7 - Mesures de similarité robustes pour le recalage d'images médicales volumiques multimodales

Show full item record

Files in this item

PDF 007.PDF TEXTE.pdf 3.253Mb

Pour citer ce document :
URI: http://hdl.handle.net/2042/2113
Title: 7 - Mesures de similarité robustes pour le recalage d'images médicales volumiques multimodales
Author: NIKOU (C.); HEITZ (F.); ARMSPACH (J.-P.); NAMER (I.-J.)
Abstract: Le recalage non supervisé d'images médicales volumiques reste un problème difficile en raison de l'importante variabilité et des grandes différences d'information pouvant apparaître dans des séquences d'images de même modalité ou dans des couples d'images multimodales. Nous présentons dans cet article des méthodes robustes de recalage rigide d'images 2D et 3D monomodales et multimodales, reposant sur la minimisation de mesures de similarité inter-images. Les méthodes proposées s'appuient sur la théorie de l'estimation robuste et mettent en oeuvre des M-estimateurs associés à des techniques d'optimisation stochastique multigrilles rapides. Ces estimateurs robustes sont évalués à travers le recalage d'images médicales volumiques monomodales (IRM/IRM) et multimodales (IRM/TEMP). Ils sont comparés aux autres fonctions de similarité classiques, proposées dans la littérature. Les méthodes de recalage robustes ont, en particulier, été validées dans le cadre d'un protocole comparatif mis en place par l'Université de Vanderbilt. Elles sont actuellement utilisées en routine clinique et conduisent, tant pour les images de même modalité que pour les images multimodales à une précision sous-voxel, comparable aux meilleures méthodes actuelles. Elles permettent de plus de recaler des couples d'images sur lesquels les méthodes classiques échouent.
Description: In this paper, we develop data driven registration algorithms, relying on pixel similarity metrics, that enable an accurate rigid registration of dissimilar single or multimodal 2D/3D medical images . Gross dissimilarities are handled by considering similarity measures related to robust M-estimators . Fast stochastic multigrid optimization algorithms are used to minimize these similarity metrics . The proposed robust similarity metrics are compared to the most popular standard similarity metrics on real MRI/MRI and MRI/SPECT image pairs showing gross dissimilarities . A blinded evaluation of the algorithm was performed, using as gold standard a prospective, marker-based registration method, by participating in a registration evaluation project (Vanderbilt University) . Our robust similarity measures compare favourably with all standard (non robust) techniques .
Subject: Traitement image; Estimation signal; Séquence image; Image tridimensionnelle; Optimisation; Analyse image; Imagerie médicale; Résultat expérimental; Recalage robuste; Image multimodale; Estimation robuste
Publisher: GRETSI, Saint Martin d'Hères, France
Date: 1999

This item appears in the following Collection(s)

Show full item record





Advanced Search