tous les documents
  • tous les documents
  • Images
  • Films
  • Rushes
  • Publications
  • Audio
Recherche avancée
Ensemble de recherche :
tous les documents
  • tous les documents
  • Images
  • Films
  • Rushes
  • Publications
  • Audio
Recherche par couleur
Ensemble de recherche :
tous les documents
  • tous les documents
  • Images
  • Films
  • Rushes
  • Publications
  • Audio
Code HTML Copiez-collez le code ci-dessous pour l'intégrer dans une page Web.
Titre :
Analyse d'images tridimensionnelles - Application à la sclérose en plaques
Légende - Résumé :
Présentation d'un certain nombre d'outils novateurs - dans le domaine de l'imagerie médicale - pour l'étude des lésions du cerveau de patients atteints de sclérose en plaques.
Ces outils visent la quantification de l'évolution des lésions sur des acquisitions IRM d'un même patient espacées dans le temps. Ils nécessitent une prise en compte du caractère tridimensionnel des données fournies par la machine, et la mise en oeuvre d'outils de recalage précis.
En caractérisant les variations de volume des lésions par un champ de déformation, les chercheurs ont trouvé le moyen d'extraire des mesures quantitatives qui ouvrent des perspectives pour la recherche pharmacologique. Ce résultat a fait l'objet d'un dépôt de brevet.
Nom de fichier :
Inria-382-Analyse_3D_sclerose-fr.mp4
Titre :
Analyse d'images tridimensionnelles - Application à la sclérose en plaques
Année :
1997
Durée (min) :
00:07:39
Publications :
https://videotheque.inria.fr/videotheque/doc/382
Autres versions :
Master VF : 382
Master VEN : 384
Autre : Lien externe :
Lien Equipe-projet :
Lien Centre de Recherche :
Mots clés :
N° master :
382
Durée :
07 min 20 sec
IsyTag :
: - 3D - champ - D' - déformation - effet - évolution - Ici‚ - image - lésion - lésion· - masse· - méthode - outil - patient - recalage - Saisie - variation - volume
Transcription automatiqu :
de suivre l'évolution de la maladie lors des essais thérapeutiques les patients sont soumis à des examens irm réguliers espacées dans le temps cliniciens disposent ainsi d'une série de représentations trois des du de leur patient les méthodes d'acquisition les représentations des lésions sont différentes chaque cas le dispose d'un volume de données qui lui permet d'observer la lésion suivant la coupe de son choix le problème est alors de comparer ces acquisitions d'un examen à l'autre afin de quantifier l'évolution de la maladie ici s'agit d'une acquisition obtenue par injection d'un produit de contraste le guidolin yom une première difficulté tient de la variation de la position du patient d'un examen à l'autre simple superposition d'une même coupe s'agit tale d'un patient illustre ici la difficulté un premier outil de recalage automatique des images facilite la lecture et permet de suivre l'évolution des lésions dans le temps le recalage permet en outre d'observer l'effet dynamique de la croissance d'une lésion distinguons ici le gâteau l'en périphérie la lésion et l'apparition au centre d'une cicatrice irréversible autres outils de visualisation sont également disponibles un système de double curseur est utilisé pour comparer deux coupes successives une lésion diminue là elle augmente d'étudier plus précisément les détails nous visualise une partie de l'autre coupe par l'intermédiaire d'une fenêtre déplaçant cette fenêtre inter activement nous vérifions la précision du recalage et nous étudions les différences entre les deux acquisitions la présence d'une petite lésion dans la région d'intérêt délimité soustraction des intensité lumineuse entre deux coupes issues d'acquisitions différentes permet une détection automatique des lésions les ronds clair caractérisent les lésions croissantes les ronds sombres les lésions décroissante de la même façon on identifie les lésions sur l'ensemble des coupes des deux acquisitions observant une séquence dynamique de cette lésion particulière nous avons remarqué que sa croissance a pour effet de repousser les tissus environnants ce phénomène s'appelle l'effet de masse avons cherché à détecter ce phénomène particulier en calculant le champ de déformation global de cette lésion en trois dimensions visualise une représentation mathématique de son évolution au cours du temps qui fait apparaître le caractère plutôt sphérique de la déformation a partir de calculs effectués directement sur ce champ de déformation nous réduisons certaines caractéristiques de l'effet de masse ces travaux ont fait l'objet d'un dépôt de brevet normes du champ de déformation nous donnent l'amplitude de l'effet de masse la divergence du champ de déformation quand il fit la croissance ou décroissance de la lésion le produit de la norme par la divergence fournit une image précise et peut bruit de la lésion elle autorise une détection plus précise que celle donnée par la soustraction des intensité lumineuse méthode couramment utilisée pour quantifier ces observations repose sur la segmente action trois d des lésions mais ces outils ne permettent pas de prendre en compte l'effet de masse nous proposons une solution pour quantifier précisément les variations de volume correspondant à l'effet de masse nous pensons que son étude pourrait contribuer à la compréhension de cette pathologie outil repose sur un calcul d'intégration du champ de ici la courbe d'intégration le maxima correspond à la valeur recherchée de variation de volume résultat important a fait l'objet de nombreuses expériences de validation nous avons par exemple créé une lésion de synthèse pour laquelle la variation du volume est connue méthode classique par ce augmentation donne une erreur de sept pour cent par rapport à la valeur réelle méthode par intégration du champ de déformation donne une de cinq pour cent voulons maintenant calculer la variation du volume de l'effet de masse seul isolé sur la lésion de synthèse nous montrons que la méthode par ce augmentation est inopérante pour la détection revanche la méthode par intégration des champs de déformation donne un résultat qui correspond à soixante pour cent de la valeur réelle nous avons testé nos outils sur des acquisitions d'un patient suivi pendant un an le calcul a porté sur vingt quatre acquisitions dont nous voyons la région d'intérêt entourant une lésion constatons que l'estimation de la variation du volume de la lésion est presque double lorsqu'on prend en considération l'effet de masse par la méthode d'intégration des champs de déformation cette différence significative confirme et quantifier l'effet de masse de la sclérose en plaques nous pensons ensuite parvenir à localiser les régions anatomiques du cerveau dans lesquelles se trouvent statistiquement les lésions ce faire nous avons mis au point des outils de recalage interpellations nous pouvons trouver une transformation continue d'une image d'un vers une image d'un autre patient appliquant cette transformation à une augmentation du cerveau correspondant à l'image du premier patient nous obtenons une augmentation automatique en région anatomiques du cerveau du second patient de cette méthode nous pourrons déterminer dans quelle région se situe les lésions actives même type d'outil peut s'appliquer à l'étude d'autres pathologies un patient atteint de gliome alstom un cancer du cerveau nous observons comment les ventricule compensent différents seulement les variations de volume induite par la croissance d'une tumeur ce patient atteint d'un phasi focal nous assistons à une atrophie importante de la substance blanche qui est également compensée par une variation du volume des ventricule ces deux exemples le champ de déformation ne se limite plus à des lésions de petite taille mais présents dans tout cerveau nous espérons que ces nouveaux outils permettront de mieux comprendre l'évolution de la maladie aider à mise au point et aux tests de nouveaux médicaments de suivre l'évolution de la maladie en condition clinique
Afin de suivre l'évolution de la maladie lors des essais thérapeutiques‚ les patients sont soumis à des examens IRM réguliers espacés dans le temps cliniciens disposent ainsi d'une série de représentations trois des du de leur patient les méthodes d'acquisition les représentations des lésions sont différentes chaque cas le dispose d'un volume de données qui lui permet d'observer la lésion suivant la coupe de son choix le problème est alors de comparer ces acquisitions d'un examen à l'autre afin de quantifier l'évolution de la maladie ici s'agit d'une acquisition obtenue par injection d'un produit de contraste le guidolin yom une première difficulté tient de la variation de la position du patient d'un examen à l'autre simple superposition d'une même coupe s'agit tale d'un patient illustre ici la difficulté un premier outil de recalage automatique des images facilite la lecture et permet de suivre l'évolution des lésions dans le temps le recalage permet en outre d'observer l'effet dynamique de la croissance d'une lésion distinguons ici le gâteau l'en périphérie la lésion et l'apparition au centre d'une cicatrice irréversible autres outils de visualisation sont également disponibles un système de double curseur est utilisé pour comparer deux coupes successives une lésion diminue là elle augmente d'étudier plus précisément les détails nous visualise une partie de l'autre coupe par l'intermédiaire d'une fenêtre déplaçant cette fenêtre inter activement nous vérifions la précision du recalage et nous étudions les différences entre les deux acquisitions la présence d'une petite lésion dans la région d'intérêt délimité soustraction des intensité lumineuse entre deux coupes issues d'acquisitions différentes permet une détection automatique des lésions les ronds clair caractérisent les lésions croissantes les ronds sombres les lésions décroissante de la même façon on identifie les lésions sur l'ensemble des coupes des deux acquisitions observant une séquence dynamique de cette lésion particulière nous avons remarqué que sa croissance a pour effet de repousser les tissus environnants ce phénomène s'appelle l'effet de masse avons cherché à détecter ce