Interactive Segmentation of 3D Medical Images with Implicit Surfaces

Benoit Mory
2011
Je tiens tout d'abordà remercier chaleureusement le Professeur Jean-Philippe Thiran qui a accepté de diriger cette thèse et m'a encouragé sans relâche en dépit de l'éloignement géographique. Je souhaiteégalement remercier très sincèrement les directeurs successifs du laboratoire Medisys, Jean Pergrale puis Nicolas Villain, pour m'avoir accordé confiance et liberté tout au long de ces années. Jean se rappelle peut-être de notre premier entretien, il y a bientôt dix ans, au cours duquel j'avais
more » ... rs duquel j'avais exprimé pour la première fois mon souhait de réaliser un doctorat. Je remercieégalement Shérif Makram-Ebeid d'avoirétéà l'origine du projet de collaboration entre Medisys et l'EPFL ainsi que pour ses critiques bienveillantes. J'adresse de vifs remerciements au président du jury, le Professeur Farad Rachidi-Haeri, ainsi qu'au Professeur Pierre Vandergheynst qui me fit l'honneur d'être rapporteur de cette thèse. Je suis infiniment reconnaissant au Professeur Anthony J. Yezzi,également rapporteur, d'avoirété une si grande source d'inspiration lors d'échanges réguliersà l'origine de nombreuses nouvelles idées. Sincere and grateful thanks, Tony. Je ne sais comment remercier suffisamment Roberto Ardon tant il a contribué et partagé, dès le départ, chacune des idées développées dans ce manuscrit, ainsi que bien d'autres pistes qui n'ont puêtre décrites ici. Roberto, j'espère tout simplement avoir la chance de continuer a travaillerà tes cotés pendant encore quelques belles années. Je remercieégalement Xavier Bresson, qui finissait son doctoratà l'EPFL quand je commençais et a participé par ses conseils avisés et ses travaux antérieursà la direction donnée au premiers chapitres de ce manuscrit. Je tiensà souligner que cetteétude trouve sa raison d'être dans l'environnement stimulant des multiples projets d'applications cliniques innovantes développées au sein du laboratoire Medisys. Ainsi, au moment de terminer cette thèse, j'ai une pensée toute particulière pour tous ceux avec qui j'ai eu le privilège de travailler durant ces dernières années; en particulier pour Oudom, mon relecteur préféré qui prit une grande part dans l'élaboration de cette thèse, dans le fond comme dans la forme. Mes pensées très amicales vontégalement a Emmanuel qui est bien plus que notre référence en matière d'implémentation efficace, ainsi qu'aux illustres Olivier, Antoine, Raoul, Cécile, Mathieu, Franck, Javier, Jean-Michel, Laurence, Cybèle, Maxim, David, Raphaël, Guillaume et les autres. iii Je remercieégalement les anciens stagiaires qui ont contribué par leurs travaux au développement des méthodes présentées ici, en particulier Khaoula, Marc et Thierry. Enfin, je comprends maintenant pourquoi chaque doctorant termine ses remerciements par un sentiment de gratitude infinie envers ses amis et les membres de sa famille; leur soutien s'avère indispensable, en particulier quand la fin semble interminable. Ainsi, je pense aujourd'huià mes amis de toujours, Fred, Nico, Greg, François mais aussià tous les autres;à mon père, souvent trop loin mais toujours présent;à ma mèreà qui je dois tout, même mon goût pour la recherche;à mes soeurs Nathalie et Marie-Sophie qui m'ont toujours accompagné;à mes très chères grand-mères Liliane et Berthou;à Mati, qui fut souvent d'une aide très précieuse. Pour finir, mes plus profonds sentiments vontà celles qui ont supporté quotidiennement, avec amour, mesépisodes de surmenages et autres sauts d'humeur. Maïa, je tiensà te dire merci du fond du coeur, celui qui t'appartient. Carla, ma grande fille, merci pour ta patience, je te promets d'être maintenant plus disponible que jamais. Ma petite Léonor, je retiendrai que j'écris ces dernières lignesà l'heure ou tu prononces de si jolis premiers mots. Abstract To cope with a variety of clinical applications, research in medical image processing has led to a large spectrum of segmentation techniques that extract anatomical structures from volumetric data acquired with 3D imaging modalities. Despite continuing advances in mathematical models for automatic segmentation, many medical practitioners still rely on 2D manual delineation, due to the lack of intuitive semi-automatic tools in 3D. In this thesis, we propose a methodology and associated numerical schemes enabling the development of 3D image segmentation tools that are reliable, fast and interactive. These properties are key factors for clinical acceptance. Our approach derives from the framework of variational methods: segmentation is obtained by solving an optimization problem that translates the expected properties of target objects in mathematical terms. Such variational methods involve three essential components that constitute our main research axes: an objective criterion, a shape representation and an optional set of constraints. As objective criterion, we propose a unified formulation that extends existing homogeneity measures in order to model the spatial variations of statistical properties that are frequently encountered in medical images, without compromising efficiency. Within this formulation, we explore several shape representations based on implicit surfaces with the objective to cover a broad range of typical anatomical structures. Firstly, to model tubular shapes in vascular imaging, we introduce convolution surfaces in the variational context of image segmentation. Secondly, compact shapes such as lesions are described with a new representation that generalizes Radial Basis Functions with non-Euclidean distances, which enables the design of basis functions that naturally align with salient image features. Finally, we estimate geometric non-rigid deformations of prior templates to recover structures that have a predictable shape such as whole organs. Interactivity is ensured by restricting admissible solutions with additional constraints. Translating user input into constraints on the sign of the implicit representation at prescribed points in the image leads us to consider inequality-constrained optimization.
doi:10.5075/epfl-thesis-5247 fatcat:q22b37atzzcqff7i6ihmjoaqai