodes basées sur le recalage déformable d?une géométrie de référence sur des données médicales, et un modèle 'sans maillage? pour la simulation mécanique interactive. Ces méthodes seront illustrées dans le contexte de l?étude du système musculo-squelettique humain, composé de nombreux organes complexes et en interaction.
5) Caractérisation texturelle d?images échocardiographies pour la différentiation de l?hypertrophie ventriculaire gauche
Auteurs: V. Damerjian(1), O. Tankyevyc (1), A. Guellich(2), T. Damy (2), et E.Petit (1)
Affiliations :
(1) Laboratoire d?Images, Signaux et Systèmes Intelligents, Université Paris-Est Créteil, France.
(2) Heart Failure Unit / Department of Cardiology, Henri Mondor Hospital, Créteil, France
L?Hypertrophie Ventriculaire Gauche (HVG) est actuellement mise en évidence par échographie. Cet examen fournit des informations anatomo-fonctionnelles mais ne permet pas de déterminer l?étiologie des HVG, ce qui engendre de graves erreurs de diagnostic et de prise en charge thérapeutique. Les HVG sont classiquement séparées en 2 catégories :
1. pathologies hypertrophiques induites par la modification structurelle et fonctionnelle des cardiomyocites qui tend à compenser des insuffisances cardiaques liées par exemple à des problèmes d?hypertension artérielle, de rétrécissement aortique ou de CardioMyopathies Hypertrophiques sarcomériques ;
2. pathologies infiltratives correspondant au dépôt de protéines dans la matrice extracellulaire principalement dues à différentes formes d?amyloses cardiaques
Notre hypothèse est que les différents mécanismes physiopathologiques (hypertrophique ou infiltratif) pourraient se traduire dans l?image par des propriétés spécifiques du speckle échographique. Nous avons donc développé un travail d?analyse de la texture de ces images afin de discriminer les différentes HVG.
Dans cette étude, la base de données de 4795 images est divisée en une base d?apprentissage de 3770 images et une base de test de 1025 images. L?analyse de texture des images est faite par les ondelettes de Gabor avec 8 orientations, 7 tailles et 5 niveaux de décomposition. Ensuite, les caractéristiques statistiques de premier et deuxième ordre sont extraites des images pour la base d?apprentissage en appliquant l?Analyse en Composantes Principales (ACP) suivie par l?analyse discriminante linéaire (ADL) pour une séparation supervisée des classes. Les caractéristiques extraites pour la base de test sont projetées sur les vecteurs propres sélectionnés au cours de l?apprentissage. L?ADL est appliquée à ce niveau pour la classification des données du test et la qualité de cette classification est évaluée. Les résultats obtenus sont bons (qualité totale de classification de 95,51%) et sont suivis d?une étape de cross-validation afin de vérifier la robustesse de notre méthode. A cette étape, les bases de données de l?apprentissage et du test sont mélangées et 50 combinaisons différentes sont préparées. La même méthode décrite précédemment est appliquée. La cross-validation montre une variation de la qualité de classification (entre 30% et 99.96%) probablement due à l?hétérogénéité des caractéristiques texturelles pour les patients d?une même classe que l?on explique par des degrés différents d?avancement dans la pathologie.
Ces travaux montrent qu?une analyse de texture des images échocardiographiques peut permettre de déterminer des bio-marqueurs aptes à discriminer différentes cardiopathies qui s?expriment par une HVG. Ce résultat peut avoir des retombées très importantes en pratique clinique
6)Analyse factorielle avec a priori spatiaux pour l'analyse de séquences cardiaques en 2D-SPECT.
Auteurs : Marc Filippi (1), Michel Desvignes (1), Eric Moisan (1), Catherine Ghezzi (2), Pascale Perret (2), Daniel Fagret (2)
Affiliation : (1) GipsaLab, Saint Martin d'Hères --- (2) Radiopharmaceutiques Biocliniques, INSERM E 0340, La Tronche
L'analyse de nombreuses données d'imagerie en médecine nucléaire requiert l'extraction préalable des activités des différents compartiments physiologiques étudiés. En imagerie 2D (2D-SPECT par exemple), ces extractions s'avèrent délicates car les compartiments physiologiques se chevauchent, et l'accès aux courbes d'activités pures n'est pas directement possible. Des opérations de démélange sont donc nécessaires. L'approche classique est de modéliser la séquence d'images Y (vectorisées) à l'aide d'un modèle linéaire additif : Y=A*F+bruit, où la matrice F contient les activités de référence des compartiments physiologiques, et la matrice A contient les poids du mélange pour chaque pixel. L'objectif est d'identifier A et F à partir de la matrice des données Y, sous des contraintes de positivité des coefficients de A et F, et en minimisant l'erreur quadratique ||Y-A*F||². Cependant il existe une infinité de couples (A,F) solutions de ce problème mais un seul nous intéresse. Nous proposons une méthode qui exploite des informations a priori facilement accessibles, à savoir la position grossière des organes sur la séquence d'images, afin de trouver la solution recherchée. Ces informations se traduisent par une nouvelle fonction objectif à minimiser dans laquelle nous pénalisons également les images factorielles trop semblables. La minimisation de cette fonction objectif conduit à de meilleurs résultats de démélange que les méthodes de factorisation de matrices non négatives (NMF) ou d'analyse factorielle à la fois sur données synthétiques et données réelles.