phénomène particulier en calculant le champ de déformation global de cette lésion en trois dimensions visualise une représentation mathématique de son évolution au cours du temps qui fait apparaître le caractère plutôt sphérique de la déformation a partir de calculs effectués directement sur ce champ de déformation nous réduisons certaines caractéristiques de l'effet de masse ces travaux ont fait l'objet d'un dépôt de brevet normes du champ de déformation nous donnent l'amplitude de l'effet de masse la divergence du champ de déformation quand il fit la croissance ou décroissance de la lésion le produit de la norme par la divergence fournit une image précise et peut bruit de la lésion elle autorise une détection plus précise que celle donnée par la soustraction des intensité lumineuse méthode couramment utilisée pour quantifier ces observations repose sur la segmente action trois d des lésions mais ces outils ne permettent pas de prendre en compte l'effet de masse nous proposons une solution pour quantifier précisément les variations de volume correspondant à l'effet de masse nous pensons que son étude pourrait contribuer à la compréhension de cette pathologie outil repose sur un calcul d'intégration du champ de ici la courbe d'intégration le maxima correspond à la valeur recherchée de variation de volume résultat important a fait l'objet de nombreuses expériences de validation nous avons par exemple créé une lésion de synthèse pour laquelle la variation du volume est connue méthode classique par ce augmentation donne une erreur de sept pour cent par rapport à la valeur réelle méthode par intégration du champ de déformation donne une de cinq pour cent voulons maintenant calculer la variation du volume de l'effet de masse seul isolé sur la lésion de synthèse nous montrons que la méthode par ce augmentation est inopérante pour la détection revanche la méthode par intégration des champs de déformation donne un résultat qui correspond à soixante pour cent de la valeur réelle nous avons testé nos outils sur des acquisitions d'un patient suivi pendant un an le calcul a porté sur vingt quatre acquisitions dont nous voyons la région d'intérêt entourant une lésion constatons que l'estimation de la variation du volume de la lésion est presque double lorsqu'on prend en considération l'effet de masse par la méthode d'intégration des champs de déformation cette différence significative confirme et quantifier l'effet de masse de la sclérose en plaques nous pensons ensuite parvenir à localiser les régions anatomiques du cerveau dans lesquelles se trouvent statistiquement les lésions ce faire nous avons mis au point des outils de recalage interpellations nous pouvons trouver une transformation continue d'une image d'un vers une image d'un autre patient appliquant cette transformation à une augmentation du cerveau correspondant à l'image du premier patient nous obtenons une augmentation automatique en région anatomiques du cerveau du second patient de cette méthode nous pourrons déterminer dans quelle région se situe les lésions actives même type d'outil peut s'appliquer à l'étude d'autres pathologies un patient atteint de gliome alstom un cancer du cerveau nous observons comment les ventricule compensent différents seulement les variations de volume induite par la croissance d'une tumeur ce patient atteint d'un phasi focal nous assistons à une atrophie importante de la substance blanche qui est également compensée par une variation du volume des ventricule ces deux exemples le champ de déformation ne se limite plus à des lésions de petite taille mais présents dans tout cerveau nous espérons que ces nouveaux outils permettront de mieux comprendre l'évolution de la maladie aider à mise au point et aux tests de nouveaux médicaments de suivre l'évolution de la maladie en condition clinique
Afin de suivre l'évolution de la maladie lors des essais thérapeutiques‚ les patients sont soumis à des examens IRM réguliers espacés dans le temps Les cliniciens disposent ainsi d'une série de représentations 3D du cerveau de leur patient les méthodes d'acquisition les représentations des lésions sont différentes chaque cas le dispose d'un volume de données qui lui permet d'observer la lésion suivant la coupe de son choix le problème est alors de comparer ces acquisitions d'un examen à l'autre afin de quantifier l'évolution de la maladie ici s'agit d'une acquisition obtenue par injection d'un produit de contraste le guidolin yom une première difficulté tient de la variation de la position du patient d'un examen à l'autre simple superposition d'une même coupe s'agit tale d'un patient illustre ici la difficulté un premier outil de recalage automatique des images facilite la lecture et permet de suivre l'évolution des lésions dans le temps le recalage permet en outre d'observer l'effet dynamique de la croissance d'une lésion distinguons ici le gâteau l'en périphérie la lésion et l'apparition au centre d'une cicatrice irréversible autres outils de visualisation sont également disponibles un système de double curseur est utilisé pour comparer deux coupes successives une lésion diminue là elle augmente d'étudier plus précisément les détails nous visualise une partie de l'autre coupe par l'intermédiaire d'une fenêtre déplaçant cette fenêtre inter activement nous vérifions la précision du recalage et nous étudions les différences entre les deux acquisitions la présence d'une petite lésion dans la région d'intérêt délimité soustraction des intensité lumineuse entre deux coupes issues d'acquisitions différentes permet une détection automatique des lésions les ronds clair caractérisent les lésions croissantes les ronds sombres les lésions décroissante de la même façon on identifie les lésions sur l'ensemble des coupes des deux acquisitions observant une séquence dynamique de cette lésion particulière nous avons remarqué que sa croissance a pour effet de repousser les tissus environnants ce phénomène s'appelle l'effet de masse avons cherché à détecter ce phénomène particulier en calculant le champ de déformation global de cette lésion en trois dimensions visualise une représentation mathématique de son évolution au cours du temps qui fait apparaître le caractère plutôt sphérique de la déformation a partir de calculs effectués directement sur ce champ de déformation nous réduisons certaines caractéristiques de l'effet de masse ces travaux ont fait l'objet d'un dépôt de brevet normes du champ de déformation nous donnent l'amplitude de l'effet de masse la divergence du champ de déformation quand il fit la croissance ou décroissance de la lésion le produit de la norme par la divergence fournit une image précise et peut bruit de la lésion elle autorise une détection plus précise que celle donnée par la soustraction des intensité lumineuse méthode couramment utilisée pour quantifier ces observations repose sur la segmente action trois d des lésions mais ces outils ne permettent pas de prendre en compte l'effet de masse nous proposons une solution pour quantifier précisément les variations de volume correspondant à l'effet de masse nous pensons que son étude pourrait contribuer à la compréhension de cette pathologie outil repose sur un calcul d'intégration du champ de ici la courbe d'intégration le maxima correspond à la valeur recherchée de variation de volume résultat important a fait l'objet de nombreuses expériences de validation nous avons par exemple créé une lésion de synthèse pour laquelle la variation du volume est connue méthode classique par ce augmentation donne une erreur de sept pour cent par rapport à la valeur réelle méthode par intégration du champ de déformation donne une de cinq pour cent voulons maintenant calculer la variation du volume de l'effet de masse seul isolé sur la lésion de synthèse nous montrons que la méthode par ce augmentation est inopérante pour la détection revanche la méthode par intégration des champs de déformation donne un résultat qui correspond à soixante pour cent de la valeur réelle nous avons testé nos outils sur des acquisitions d'un patient suivi pendant un an le calcul a porté sur vingt quatre acquisitions dont nous voyons la région d'intérêt entourant une lésion constatons que l'estimation de la variation du volume de la lésion est presque double lorsqu'on prend en considération l'effet de masse par la méthode d'intégration des champs de déformation cette différence significative confirme et quantifier l'effet de masse de la sclérose en plaques nous pensons ensuite parvenir à localiser les régions anatomiques du cerveau dans lesquelles se trouvent statistiquement les lésions ce faire nous avons mis au point des outils de recalage interpellations nous pouvons trouver une transformation continue d'une image d'un vers une image d'un autre patient appliquant cette transformation à une augmentation du cerveau correspondant à l'image du premier patient nous obtenons une augmentation automatique en région anatomiques du cerveau du second patient de cette méthode nous pourrons déterminer dans quelle région se situe les lésions actives même type d'outil peut s'appliquer à l'étude d'autres pathologies un patient atteint de gliome alstom un cancer du cerveau nous observons comment les ventricule compensent différents seulement les variations de volume induite par la croissance d'une tumeur ce patient atteint d'un phasi focal nous assistons à une atrophie importante de la substance blanche qui est également compensée par une variation du volume des ventricule ces deux exemples le champ de déformation ne se limite plus à des lésions de petite taille mais présents dans tout cerveau nous espérons que ces nouveaux outils permettront de mieux comprendre l'évolution de la maladie aider à mise au point et aux tests de nouveaux médicaments de suivre l'évolution de la maladie en condition clinique
