• Accueil
  • Accueil
  • Accueil
  • Accueil

CNRS

Rechercher




Accueil >

Soutenance de Madame Amele Eyram Florence KOUVAHE, "« Etude du remodelage vasculaire pathologique... »

L’Ecole doctorale : Ecole Doctorale de l’Institut Polytechnique de Paris
et le Laboratoire de recherche SAMOVAR présentent
l’AVIS DE SOUTENANCE de Madame Amele Eyram Florence KOUVAHE
Autorisée à présenter ses travaux en vue de l’obtention du Doctorat de l’Institut Polytechnique de Paris, préparé à Télécom SudParis en :
Signal, Images, Automatique et robotique
« Etude du remodelage vasculaire pathologique : de la caractérisation macroscopique en imagerie TDM à l’analyse en microscopie numérique »

le Vendredi 4 décembre 2020 à 10h00

SOUTENANCE EN VISIO - Covid-19.
lien de connexion - https://zoom.us/j/6314121325?pwd=UWxQZk1NZ2dMNnhIVmxjcUhJdUhxQT09

Membres du jury :

M. Catalin FETITA, Professeur,
Télécom SudParis, FRANCE
Directeur de thèse
M. Maciej ORKISZ, Professeur,
Université Claude Bernard Lyon 1, CREATIS, FRANCE
Rapporteur
M. Dan ISTRATE, Enseignant-Chercheur Rang A
(équivalent Professeur),
Université de Technologie de Compiègne, FRANCE
Rapporteur
Mme Caroline PETITJEAN, Maître de conférences,
Université de Rouen, LITIS EA 4108, FRANCE
Examinatrice
Mme Yasmina CHENOUNE, Enseignante-Chercheure,
ESME SUDRIA, FRANCE
Examinatrice
Mme Liliane RAMUS, Ingénieure,
GE Healthcare, FRANCE
Examinatrice

Résumé :

Cette recherche s’intéresse à l’étude du réseau vasculaire en général, dans plusieurs modalités d’imagerie et plusieurs configurations anatomo-pathologiques. Son objectif consiste à discriminer les structures vasculaires dans les données image et détecter et quantifier la présence de modifications morphologiques (remodelage) en lien avec une pathologie. L’originalité de l’approche développée consiste à exploiter un filtrage localement connexe (FLC) multidirectionnel adapté à la dimension de l’espace de données (2D ou 3D). Ce filtrage permet de sélectionner les structures curvilignes en contraste positif dans les images dont la taille en section transverse (calibre) ne dépasse pas la taille de la fenêtre de filtrage. Cette sélection reste efficace même au niveau des régions de subdivisions des vaisseaux. La mise en place d’une technique de filtrage multirésolution permet de s’affranchir de la différence des calibres vasculaires dans le réseau et de segmenter l’ensemble de la structure vasculaire, y compris en présence d’une modification locale de calibre. Un autre intérêt de l’approche de segmentation proposée est sa généralité. Elle s’adapte facilement à différentes modalités d’imagerie qui préservent un contraste (positif ou négatif) entre les vaisseaux et leur environnement. Nous l’avons pu démontrer dans le cadre de l’imagerie TDM 3D thoracique avec la segmentation du réseau vasculaire intrapulmonaire, mais également en imagerie TDM 3D hépatique avec injection de produit de contraste, en imagerie 2D de fond d’œil et en imagerie microscopique infrarouge (pour la segmentation des fibres dans le cerveau de souris). A partir d’une segmentation précise et robuste du réseau vasculaire, il est possible par la suite de détecter et caractériser la présence d’un remodelage en présence d’une pathologie. Cela passe par une analyse de la variation du calibre des vaisseaux le long de l’axe central, permettant à la fois d’obtenir une vue globale de la distribution des calibres vasculaires dans l’organe étudié (et la comparer avec une référence « sujet sain »), et de détecter localement des modifications de forme (rétrécissement, dilatation). Ce dernier cas de figure a été étudié dans le cadre de la détection et la quantification des malformations artério-veineuses pulmonaires (MAVP). Prévue initialement dans un cadre d’étude de l’angiogénèse tumorale, la méthode développée n’a pas pu être appliquée en analyse microscopique par imagerie multispectrale infrarouge en raison de l’absence de contraste de vaisseaux dans les bandes spectrales étudiées. Nous nous sommes limités dans ce cas précis à l’extraction des fibres cérébrales comme élément d’appui pour retrouver l’information manquante dans le cas d’un sous-échantillonnage 2D du volume du cerveau. En effet, l’étude de la croissance tumorale nécessitait également de pouvoir recouvrir le volume de la tumeur dans le cerveau de souris à partir de coupes coronales éparses des échantillons biologiques ayant subi des déformations lors de la découpe physique. Pour cela, une interpolation 2D-2D après réalignement des structures a été envisagée avec une deuxième contribution méthodologique de la thèse portant sur une approche de recalage-interpolation géométrique contrôlée par une mise en correspondance préalable des structures similaires dans les images. Les structures ciblées dans notre cas seront notamment la tumeur, les fibres, les ventricules et le contour du cerveau, chacune pouvant être obtenue au moyen des techniques de segmentation appliquées aux différentes bandes spectrales de la même image. La mise en correspondance des images se fait au moyen d’un champ de vecteurs directionnels établi au niveau des contours des structures cible, dans un espace de dimension supérieure (3D ici). La diffusion du champ de vecteurs éparse construit sur l’ensemble de l’espace permet d’obtenir un flot directionnel dont les lignes de champ constituent la transformation homéomorphique entre les deux images.