7) Présentation invitée : Modélisation de la dynamique entre populations cellulaires lors de croissance tumorale : du modèle chaotique aux images de routine
Christophe Letellier, Coria, Rouen
La description des croissances tumorales constitue une étape clé en oncologie pour disposer d?une bonne compréhension des mécanismes sous-jacents conduisant aux cancers délétères. De manière à prendre en compte le microenvironnement de la tumeur, nous avons utilisé un modèle ? fonctionnant à l?échelle tissulaire ? des interactions entre cellules hôtes (non malignes), cellules immunitaires effectrices et cellules tumorales pour simuler l?évolution de cancer [1,2,3]. Nous avons étudié comment l?évolution du diamètre de la tumeur était lié à la dynamique (oscillations périodiques ou chaotiques, points singuliers stables) sous-jacente aux interactions entre les différentes populations de cellules au sein d?un site où les cellules tumorales prolifèrent. Dynamiquement parlant, il est montré qu?un régime chaotique à l?échelle d?un site tumoral (approximativement 10-3 mm 3 dans nos simulations) conduit à un microenvironnement plus résistant (fournissant ainsi des barrières plus fortes contre la progression tumorale) à l?échelle tissulaire (supérieure à 1 mm3 ) [4,5]. Les différents résultats seront interprétés en prenant appuis sur des cas cliniques.
Références
[1] L. G. De Pillis, A. Radunskaya, A mathematical tumor model with immune resistance and drug therapy: an optimal control approach, Journal of Theoretical Medicine, 3, 79-100, 2001.
[2] C. Letellier, F. Denis & L. Aguirre, What can be learned from a simple cancer model?, Journal of Theoretical Biology, 322, 7-16, 2013.
[3] L. Viger, F. Denis, M. Rosalie & C. Letellier, A cancer model for the angiogenic switch, Journal of Theoretical Biology, 360, 21-33, 2014.
[4] L. Viger, Approche déterministe des dynamiques de cancers : Vers une individualisation des pronostics d?évolution des cancers, Ph.D. Thesis, Rouen University, November 27, 2015.
[5] L. Viger, F. Denis, C. Draghi, T. Ménard & C. Letellier, Spatial avascular growth of tumor in a homogeneous environment, submitted.
8) Quantification of tumor cellularity from non-invasive diffusion-weighted MRI
Auteurs : Yi Yin1,2,+, Oliver Sedlaczek3,4,5,+, Benedikt Müller6, Arne Warth3,6, Margarita González-Vallinas6, Bernd Lahrmann6,7, Niels Grabe6,7, Hans-Ulrich Kauczor3,4,5, Kai Breuhahn6,*, Irene E. Vignon-Clementel1,2,*, Dirk Drasdo1,2,8,*
Affiliations :
1. INRIA Paris, Paris, France
2. Sorbonne Universités UPMC Univ. Paris 6, Laboratoire Jacques-Louis Lions, Paris, France
3. Translational Lung Research Center Heidelberg (TLRC), member of the German Centre for Lung Research (DZL)
4. Department of Diagnostic & Interventional Radiology, University Hospital of Heidelberg, Heidelberg, Germany
5. Department of Diagnostic and Interventional Radiology with Nuclear Medicine, Thoraxklinik at University of Heidelberg, Heidelberg, Germany
6. Institute of Pathology, University Hospital Heidelberg, Heidelberg, Germany
7. Department of Medical Oncology, NCT, University Hospital Heidelberg, Heidelberg, Germany, Heidelberg, Germany
8. IZBI, University of Leipzig, Germany
+ shared first authorship
* shared last authorship
Tumor cellularity is one of the critical histologic features used in tumor classification, which can aid cancer diagnosis and cell number related cancer therapies. Diffusion-weighted MRI (DW-MRI) measures the water molecule mobility in tissue, which provides an indirect measure of tumor cellularity. In order to predict the tumor cellularity and estimate the total tumor cell count from DW-MRI, we developed an image processing based pipeline to study the correlation between the DW-MRI diffusion coefficient and tumor cell density from serial histological slices of a resected non-small cell lung cancer (NSCLC) tumor. Based on this automatic histological segmentation, we investigated the cell numbers of different cell types in varying areas of the resected tumor specimen based on DW-MRI data. Cell nuclei distribution in the 3D tissue volume was simulated by an ellipsoid model. The results show a linear negative correlation between diffusion coefficient and tumor cellularity. The estimated total cell number of a specific NSCLC tumor (6.5 cm in diameter) is 3.64×1010. This study represents an innovative approach for the estimation of (tumor) cell numbers based on DW-MRI. The processing pipeline can be applied to many different solid tumors.