Afin de suivre l'évolution de la maladie lors des essais thérapeutiques‚ les patients sont soumis à des examens IRM réguliers espacés dans le temps Les cliniciens disposent ainsi d'une série de représentations 3D du cerveau de leur patient Suivant les méthodes d'acquisition‚ les représentations des lésions sont différentes· chaque cas le dispose d'un volume de données qui lui permet d'observer la lésion suivant la coupe de son choix le problème est alors de comparer ces acquisitions d'un examen à l'autre afin de quantifier l'évolution de la maladie ici s'agit d'une acquisition obtenue par injection d'un produit de contraste le guidolin yom une première difficulté tient de la variation de la position du patient d'un examen à l'autre simple superposition d'une même coupe s'agit tale d'un patient illustre ici la difficulté un premier outil de recalage automatique des images facilite la lecture et permet de suivre l'évolution des lésions dans le temps le recalage permet en outre d'observer l'effet dynamique de la croissance d'une lésion distinguons ici le gâteau l'en périphérie la lésion et l'apparition au centre d'une cicatrice irréversible autres outils de visualisation sont également disponibles un système de double curseur est utilisé pour comparer deux coupes successives une lésion diminue là elle augmente d'étudier plus précisément les détails nous visualise une partie de l'autre coupe par l'intermédiaire d'une fenêtre déplaçant cette fenêtre inter activement nous vérifions la précision du recalage et nous étudions les différences entre les deux acquisitions la présence d'une petite lésion dans la région d'intérêt délimité soustraction des intensité lumineuse entre deux coupes issues d'acquisitions différentes permet une détection automatique des lésions les ronds clair caractérisent les lésions croissantes les ronds sombres les lésions décroissante de la même façon on identifie les lésions sur l'ensemble des coupes des deux acquisitions observant une séquence dynamique de cette lésion particulière nous avons remarqué que sa croissance a pour effet de repousser les tissus environnants ce phénomène s'appelle l'effet de masse avons cherché à détecter ce phénomène particulier en calculant le champ de déformation global de cette lésion en trois dimensions visualise une représentation mathématique de son évolution au cours du temps qui fait apparaître le caractère plutôt sphérique de la déformation a partir de calculs effectués directement sur ce champ de déformation nous réduisons certaines caractéristiques de l'effet de masse ces travaux ont fait l'objet d'un dépôt de brevet normes du champ de déformation nous donnent l'amplitude de l'effet de masse la divergence du champ de déformation quand il fit la croissance ou décroissance de la lésion le produit de la norme par la divergence fournit une image précise et peut bruit de la lésion elle autorise une détection plus précise que celle donnée par la soustraction des intensité lumineuse méthode couramment utilisée pour quantifier ces observations repose sur la segmente action trois d des lésions mais ces outils ne permettent pas de prendre en compte l'effet de masse nous proposons une solution pour quantifier précisément les variations de volume correspondant à l'effet de masse nous pensons que son étude pourrait contribuer à la compréhension de cette pathologie outil repose sur un calcul d'intégration du champ de ici la courbe d'intégration le maxima correspond à la valeur recherchée de variation de volume résultat important a fait l'objet de nombreuses expériences de validation nous avons par exemple créé une lésion de synthèse pour laquelle la variation du volume est connue méthode classique par ce augmentation donne une erreur de sept pour cent par rapport à la valeur réelle méthode par intégration du champ de déformation donne une de cinq pour cent voulons maintenant calculer la variation du volume de l'effet de masse seul isolé sur la lésion de synthèse nous montrons que la méthode par ce augmentation est inopérante pour la détection revanche la méthode par intégration des champs de déformation donne un résultat qui correspond à soixante pour cent de la valeur réelle nous avons testé nos outils sur des acquisitions d'un patient suivi pendant un an le calcul a porté sur vingt quatre acquisitions dont nous voyons la région d'intérêt entourant une lésion constatons que l'estimation de la variation du volume de la lésion est presque double lorsqu'on prend en considération l'effet de masse par la méthode d'intégration des champs de déformation cette différence significative confirme et quantifier l'effet de masse de la sclérose en plaques nous pensons ensuite parvenir à localiser les régions anatomiques du cerveau dans lesquelles se trouvent statistiquement les lésions ce faire nous avons mis au point des outils de recalage interpellations nous pouvons trouver une transformation continue d'une image d'un vers une image d'un autre patient appliquant cette transformation à une augmentation du cerveau correspondant à l'image du premier patient nous obtenons une augmentation automatique en région anatomiques du cerveau du second patient de cette méthode nous pourrons déterminer dans quelle région se situe les lésions actives même type d'outil peut s'appliquer à l'étude d'autres pathologies un patient atteint de gliome alstom un cancer du cerveau nous observons comment les ventricule compensent différents seulement les variations de volume induite par la croissance d'une tumeur ce patient atteint d'un phasi focal nous assistons à une atrophie importante de la substance blanche qui est également compensée par une variation du volume des ventricule ces deux exemples le champ de déformation ne se limite plus à des lésions de petite taille mais présents dans tout cerveau nous espérons que ces nouveaux outils permettront de mieux comprendre l'évolution de la maladie aider à mise au point et aux tests de nouveaux médicaments de suivre l'évolution de la maladie en condition clinique
Afin de suivre l'évolution de la maladie lors des essais thérapeutiques‚ les patients sont soumis à des examens IRM réguliers espacés dans le temps Les cliniciens disposent ainsi d'une série de représentations 3D du cerveau de leur patient Suivant les méthodes d'acquisition‚ les représentations des lésions sont différentes· Dans chaque cas‚ le clinicien dispose d'un volume de données qui lui permet d'observer la lésion suivant la coupe de son choix· Le problème est alors de comparer ces acquisitions d'un examen à l'autre afin de quantifier l'évolution de la maladie· Ici‚ il s'agit d'une acquisition obtenue par injection d'un produit de contraste le gadolinium· Une première difficulté tient de la variation de la position du patient d'un examen à l'autre· simple superposition d'une même coupe s'agit tale d'un patient illustre ici la difficulté un premier outil de recalage automatique des images facilite la lecture et permet de suivre l'évolution des lésions dans le temps le recalage permet en outre d'observer l'effet dynamique de la croissance d'une lésion distinguons ici le gâteau l'en périphérie la lésion et l'apparition au centre d'une cicatrice irréversible autres outils de visualisation sont également disponibles un système de double curseur est utilisé pour comparer deux coupes successives une lésion diminue là elle augmente d'étudier plus précisément les détails nous visualise une partie de l'autre coupe par l'intermédiaire d'une fenêtre déplaçant cette fenêtre inter activement nous vérifions la précision du recalage et nous étudions les différences entre les deux acquisitions la présence d'une petite lésion dans la région d'intérêt délimité soustraction des intensité lumineuse entre deux coupes issues d'acquisitions différentes permet une détection automatique des lésions les ronds clair caractérisent les lésions croissantes les ronds sombres les lésions décroissante de la même façon on identifie les lésions sur l'ensemble des coupes des deux acquisitions observant une séquence dynamique de cette lésion particulière nous avons remarqué que sa croissance a pour effet de repousser les tissus environnants ce phénomène s'appelle l'effet de masse avons cherché à détecter ce phénomène particulier en calculant le champ de déformation global de cette lésion en trois dimensions visualise une représentation mathématique de son évolution au cours du temps qui fait apparaître le caractère plutôt sphérique de la déformation a partir de calculs effectués directement sur ce champ de déformation nous réduisons certaines caractéristiques de l'effet de masse ces travaux ont fait l'objet d'un dépôt de brevet normes du champ de déformation nous donnent l'amplitude de l'effet de masse la divergence du champ de déformation quand il fit la croissance ou décroissance de la lésion le produit de la norme par la divergence fournit une image précise et peut bruit de la lésion elle autorise une détection plus précise que celle donnée par la soustraction des intensité lumineuse méthode couramment utilisée pour quantifier ces observations repose sur la segmente action trois d des lésions mais ces outils ne permettent pas de prendre en compte l'effet de masse nous proposons une solution pour quantifier précisément les variations de volume correspondant à l'effet de masse nous pensons que son étude pourrait contribuer à la compréhension de cette pathologie outil repose sur un calcul d'intégration du champ de ici la courbe d'intégration le maxima correspond à la valeur recherchée de variation de volume résultat important a fait l'objet de nombreuses expériences de validation nous avons par exemple créé une lésion de synthèse pour laquelle la variation du volume est connue méthode classique par ce augmentation donne une erreur de sept pour cent par rapport à la valeur réelle méthode par intégration du champ de déformation donne une de cinq pour cent voulons maintenant calculer la variation du volume de l'effet de masse seul isolé sur la lésion de synthèse nous montrons que la méthode par ce augmentation est inopérante pour la détection revanche la méthode par intégration des champs de déformation donne un résultat qui correspond à soixante pour cent de la valeur réelle nous avons testé nos outils sur des acquisitions d'un patient suivi pendant un an le