Vessel Walker : nouvelle méthode de segmentation des artères coronaires

Introduction

Selon l’Organisation mondiale de la santé (OMS), les maladies cardiovasculaires telles que les maladies coronariennes sont la première cause de décès dans le monde [1]. Pour diagnostiquer et traiter ces maladies, les interventions percutanées invasives minimalistes comme l’angioplastie par ballonnet sont souvent préférées à l’opération à cœur ouvert en raison du temps d’opération et de récupération plus court et des risques réduits de complications postopératoires. Dans l’angioplastie par ballonnet, les vaisseaux coronaires sont revascularisés en insérant un cathéter dans l’artère coronaire touchée et gonflés à l’aide d’un ballonnet afin de mettre une endoprothèse (stent) en place. Cette intervention est habituellement réalisée sous guidage fluoroscopique biplan ou monoplan, où un agent de contraste tel que l’iode est injecté à des moments clés pour améliorer le diamètre de la lumière du vaisseau coronaire. Les images produites par ce procédé sont connues sous le nom d’angiographies par rayons X.

L’un des principaux défis de l’exploration des artères coronaires est que l’agent de contraste ne peut être continuellement injecté dans l’artère ciblée en raison de sa toxicité. Pour donner de meilleures informations en conditions de faible contraste, les artères coronaires peuvent être délimitées à l’aide de la segmentation. La segmentation des structures vasculaires, qui peut également servir à mesurer les vaisseaux sanguins, à poser un diagnostic et à préparer une intervention, est très difficile à réaliser en raison de grandes différences dans la taille, la forme et l’intensité des vaisseaux, de leur topologie complexe, qui peuvent présenter des bifurcations et des chevauchements, et des déformations locales telles que les anévrismes ou les sténoses.

Segmentation des vaisseaux sanguins

La difficulté que pose la segmentation de structures s’apparentant aux vaisseaux sanguins est bien documentée (par exemple, voir [2] pour une étude complète). Parmi les solutions proposées pour résoudre ce problème, il y a les filtres vasculaires (vesselness filters) [3, 4], qui permettent d’estimer la probabilité de trouver les pixels du centre du vaisseau au moyen des propriétés spectrales de la matrice hessienne, à différentes échelles. Cependant, ces filtres peuvent entraîner des zones déconnectées ou présenter des difficultés dans les zones de déformations locales des vaisseaux comme les anévrismes ou les bifurcations. Les méthodes graphiques comme le plus court chemin [5], la marche aléatoire [6] et la segmentation d’image [7, 8, 9], ont également été proposées dans la littérature. Dans nombre de ces approches (voir [7] et [8]), les valeurs d’intensité servent à séparer les pixels ou les voxels par classe. Pour les angiographies, cependant, ces approches ne sont pas fiables, car les petits vaisseaux peuvent présenter les mêmes intensités que le fond.

Ici, nous présentons une nouvelle approche de segmentation des images des artères qui enrichit la formulation de la marche aléatoire [6] en intégrant l’information des vaisseaux (voir la fig. 1, ci-dessous). Bien que des travaux récents aient également proposé de combiner l’analyse des vaisseaux avec une segmentation de découpage graphique [8, 9], notre approche offre plusieurs avantages. Ainsi, contrairement à [9] où les valeurs d’intensité sont soumises au seuillage pour générer des estimations de départ, notre méthode utilise directement ces valeurs dans la fonction d’énergie, ce qui la rend plus performante pour différencier les structures tubulaires du fond (faux positifs).

Fig. 1 Visualisation de la méthode proposée

En outre, notre méthode peut utiliser des valeurs estimées, définies manuellement, pour raffiner la segmentation des petits vaisseaux ou des zones de bruit. Les valeurs estimées, en [8], ne sont prises en considération qu’à l’étape de post-traitement et ne peuvent éliminer le bruit de fond. Enfin, comme mentionné en [6], les méthodes basées sur la marche aléatoire pourraient s’avérer préférables dans certains cas, étant moins sensibles au biais de réduction de la surface.

Fig. 2 Résultats de segmentation obtenus par seuillage automatique. De gauche à droite : Images originales, résultats par contour actif (Active Contour), résultats par marche aléatoire et notre méthode proposée basée sur les formulations automatiques et semi-automatiques

La figure 2 montre trois angiographies et leurs segmentations correspondantes (superposées en jaune), obtenues avec la méthode de contour actif, l’algorithme de marche aléatoire et notre approche Vessel Walker (basée sur les formulations automatiques et semi-automatiques).
 Les deux formulations de la méthode proposée montrent de bons résultats qualitatifs dans l’identification non seulement de grands vaisseaux coronaires, mais aussi de petits vaisseaux ayant un faible contraste. Par ailleurs, les résultats montrent que notre méthode offre une meilleure efficacité à détecter les artères que le filtre vasculaire seul (figure 3).

Fig. 3 Probabilités de la classe de premier plan obtenues par le filtre de Frangi (gauche) et la méthode proposée (droite)

Conclusion

Nous avons proposé une nouvelle méthode interactive de segmentation des artères qui enrichit la formulation de la marche aléatoire en intégrant les informations des vaisseaux. Cette méthode a été testée sur des angiographies par rayons X en 2D et nous a permis d’obtenir des résultats plus précis que la méthode basée sur le contour actif. Dans nos futurs travaux, nous évaluerons l’effet de la sélection de valeurs estimées sur la performance de la segmentation, et étudierons l’utilité d’autres types d’estimation de départ..

Cette recherche a été financée par une subvention du Fonds de recherche du Québec – Nature et technologies (FQRNT)  (http://www.fqrnt.gouv.qc.ca/

Information supplémentaire

Pour en apprendre plus sur ce sujet, consulter : Vessel Walker : Coronary Arteries Segmentation using Random Walks and Hessian-based Vesselness Filter, 2013 IEEE 10th International Symposium on Biomedical Imaging (ISBI)», source.