9) Active Colloids Segmentation and Tracking
Auteurs : Xiaofang Wang, Liming CHEN
Affiliation : LIRIS, École centrale de Lyon
Active colloids constitute a novel class of materials which have drawn a lot of attention in recent years. They are composed of spherical metal particles converting chemical energy into motility, mimicking micro-organisms. Understanding their collective behavior is key to applications. In this context, we address the problem of segmenting and tracking colloids in long video sequences corrupted with severe illumination changes. We propose a very accurate method to recover the individual trajectory of each colloid. First, a region-adaptive level set method is used to segment individual colloids or small clusters. Combining with the circular Hough transform further refines the segmentation. Second, we recover simultaneously all the colloids? trajectories using a modified min-cost/max flow method on a weighted graph with colloids as vertices. The proposed method is evaluated on a real benchmark composed of nine video sequences with annotations. In terms of CLEAR MOT metric ? a standard metric for evaluating multiple target tracking algorithms ? our approach outperforms very significantly four standard methods.
10) Présentation invitée : De l'analyse des images cérébrales à la neurologie computationnelle
Olivier Colliot, Institut du cerveau et de la moelle épinière, Paris
11) Comparaison de groupes en IRM du tenseur de diffusion
Auteurs : Alix Bouchona,, Vincent Nobleta, Fabrice Heitza, Julien Lamya, Frédéric Blanca,b, Jean-Paul Armspacha
Affiliations :
a ICube, Université de Strasbourg, CNRS, Fédération de Médecine Translationnelle de Strasbourg (FMTS), France?
b Service de gériatrie, Centre Mémoire de Ressources et de Recherche (CMRR), Hôpitaux universitaires de Strasbourg, France
L?imagerie par Résonance Magnétique de diffusion (IRMd) est une modalité couramment utilisée pour étudier l'intégrité de la matière blanche cérébrale. Il existe un réel besoin dans la communauté des neurosciences pour disposer d?outils efficaces pour comparer des séquences d?IRMd entre des cohortes de sujets selon des données cliniques ou cognitives. La plupart des études publiées se retreignent généralement à la comparaison d?images scalaires telles que la fraction d?anisotropie ou la diffusion moyenne. Bien que différents cadres statistiques aient été proposés pour comparer directement les tenseurs de diffusion, ces méthodes sont encore rarement utilisées dans les études de neuro-imagerie.
Dans ce travail, nous avons évalué l?intérêt d?exploiter l?ensemble de l?information portée par le tenseur de diffusion pour la comparaison de groupes basée voxel en IRMd. Pour ce faire, nous avons proposé une extension aux données tensorielles du Modèle Linéaire Général (MLG), qui a l?avantage de permettre la prise en compte de plusieurs covariables dans l?analyse. Nous avons également évalué l'impact de différentes métriques (euclidienne, log-euclidienne et riemannienne) sur l?estimation des paramètres du MLG. Enfin, nous avons abordé la problématique de l'interprétation des cartes de détections en proposant une caractérisation de chacune des zones détectées en fonction de plusieurs indices scalaires.
12) Modeling and simulation of longitudinal structural brain MRIs with atrophy in Alzheimer's disease
Authors: Bishesh Khanal, Nicholas Ayache and Xavier Pennec
Affiliation: Asclepios Project, INRIA Sophia Antipolis, France
Structural MRI is an established biomarker of neurodegeneration in Alzheimer's disease (AD). Volume changes in different brain structures can be tracked from longitudinal MRIs by using brain morphometry algorithms. Can we develop a model that can reproduce typical changes we observe in longitudinal MRIs of AD patients ? In this talk we will discuss, at a top level, the major components required to build such a comprehensive model. We will then focus on one of the components: brain deformation model. We will detail a biomechanics-based tissue loss model to simulate the deformations having the prescribed atrophy [1]. Some example simulations of MRIs with prescribed atrophy will be shown and potential applications of the brain deformation model will be discussed.
[1] Bishesh Khanal, Marco Lorenzi, Nicholas Ayache, Xavier Pennec, A biophysical model of brain deformation to simulate and analyze longitudinal MRIs of patients with Alzheimer's disease, NeuroImage, Volume 134, 1 July 2016, Pages 35-52, ISSN 1053-8119.
Date : 2016-05-27
Lieu : Amphi Rubis, Télécom ParisTech
Thèmes scientifiques :
B - Image et Vision
Inscriptions closes à cette réunion.
Accéder au compte-rendu de cette réunion.
(c) GdR IASIS - CNRS - 2024.