calcul a porté sur vingt quatre acquisitions dont nous voyons la région d'intérêt entourant une lésion constatons que l'estimation de la variation du volume de la lésion est presque double lorsqu'on prend en considération l'effet de masse par la méthode d'intégration des champs de déformation cette différence significative confirme et quantifier l'effet de masse de la sclérose en plaques nous pensons ensuite parvenir à localiser les régions anatomiques du cerveau dans lesquelles se trouvent statistiquement les lésions ce faire nous avons mis au point des outils de recalage interpellations nous pouvons trouver une transformation continue d'une image d'un vers une image d'un autre patient appliquant cette transformation à une augmentation du cerveau correspondant à l'image du premier patient nous obtenons une augmentation automatique en région anatomiques du cerveau du second patient de cette méthode nous pourrons déterminer dans quelle région se situe les lésions actives même type d'outil peut s'appliquer à l'étude d'autres pathologies un patient atteint de gliome alstom un cancer du cerveau nous observons comment les ventricule compensent différents seulement les variations de volume induite par la croissance d'une tumeur ce patient atteint d'un phasi focal nous assistons à une atrophie importante de la substance blanche qui est également compensée par une variation du volume des ventricule ces deux exemples le champ de déformation ne se limite plus à des lésions de petite taille mais présents dans tout cerveau nous espérons que ces nouveaux outils permettront de mieux comprendre l'évolution de la maladie aider à mise au point et aux tests de nouveaux médicaments de suivre l'évolution de la maladie en condition clinique
Afin de suivre l'évolution de la maladie lors des essais thérapeutiques‚ les patients sont soumis à des examens IRM réguliers espacés dans le temps Les cliniciens disposent ainsi d'une série de représentations 3D du cerveau de leur patient Suivant les méthodes d'acquisition‚ les représentations des lésions sont différentes· Dans chaque cas‚ le clinicien dispose d'un volume de données qui lui permet d'observer la lésion suivant la coupe de son choix· Le problème est alors de comparer ces acquisitions d'un examen à l'autre afin de quantifier l'évolution de la maladie· Ici‚ il s'agit d'une acquisition obtenue par injection d'un produit de contraste le gadolinium· Une première difficulté tient de la variation de la position du patient d'un examen à l'autre· La simple superposition d'une même coupe sagittale d'un patient illustre ici la difficulté· un premier outil de recalage automatique des images facilite la lecture et permet de suivre l'évolution des lésions dans le temps le recalage permet en outre d'observer l'effet dynamique de la croissance d'une lésion distinguons ici le gâteau l'en périphérie la lésion et l'apparition au centre d'une cicatrice irréversible autres outils de visualisation sont également disponibles un système de double curseur est utilisé pour comparer deux coupes successives une lésion diminue là elle augmente d'étudier plus précisément les détails nous visualise une partie de l'autre coupe par l'intermédiaire d'une fenêtre déplaçant cette fenêtre inter activement nous vérifions la précision du recalage et nous étudions les différences entre les deux acquisitions la présence d'une petite lésion dans la région d'intérêt délimité soustraction des intensité lumineuse entre deux coupes issues d'acquisitions différentes permet une détection automatique des lésions les ronds clair caractérisent les lésions croissantes les ronds sombres les lésions décroissante de la même façon on identifie les lésions sur l'ensemble des coupes des deux acquisitions observant une séquence dynamique de cette lésion particulière nous avons remarqué que sa croissance a pour effet de repousser les tissus environnants ce phénomène s'appelle l'effet de masse avons cherché à détecter ce phénomène particulier en calculant le champ de déformation global de cette lésion en trois dimensions visualise une représentation mathématique de son évolution au cours du temps qui fait apparaître le caractère plutôt sphérique de la déformation a partir de calculs effectués directement sur ce champ de déformation nous réduisons certaines caractéristiques de l'effet de masse ces travaux ont fait l'objet d'un dépôt de brevet normes du champ de déformation nous donnent l'amplitude de l'effet de masse la divergence du champ de déformation quand il fit la croissance ou décroissance de la lésion le produit de la norme par la divergence fournit une image précise et peut bruit de la lésion elle autorise une détection plus précise que celle donnée par la soustraction des intensité lumineuse méthode couramment utilisée pour quantifier ces observations repose sur la segmente action trois d des lésions mais ces outils ne permettent pas de prendre en compte l'effet de masse nous proposons une solution pour quantifier précisément les variations de volume correspondant à l'effet de masse nous pensons que son étude pourrait contribuer à la compréhension de cette pathologie outil repose sur un calcul d'intégration du champ de ici la courbe d'intégration le maxima correspond à la valeur recherchée de variation de volume résultat important a fait l'objet de nombreuses expériences de validation nous avons par exemple créé une lésion de synthèse pour laquelle la variation du volume est connue méthode classique par ce augmentation donne une erreur de sept pour cent par rapport à la valeur réelle méthode par intégration du champ de déformation donne une de cinq pour cent voulons maintenant calculer la variation du volume de l'effet de masse seul isolé sur la lésion de synthèse nous montrons que la méthode par ce augmentation est inopérante pour la détection revanche la méthode par intégration des champs de déformation donne un résultat qui correspond à soixante pour cent de la valeur réelle nous avons testé nos outils sur des acquisitions d'un patient suivi pendant un an le calcul a porté sur vingt quatre acquisitions dont nous voyons la région d'intérêt entourant une lésion constatons que l'estimation de la variation du volume de la lésion est presque double lorsqu'on prend en considération l'effet de masse par la méthode d'intégration des champs de déformation cette différence significative confirme et quantifier l'effet de masse de la sclérose en plaques nous pensons ensuite parvenir à localiser les régions anatomiques du cerveau dans lesquelles se trouvent statistiquement les lésions ce faire nous avons mis au point des outils de recalage interpellations nous pouvons trouver une transformation continue d'une image d'un vers une image d'un autre patient appliquant cette transformation à une augmentation du cerveau correspondant à l'image du premier patient nous obtenons une augmentation automatique en région anatomiques du cerveau du second patient de cette méthode nous pourrons déterminer dans quelle région se situe les lésions actives même type d'outil peut s'appliquer à l'étude d'autres pathologies un patient atteint de gliome alstom un cancer du cerveau nous observons comment les ventricule compensent différents seulement les variations de volume induite par la croissance d'une tumeur ce patient atteint d'un phasi focal nous assistons à une atrophie importante de la substance blanche qui est également compensée par une variation du volume des ventricule ces deux exemples le champ de déformation ne se limite plus à des lésions de petite taille mais présents dans tout cerveau nous espérons que ces nouveaux outils permettront de mieux comprendre l'évolution de la maladie aider à mise au point et aux tests de nouveaux médicaments de suivre l'évolution de la maladie en condition clinique
Afin de suivre l'évolution de la maladie lors des essais thérapeutiques‚ les patients sont soumis à des examens IRM réguliers espacés dans le temps Les cliniciens disposent ainsi d'une série de représentations 3D du cerveau de leur patient Suivant les méthodes d'acquisition‚ les représentations des lésions sont différentes· Dans chaque cas‚ le clinicien dispose d'un volume de données qui lui permet d'observer la lésion suivant la coupe de son choix· Le problème est alors de comparer ces acquisitions d'un examen à l'autre afin de quantifier l'évolution de la maladie· Ici‚ il s'agit d'une acquisition obtenue par injection d'un produit de contraste le gadolinium· Une première difficulté tient de la variation de la position du patient d'un examen à l'autre· La simple superposition d'une même coupe sagittale d'un patient illustre ici la difficulté· Un premier outil de recalage automatique des images facilite la lecture et permet de suivre l'évolution des lésions dans le temps· Le recalage permet en outre d'observer l'effet dynamique de la croissance d'une lésion· Nous distinguons ici le gadolinium en périphérie de la lésion et l'apparition au centre d'une cicatrice irréversible· autres outils de visualisation sont également disponibles un système de double curseur est utilisé pour comparer deux coupes successives une lésion diminue là elle augmente d'étudier plus précisément les détails nous visualise une partie de l'autre coupe par l'intermédiaire d'une fenêtre déplaçant cette fenêtre inter activement nous vérifions la précision du recalage et nous étudions les différences entre les deux acquisitions la présence d'une petite lésion dans la région d'intérêt délimité soustraction des intensité lumineuse entre deux coupes issues d'acquisitions différentes permet une détection automatique des lésions les ronds clair caractérisent les lésions croissantes les ronds sombres les lésions décroissante de la même façon on identifie les lésions sur l'ensemble des coupes des deux acquisitions observant une séquence dynamique de cette lésion particulière nous avons remarqué que sa croissance a pour effet de repousser les tissus environnants ce phénomène s'appelle l'effet de masse avons cherché à détecter ce phénomène particulier en calculant le champ de déformation global