Abstract :

This research focuses on the study of the vascular network in general, in several imaging modalities and several anatomo-pathological configurations. Its objective is to discriminate vascular structures in image data and to detect and quantify the presence of morphological modifications (remodeling) related to a pathology. The proposed generic analysis framework exploits a priori knowledge of the geometry of blood vessels and their contrast with respect to the surrounding tissue. The originality of the developed approach consists in exploiting a multidirectional locally connected filter (LCF) adapted to the dimension of the data space (2D or 3D). This filter allows the selection of curvilinear structures in positive contrast in images whose cross-sectional size does not exceed the size of the filtering window. This selection remains effective even at the level of vessel subdivision. The multi-resolution approach makes it possible to overcome the difference in vascular calibers in the network and to segment the entire vascular structure, even in the presence of a local caliber change. The proposed segmentation approach is general. It can be easily adapted to different imaging modalities that preserve a contrast (positive or negative) between the vessels and their environment. This has been demonstrated in different types of imaging, such as thoracic CT with and without contrast agent injection, hepatic perfusion data, eye fundus imaging and infrared microscopy (for fiber segmentation in mouse brain). From an accurate and robust segmentation of the vascular network, it is possible to detect and characterize the presence of remodeling due to a pathology. This is achieved by analyzing the vessel caliber variation along the central axis which provides both a global view on the caliber distribution in the studied organ (to be compared with a "healthy" reference) and a local detection of shape remodeling. The latter case has been applied for the detection and quantification of pulmonary arteriovenous malformations (PAVM). Initially planned in a study of tumor angiogenesis, the segmentation method developed above was not applicable to infrared microscopy because of lack of vascular contrast in the spectral bands analyzed. Instead, it was exploited for the extraction of brain fibers as a support element for image interpolation aiming the 3D reconstruction of the brain volume from the 2D sub-sampled data. In this respect, a 2D-2D interpolation with realignment of the structures was developed as a second methodological contribution of the thesis. We proposed a geometric interpolation approach controlled by a prior mapping of the corresponding structures in the images, which in our case were the tumor region, the fibers, the brain ventricles and the contour of the brain. An atlas containing the unique labels of the structures to be matched is thus built up for each image. Labels of the same value are aligned using a field of directional vectors established at the level of their contours, in a higher dimensional space (3D here). The diffusion of this field of vectors results in a smooth directional flow from one image to the other, which represents the homeomorphic transformation between the two images. The proposed method has two advantages : it is general, which is demonstrated on different image modalities (microscopy, CT, MRI, atlas) and it allows controlling the alignment of structures whose correspondence is targeted in priority.