de cette lésion en trois dimensions visualise une représentation mathématique de son évolution au cours du temps qui fait apparaître le caractère plutôt sphérique de la déformation a partir de calculs effectués directement sur ce champ de déformation nous réduisons certaines caractéristiques de l'effet de masse ces travaux ont fait l'objet d'un dépôt de brevet normes du champ de déformation nous donnent l'amplitude de l'effet de masse la divergence du champ de déformation quand il fit la croissance ou décroissance de la lésion le produit de la norme par la divergence fournit une image précise et peut bruit de la lésion elle autorise une détection plus précise que celle donnée par la soustraction des intensité lumineuse méthode couramment utilisée pour quantifier ces observations repose sur la segmente action trois d des lésions mais ces outils ne permettent pas de prendre en compte l'effet de masse nous proposons une solution pour quantifier précisément les variations de volume correspondant à l'effet de masse nous pensons que son étude pourrait contribuer à la compréhension de cette pathologie outil repose sur un calcul d'intégration du champ de ici la courbe d'intégration le maxima correspond à la valeur recherchée de variation de volume résultat important a fait l'objet de nombreuses expériences de validation nous avons par exemple créé une lésion de synthèse pour laquelle la variation du volume est connue méthode classique par ce augmentation donne une erreur de sept pour cent par rapport à la valeur réelle méthode par intégration du champ de déformation donne une de cinq pour cent voulons maintenant calculer la variation du volume de l'effet de masse seul isolé sur la lésion de synthèse nous montrons que la méthode par ce augmentation est inopérante pour la détection revanche la méthode par intégration des champs de déformation donne un résultat qui correspond à soixante pour cent de la valeur réelle nous avons testé nos outils sur des acquisitions d'un patient suivi pendant un an le calcul a porté sur vingt quatre acquisitions dont nous voyons la région d'intérêt entourant une lésion constatons que l'estimation de la variation du volume de la lésion est presque double lorsqu'on prend en considération l'effet de masse par la méthode d'intégration des champs de déformation cette différence significative confirme et quantifier l'effet de masse de la sclérose en plaques nous pensons ensuite parvenir à localiser les régions anatomiques du cerveau dans lesquelles se trouvent statistiquement les lésions ce faire nous avons mis au point des outils de recalage interpellations nous pouvons trouver une transformation continue d'une image d'un vers une image d'un autre patient appliquant cette transformation à une augmentation du cerveau correspondant à l'image du premier patient nous obtenons une augmentation automatique en région anatomiques du cerveau du second patient de cette méthode nous pourrons déterminer dans quelle région se situe les lésions actives même type d'outil peut s'appliquer à l'étude d'autres pathologies un patient atteint de gliome alstom un cancer du cerveau nous observons comment les ventricule compensent différents seulement les variations de volume induite par la croissance d'une tumeur ce patient atteint d'un phasi focal nous assistons à une atrophie importante de la substance blanche qui est également compensée par une variation du volume des ventricule ces deux exemples le champ de déformation ne se limite plus à des lésions de petite taille mais présents dans tout cerveau nous espérons que ces nouveaux outils permettront de mieux comprendre l'évolution de la maladie aider à mise au point et aux tests de nouveaux médicaments de suivre l'évolution de la maladie en condition clinique
Afin de suivre l'évolution de la maladie lors des essais thérapeutiques‚ les patients sont soumis à des examens IRM réguliers espacés dans le temps Les cliniciens disposent ainsi d'une série de représentations 3D du cerveau de leur patient Suivant les méthodes d'acquisition‚ les représentations des lésions sont différentes· Dans chaque cas‚ le clinicien dispose d'un volume de données qui lui permet d'observer la lésion suivant la coupe de son choix· Le problème est alors de comparer ces acquisitions d'un examen à l'autre afin de quantifier l'évolution de la maladie· Ici‚ il s'agit d'une acquisition obtenue par injection d'un produit de contraste le gadolinium· Une première difficulté tient de la variation de la position du patient d'un examen à l'autre· La simple superposition d'une même coupe sagittale d'un patient illustre ici la difficulté· Un premier outil de recalage automatique des images facilite la lecture et permet de suivre l'évolution des lésions dans le temps· Le recalage permet en outre d'observer l'effet dynamique de la croissance d'une lésion· Nous distinguons ici le gadolinium en périphérie de la lésion et l'apparition au centre d'une cicatrice irréversible· D'autres outils de visualisation sont également disponibles : un système de double curseur est utilisé pour comparer deux coupes successives· une lésion diminue là elle augmente d'étudier plus précisément les détails nous visualise une partie de l'autre coupe par l'intermédiaire d'une fenêtre déplaçant cette fenêtre inter activement nous vérifions la précision du recalage et nous étudions les différences entre les deux acquisitions la présence d'une petite lésion dans la région d'intérêt délimité soustraction des intensité lumineuse entre deux coupes issues d'acquisitions différentes permet une détection automatique des lésions les ronds clair caractérisent les lésions croissantes les ronds sombres les lésions décroissante de la même façon on identifie les lésions sur l'ensemble des coupes des deux acquisitions observant une séquence dynamique de cette lésion particulière nous avons remarqué que sa croissance a pour effet de repousser les tissus environnants ce phénomène s'appelle l'effet de masse avons cherché à détecter ce phénomène particulier en calculant le champ de déformation global de cette lésion en trois dimensions visualise une représentation mathématique de son évolution au cours du temps qui fait apparaître le caractère plutôt sphérique de la déformation a partir de calculs effectués directement sur ce champ de déformation nous réduisons certaines caractéristiques de l'effet de masse ces travaux ont fait l'objet d'un dépôt de brevet normes du champ de déformation nous donnent l'amplitude de l'effet de masse la divergence du champ de déformation quand il fit la croissance ou décroissance de la lésion le produit de la norme par la divergence fournit une image précise et peut bruit de la lésion elle autorise une détection plus précise que celle donnée par la soustraction des intensité lumineuse méthode couramment utilisée pour quantifier ces observations repose sur la segmente action trois d des lésions mais ces outils ne permettent pas de prendre en compte l'effet de masse nous proposons une solution pour quantifier précisément les variations de volume correspondant à l'effet de masse nous pensons que son étude pourrait contribuer à la compréhension de cette pathologie outil repose sur un calcul d'intégration du champ de ici la courbe d'intégration le maxima correspond à la valeur recherchée de variation de volume résultat important a fait l'objet de nombreuses expériences de validation nous avons par exemple créé une lésion de synthèse pour laquelle la variation du volume est connue méthode classique par ce augmentation donne une erreur de sept pour cent par rapport à la valeur réelle méthode par intégration du champ de déformation donne une de cinq pour cent voulons maintenant calculer la variation du volume de l'effet de masse seul isolé sur la lésion de synthèse nous montrons que la méthode par ce augmentation est inopérante pour la détection revanche la méthode par intégration des champs de déformation donne un résultat qui correspond à soixante pour cent de la valeur réelle nous avons testé nos outils sur des acquisitions d'un patient suivi pendant un an le calcul a porté sur vingt quatre acquisitions dont nous voyons la région d'intérêt entourant une lésion constatons que l'estimation de la variation du volume de la lésion est presque double lorsqu'on prend en considération l'effet de masse par la méthode d'intégration des champs de déformation cette différence significative confirme et quantifier l'effet de masse de la sclérose en plaques nous pensons ensuite parvenir à localiser les régions anatomiques du cerveau dans lesquelles se trouvent statistiquement les lésions ce faire nous avons mis au point des outils de recalage interpellations nous pouvons trouver une transformation continue d'une image d'un vers une image d'un autre patient appliquant cette transformation à une augmentation du cerveau correspondant à l'image du premier patient nous obtenons une augmentation automatique en région anatomiques du cerveau du second patient de cette méthode nous pourrons déterminer dans quelle région se situe les lésions actives même type d'outil peut s'appliquer à l'étude d'autres pathologies un patient atteint de gliome alstom un cancer du cerveau nous observons comment les ventricule compensent différents seulement les variations de volume induite par la croissance d'une tumeur ce patient atteint d'un phasi focal nous assistons à une atrophie importante de la substance blanche qui est également compensée par une variation du volume des ventricule ces deux exemples le champ de déformation ne se limite plus à des lésions de petite taille mais présents dans tout cerveau nous espérons que ces nouveaux outils permettront de mieux comprendre l'évolution de la maladie aider à mise au point et aux tests de nouveaux médicaments de suivre l'évolution de la maladie en condition clinique
Afin de suivre l'évolution de la maladie lors des essais thérapeutiques‚ les patients sont soumis à des examens IRM réguliers espacés dans le temps Les cliniciens disposent ainsi d'une série de représentations 3D du cerveau de leur patient Suivant les méthodes d'acquisition‚ les représentations des lésions sont différentes· Dans chaque cas‚ le clinicien dispose d'un volume de données qui lui permet d'observer la lésion suivant la coupe de son choix· Le problème est alors de comparer ces acquisitions d'un examen à l'autre afin de quantifier l'évolution de la maladie· Ici‚ il s'agit d'une acquisition obtenue par injection d'un produit de contraste le gadolinium· Une première difficulté tient de la variation de la position du patient d'un examen à l'autre· La simple superposition d'une même coupe sagittale d'un patient illustre ici la difficulté· Un premier outil de recalage automatique des images facilite la lecture et permet de suivre l'évolution des lésions dans le temps· Le recalage permet en outre d'observer l'effet dynamique de la croissance d'une lésion· Nous distinguons ici le gadolinium en périphérie de la lésion et l'apparition au centre d'une cicatrice irréversible· D'autres outils de visualisation sont également disponibles : un système de double curseur est utilisé pour comparer deux coupes successives· Ici‚ une lésion diminue‚ là‚ elle augmente· d'étudier plus précisément les détails nous visualise une partie de l'autre coupe par l'intermédiaire d'une fenêtre déplaçant cette fenêtre inter activement nous vérifions la précision du recalage et nous étudions les différences entre les deux acquisitions la présence d'une petite lésion dans la région d'intérêt délimité soustraction des intensité lumineuse entre deux coupes issues d'acquisitions différentes permet une détection automatique des lésions les ronds clair caractérisent les lésions croissantes les ronds sombres les lésions décroissante de la même façon on identifie les lésions sur l'ensemble des coupes des deux acquisitions observant une séquence dynamique de cette lésion particulière nous avons remarqué que sa croissance a pour effet de repousser les tissus environnants ce phénomène s'appelle l'effet de masse avons cherché à détecter ce phénomène particulier en calculant le champ de déformation global de cette lésion en trois dimensions visualise une représentation mathématique de son évolution au cours du temps qui fait apparaître le caractère plutôt sphérique de la déformation a partir de calculs effectués directement sur ce champ de déformation nous réduisons certaines caractéristiques de l'effet de masse ces travaux ont fait l'objet d'un dépôt de brevet normes du champ de déformation nous donnent l'amplitude de l'effet de masse la divergence du champ de déformation quand il fit la croissance ou décroissance de la lésion le produit de la norme par la divergence fournit une image précise et peut bruit de la lésion elle autorise une détection plus précise que celle donnée par la soustraction des intensité lumineuse méthode couramment utilisée pour quantifier ces observations repose sur la segmente action trois d des lésions mais ces outils ne permettent pas de prendre en compte l'effet de masse nous proposons une solution pour quantifier précisément les variations de volume correspondant à l'effet de masse nous pensons que son étude pourrait contribuer à la compréhension de cette pathologie outil repose sur un calcul d'intégration du champ de ici la courbe d'intégration le maxima correspond à la valeur recherchée de variation de volume résultat important a fait l'objet de nombreuses expériences de validation nous avons par exemple créé une lésion de synthèse pour laquelle la variation du volume est connue méthode classique par ce augmentation donne une erreur de sept pour cent par rapport à la valeur réelle méthode par intégration du champ de déformation donne une de cinq pour cent voulons maintenant calculer la variation du volume de l'effet de masse seul isolé sur la lésion de synthèse nous montrons que la méthode par ce augmentation est inopérante pour la détection revanche la méthode par intégration des champs de déformation donne un résultat qui correspond à soixante pour cent de la valeur réelle nous avons testé nos outils sur des acquisitions d'un patient suivi pendant un an le calcul a porté sur vingt quatre acquisitions dont nous voyons la région d'intérêt entourant une lésion constatons que l'estimation de la variation du volume de la lésion est presque double lorsqu'on prend en considération l'effet de masse par la méthode d'intégration des champs de déformation cette différence significative confirme et quantifier l'effet de masse de la sclérose en plaques nous pensons ensuite parvenir à localiser les régions anatomiques du cerveau dans lesquelles se trouvent statistiquement les lésions ce faire nous avons mis au point des outils de recalage interpellations nous pouvons trouver une transformation continue d'une image d'un vers une image d'un autre patient appliquant cette transformation à une augmentation du cerveau correspondant à l'image du premier patient nous obtenons une augmentation automatique en région anatomiques du cerveau du second patient de cette méthode nous pourrons déterminer dans quelle région se situe les lésions actives même type d'outil peut s'appliquer à l'étude d'autres pathologies un patient atteint de gliome alstom un cancer du cerveau nous observons comment les ventricule compensent différents seulement les variations de volume induite par la croissance d'une tumeur ce patient atteint d'un phasi focal nous assistons à une atrophie importante de la substance blanche qui est également compensée par une variation du volume des ventricule ces deux exemples le champ de déformation ne se limite plus à des lésions de petite taille mais présents dans tout cerveau nous espérons que ces nouveaux outils permettront de mieux comprendre l'évolution de la maladie aider à mise au point et aux tests de nouveaux médicaments de suivre l'évolution de la maladie en condition clinique
Afin de suivre l'évolution de la maladie lors des essais thérapeutiques‚ les patients sont soumis à des examens IRM réguliers espacés dans le temps Les cliniciens disposent ainsi d'une série de représentations 3D du cerveau de leur patient Suivant les méthodes d'acquisition‚ les représentations des lésions sont différentes· Dans chaque cas‚ le clinicien dispose d'un volume de données qui lui permet d'observer la lésion suivant la coupe de son choix· Le problème est alors de comparer ces acquisitions d'un examen à l'autre afin de quantifier l'évolution de la maladie· Ici‚ il s'agit d'une acquisition obtenue par injection d'un produit de contraste le gadolinium· Une première difficulté tient de la variation de la position du patient d'un examen à l'autre· La simple superposition d'une même coupe sagittale d'un patient illustre ici la difficulté· Un premier outil de recalage automatique des images facilite la lecture et permet de suivre l'évolution des lésions dans le temps· Le recalage permet en outre d'observer l'effet dynamique de la croissance d'une lésion· Nous distinguons ici le gadolinium en périphérie de la lésion et l'apparition au centre d'une cicatrice irréversible· D'autres outils de visualisation sont également disponibles : un système de double curseur est utilisé pour comparer deux coupes successives· Ici‚ une lésion diminue‚ là‚ elle augmente· Afin d'étudier plus précisément les détails‚ nous visualisons une partie de l'autre coupe par l'intermédiaire d'une fenêtre· déplaçant cette fenêtre inter activement nous vérifions la précision du recalage et nous étudions les différences entre les deux acquisitions la présence d'une petite lésion dans la région d'intérêt délimité soustraction des intensité lumineuse entre deux coupes issues d'acquisitions différentes permet une détection automatique des lésions les ronds clair caractérisent les lésions croissantes les ronds sombres les lésions décroissante de la même façon on identifie les lésions sur l'ensemble des coupes des deux acquisitions observant une séquence dynamique de cette lésion particulière nous avons remarqué que sa croissance a pour effet de repousser les tissus environnants ce phénomène s'appelle l'effet de masse avons cherché à détecter ce phénomène particulier en calculant le champ de déformation global de cette lésion en trois dimensions visualise une représentation mathématique de son évolution au cours du temps qui fait apparaître le caractère plutôt sphérique de la déformation a partir de calculs effectués directement sur ce champ de déformation nous réduisons certaines caractéristiques de l'effet de masse ces travaux ont fait l'objet d'un dépôt de brevet normes du champ de déformation nous donnent l'amplitude de l'effet de masse la divergence du champ de déformation quand il fit la croissance ou décroissance de la lésion le produit de la norme par la divergence fournit une image précise et peut bruit de la lésion elle autorise une détection plus précise que celle donnée par la soustraction des intensité lumineuse méthode couramment utilisée pour quantifier ces observations repose sur la segmente action trois d des lésions mais ces outils ne permettent pas de prendre en compte l'effet de masse nous proposons une solution pour quantifier précisément les variations de volume correspondant à l'effet de masse nous pensons que son étude pourrait contribuer à la compréhension de cette pathologie outil repose sur un calcul d'intégration du champ de ici la courbe d'intégration le maxima correspond à la valeur recherchée de variation de volume résultat important a fait l'objet de nombreuses expériences de validation nous avons par exemple créé une lésion de synthèse pour laquelle la variation du volume est connue méthode classique par ce augmentation donne une erreur de sept pour cent par rapport à la valeur réelle méthode par intégration du champ de déformation donne une de cinq pour cent voulons maintenant calculer la variation du volume de l'effet de masse seul isolé sur la lésion de synthèse nous montrons que la méthode par ce augmentation est inopérante pour la détection revanche la méthode par intégration des champs de déformation donne un résultat qui correspond à soixante pour cent de la valeur réelle nous avons testé nos outils sur des acquisitions d'un patient suivi pendant un an le calcul a porté sur vingt quatre acquisitions dont nous voyons la région d'intérêt entourant une lésion constatons que l'estimation de la variation du volume de la lésion est presque double lorsqu'on prend en considération l'effet de masse par la méthode d'intégration des champs de déformation cette différence significative confirme et quantifier l'effet de masse de la sclérose en plaques nous pensons ensuite parvenir à localiser les régions anatomiques du cerveau dans lesquelles se trouvent statistiquement les lésions ce faire nous avons mis au point des outils de recalage interpellations nous pouvons trouver une transformation continue d'une image d'un vers une image d'un autre patient appliquant cette transformation à une augmentation du cerveau correspondant à l'image du premier patient nous obtenons une augmentation automatique en région anatomiques du cerveau du second patient de cette méthode nous pourrons déterminer dans quelle région se situe les lésions actives même type d'outil peut s'appliquer à l'étude d'autres pathologies un patient atteint de gliome alstom un cancer du cerveau nous observons comment les ventricule compensent différents seulement les variations de volume induite par la croissance d'une tumeur ce patient atteint d'un phasi focal nous assistons à une atrophie importante de la substance blanche qui est également compensée par une variation du volume des ventricule ces deux exemples le champ de déformation ne se limite plus à des lésions de petite taille mais présents dans tout cerveau nous espérons que ces nouveaux outils permettront de mieux comprendre l'évolution de la maladie aider à mise au point et aux tests de nouveaux médicaments de suivre l'évolution de la maladie en condition clinique
Afin de suivre l'évolution de la maladie lors des essais thérapeutiques‚ les patients sont soumis à des examens IRM réguliers espacés dans le temps Les cliniciens disposent ainsi d'une série de représentations 3D du cerveau de leur patient Suivant les méthodes d'acquisition‚ les représentations des lésions sont différentes· Dans chaque cas‚ le clinicien dispose d'un volume de données qui lui permet d'observer la lésion suivant la coupe de son choix· Le problème est alors de comparer ces acquisitions d'un examen à l'autre afin de quantifier l'évolution de la maladie· Ici‚ il s'agit d'une acquisition obtenue par injection d'un produit de contraste le gadolinium· Une première difficulté tient de la variation de la position du patient d'un examen à l'autre· La simple superposition d'une même coupe sagittale d'un patient illustre ici la difficulté· Un premier outil de recalage automatique des images facilite la lecture et permet de suivre l'évolution des lésions dans le temps· Le recalage permet en outre d'observer l'effet dynamique de la croissance d'une lésion· Nous distinguons ici le gadolinium en périphérie de la lésion et l'apparition au centre d'une cicatrice irréversible· D'autres outils de visualisation sont également disponibles : un système de double curseur est utilisé pour comparer deux coupes successives· Ici‚ une lésion diminue‚ là‚ elle augmente· Afin d'étudier plus précisément les détails‚ nous visualisons une partie de l'autre coupe par l'intermédiaire d'une fenêtre· En déplaçant cette fenêtre inter activement‚ nous vérifions la précision du recalage et nous étudions les différences entre les deux acquisitions· la présence d'une petite lésion dans la région d'intérêt délimité soustraction des intensité lumineuse entre deux coupes issues d'acquisitions différentes permet une détection automatique des lésions les ronds clair caractérisent les lésions croissantes les ronds sombres les lésions décroissante de la même façon on identifie les lésions sur l'ensemble des coupes des deux acquisitions observant une séquence dynamique de cette lésion particulière nous avons remarqué que sa croissance a pour effet de repousser les tissus environnants ce phénomène s'appelle l'effet de masse avons cherché à détecter ce phénomène particulier en calculant le champ de déformation global de cette lésion en trois dimensions visualise une représentation mathématique de son évolution au cours du temps qui fait apparaître le caractère plutôt sphérique de la déformation a partir de calculs effectués directement sur ce champ de déformation nous réduisons certaines caractéristiques de l'effet de masse ces travaux ont fait l'objet d'un dépôt de brevet normes du champ de déformation nous donnent l'amplitude de l'effet de masse la divergence du champ de déformation quand il fit la croissance ou décroissance de la lésion le produit de la norme par la divergence fournit une image précise et peut bruit de la lésion elle autorise une détection plus précise que celle donnée par la soustraction des intensité lumineuse méthode couramment utilisée pour quantifier ces observations repose sur la segmente action trois d des lésions mais ces outils ne permettent pas de prendre en compte l'effet de masse nous proposons une solution pour quantifier précisément les variations de volume correspondant à l'effet de masse nous pensons que son étude pourrait contribuer à la compréhension de cette pathologie outil repose sur un calcul d'intégration du champ de ici la courbe d'intégration le maxima correspond à la valeur recherchée de variation de volume résultat important a fait l'objet de nombreuses expériences de validation nous avons par exemple créé une lésion de synthèse pour laquelle la variation du volume est connue méthode classique par ce augmentation donne une erreur de sept pour cent par rapport à la valeur réelle méthode par intégration du champ de déformation donne une de cinq pour cent voulons maintenant calculer la variation du volume de l'effet de masse seul isolé sur la lésion de synthèse nous montrons que la méthode par ce augmentation est inopérante pour la détection revanche la méthode par intégration des champs de déformation donne un résultat qui correspond à soixante pour cent de la valeur réelle nous avons testé nos outils sur des acquisitions d'un patient suivi pendant un an le calcul a porté sur vingt quatre acquisitions dont nous voyons la région d'intérêt entourant une lésion constatons que l'estimation de la variation du volume de la lésion est presque double lorsqu'on prend en considération l'effet de masse par la méthode d'intégration des champs de déformation cette différence significative confirme et quantifier l'effet de masse de la sclérose en plaques nous pensons ensuite parvenir à localiser les régions anatomiques du cerveau dans lesquelles se trouvent statistiquement les lésions ce faire nous avons mis au point des outils de recalage interpellations nous pouvons trouver une transformation continue d'une image d'un vers une image d'un autre patient appliquant cette transformation à une augmentation du cerveau correspondant à l'image du premier patient nous obtenons une augmentation automatique en région anatomiques du cerveau du second patient de cette méthode nous pourrons déterminer dans quelle région se situe les lésions actives même type d'outil peut s'appliquer à l'étude d'autres pathologies un patient atteint de gliome alstom un cancer du cerveau nous observons comment les ventricule compensent différents seulement les variations de volume induite par la croissance d'une tumeur ce patient atteint d'un phasi focal nous assistons à une atrophie importante de la substance blanche qui est également compensée par une variation du volume des ventricule ces deux exemples le champ de déformation ne se limite plus à des lésions de petite taille mais présents dans tout cerveau nous espérons que ces nouveaux outils permettront de mieux comprendre l'évolution de la maladie aider à mise au point et aux tests de nouveaux médicaments de suivre l'évolution de la maladie en condition clinique
Afin de suivre l'évolution de la maladie lors des essais thérapeutiques‚ les patients sont soumis à des examens IRM réguliers espacés dans le temps Les cliniciens disposent ainsi d'une série de représentations 3D du cerveau de leur patient Suivant les méthodes d'acquisition‚ les représentations des lésions sont différentes· Dans chaque cas‚ le clinicien dispose d'un volume de données qui lui permet d'observer la lésion suivant la coupe de son choix· Le problème est alors de comparer ces acquisitions d'un examen à l'autre afin de quantifier l'évolution de la maladie· Ici‚ il s'agit d'une acquisition obtenue par injection d'un produit de contraste le gadolinium· Une première difficulté tient de la variation de la position du patient d'un examen à l'autre· La simple superposition d'une même coupe sagittale d'un patient illustre ici la difficulté· Un premier outil de recalage automatique des images facilite la lecture et permet de suivre l'évolution des lésions dans le temps· Le recalage permet en outre d'observer l'effet dynamique de la croissance d'une lésion· Nous distinguons ici le gadolinium en périphérie de la lésion et l'apparition au centre d'une cicatrice irréversible· D'autres outils de visualisation sont également disponibles : un système de double curseur est utilisé pour comparer deux coupes successives· Ici‚ une lésion diminue‚ là‚ elle augmente· Afin d'étudier plus précisément les détails‚ nous visualisons une partie de l'autre coupe par l'intermédiaire d'une fenêtre· En déplaçant cette fenêtre inter activement‚ nous vérifions la précision du recalage et nous étudions les différences entre les deux acquisitions· Ici‚ la présence d'une petite lésion dans la région d'intérêt délimité· soustraction des intensité lumineuse entre deux coupes issues d'acquisitions différentes permet une détection automatique des lésions les ronds clair caractérisent les lésions croissantes les ronds sombres les lésions décroissante de la même façon on identifie les lésions sur l'ensemble des coupes des deux acquisitions observant une séquence dynamique de cette lésion particulière nous avons remarqué que sa croissance a pour effet de repousser les tissus environnants ce phénomène s'appelle l'effet de masse avons cherché à détecter ce phénomène particulier en calculant le champ de déformation global de cette lésion en trois dimensions visualise une représentation mathématique de son évolution au cours du temps qui fait apparaître le caractère plutôt sphérique de la déformation a partir de calculs effectués directement sur ce champ de déformation nous réduisons certaines caractéristiques de l'effet de masse ces travaux ont fait l'objet d'un dépôt de brevet normes du champ de déformation nous donnent l'amplitude de l'effet de masse la divergence du champ de déformation quand il fit la croissance ou décroissance de la lésion le produit de la norme par la divergence fournit une image précise et peut bruit de la lésion elle autorise une détection plus précise que celle donnée par la soustraction des intensité lumineuse méthode couramment utilisée pour quantifier ces observations repose sur la segmente action trois d des lésions mais ces outils ne permettent pas de prendre en compte l'effet de masse nous proposons une solution pour quantifier précisément les variations de volume correspondant à l'effet de masse nous pensons que son étude pourrait contribuer à la compréhension de cette pathologie outil repose sur un calcul d'intégration du champ de ici la courbe d'intégration le maxima correspond à la valeur recherchée de variation de volume résultat important a fait l'objet de nombreuses expériences de validation nous avons par exemple créé une lésion de synthèse pour laquelle la variation du volume est connue méthode classique par ce augmentation donne une erreur de sept pour cent par rapport à la valeur réelle méthode par intégration du champ de déformation donne une de cinq pour cent voulons maintenant calculer la variation du volume de l'effet de masse seul isolé sur la lésion de synthèse nous montrons que la méthode par ce augmentation est inopérante pour la détection revanche la méthode par intégration des champs de déformation donne un résultat qui correspond à soixante pour cent de la valeur réelle nous avons testé nos outils sur des acquisitions d'un patient suivi pendant un an le calcul a porté sur vingt quatre acquisitions dont nous voyons la région d'intérêt entourant une lésion constatons que l'estimation de la variation du volume de la lésion est presque double lorsqu'on prend en considération l'effet de masse par la méthode d'intégration des champs de déformation cette différence significative confirme et quantifier l'effet de masse de la sclérose en plaques nous pensons ensuite parvenir à localiser les régions anatomiques du cerveau dans lesquelles se trouvent statistiquement les lésions ce faire nous avons mis au point des outils de recalage interpellations nous pouvons trouver une transformation continue d'une image d'un vers une image d'un autre patient appliquant cette transformation à une augmentation du cerveau correspondant à l'image du premier patient nous obtenons une augmentation automatique en région anatomiques du cerveau du second patient de cette méthode nous pourrons déterminer dans quelle région se situe les lésions actives même type d'outil peut s'appliquer à l'étude d'autres pathologies un patient atteint de gliome alstom un cancer du cerveau nous observons comment les ventricule compensent différents seulement les variations de volume induite par la croissance d'une tumeur ce patient atteint d'un phasi focal nous assistons à une atrophie importante de la substance blanche qui est également compensée par une variation du volume des ventricule ces deux exemples le champ de déformation ne se limite plus à des lésions de petite taille mais présents dans tout cerveau nous espérons que ces nouveaux outils permettront de mieux comprendre l'évolution de la maladie aider à mise au point et aux tests de nouveaux médicaments de suivre l'évolution de la maladie en condition clinique
Afin de suivre l'évolution de la maladie lors des essais thérapeutiques‚ les patients sont soumis à des examens IRM réguliers espacés dans le temps Les cliniciens disposent ainsi d'une série de représentations 3D du cerveau de leur patient Suivant les méthodes d'acquisition‚ les représentations des lésions sont différentes· Dans chaque cas‚ le clinicien dispose d'un volume de données qui lui permet d'observer la lésion suivant la coupe de son choix· Le problème est alors de comparer ces acquisitions d'un examen à l'autre afin de quantifier l'évolution de la maladie· Ici‚ il s'agit d'une acquisition obtenue par injection d'un produit de contraste le gadolinium· Une première difficulté tient de la variation de la position du patient d'un examen à l'autre· La simple superposition d'une même coupe sagittale d'un patient illustre ici la difficulté· Un premier outil de recalage automatique des images facilite la lecture et permet de suivre l'évolution des lésions dans le temps· Le recalage permet en outre d'observer l'effet dynamique de la croissance d'une lésion· Nous distinguons ici le gadolinium en périphérie de la lésion et l'apparition au centre d'une cicatrice irréversible· D'autres outils de visualisation sont également disponibles : un système de double curseur est utilisé pour comparer deux coupes successives· Ici‚ une lésion diminue‚ là‚ elle augmente· Afin d'étudier plus précisément les détails‚ nous visualisons une partie de l'autre coupe par l'intermédiaire d'une fenêtre· En déplaçant cette fenêtre inter activement‚ nous vérifions la précision du recalage et nous étudions les différences entre les deux acquisitions· Ici‚ la présence d'une petite lésion dans la région d'intérêt délimité· La soustraction des intensités lumineuses entre deux coupes issues d'acquisitions différentes‚ permet une détection automatique des lésions· Les ronds clair caractérisent les lésions croissantes‚ les ronds sombres les lésions décroissantes· De la même façon on identifie les lésions sur l'ensemble des coupes des deux acquisitions· observant une séquence dynamique de cette lésion particulière nous avons remarqué que sa croissance a pour effet de repousser les tissus environnants ce phénomène s'appelle l'effet de masse avons cherché à détecter ce phénomène particulier en calculant le champ de déformation global de cette lésion en trois dimensions visualise une représentation mathématique de son évolution au cours du temps qui fait apparaître le caractère plutôt sphérique de la déformation a partir de calculs effectués directement sur ce champ de déformation nous réduisons certaines caractéristiques de l'effet de masse ces travaux ont fait l'objet d'un dépôt de brevet normes du champ de déformation nous donnent l'amplitude de l'effet de masse la divergence du champ de déformation quand il fit la croissance ou décroissance de la lésion le produit de la norme par la divergence fournit une image précise et peut bruit de la lésion elle autorise une détection plus précise que celle donnée par la soustraction des intensité lumineuse méthode couramment utilisée pour quantifier ces observations repose sur la segmente action trois d des lésions mais ces outils ne permettent pas de prendre en compte l'effet de masse nous proposons une solution pour quantifier précisément les variations de volume correspondant à l'effet de masse nous pensons que son étude pourrait contribuer à la compréhension de cette pathologie outil repose sur un calcul d'intégration du champ de ici la courbe d'intégration le maxima correspond à la valeur recherchée de variation de volume résultat important a fait l'objet de nombreuses expériences de validation nous avons par exemple créé une lésion de synthèse pour laquelle la variation du volume est connue méthode classique par ce augmentation donne une erreur de sept pour cent par rapport à la valeur réelle méthode par intégration du champ de déformation donne une de cinq pour cent voulons maintenant calculer la variation du volume de l'effet de masse seul isolé sur la lésion de synthèse nous montrons que la méthode par ce augmentation est inopérante pour la détection revanche la méthode par intégration des champs de déformation donne un résultat qui correspond à soixante pour cent de la valeur réelle nous avons testé nos outils sur des acquisitions d'un patient suivi pendant un an le calcul a porté sur vingt quatre acquisitions dont nous voyons la région d'intérêt entourant une lésion constatons que l'estimation de la variation du volume de la lésion est presque double lorsqu'on prend en considération l'effet de masse par la méthode d'intégration des champs de déformation cette différence significative confirme et quantifier l'effet de masse de la sclérose en plaques nous pensons ensuite parvenir à localiser les régions anatomiques du cerveau dans lesquelles se trouvent statistiquement les lésions ce faire nous avons mis au point des outils de recalage interpellations nous pouvons trouver une transformation continue d'une image d'un vers une image d'un autre patient appliquant cette transformation à une augmentation du cerveau correspondant à l'image du premier patient nous obtenons une augmentation automatique en région anatomiques du cerveau du second patient de cette méthode nous pourrons déterminer dans quelle région se situe les lésions actives même type d'outil peut s'appliquer à l'étude d'autres pathologies un patient atteint de gliome alstom un cancer du cerveau nous observons comment les ventricule compensent différents seulement les variations de volume induite par la croissance d'une tumeur ce patient atteint d'un phasi focal nous assistons à une atrophie importante de la substance blanche qui est également compensée par une variation du volume des ventricule ces deux exemples le champ de déformation ne se limite plus à des lésions de petite taille mais présents dans tout cerveau nous espérons que ces nouveaux outils permettront de mieux comprendre l'évolution de la maladie aider à mise au point et aux tests de nouveaux médicaments de suivre l'évolution de la maladie en condition clinique
Afin de suivre l'évolution de la maladie lors des essais thérapeutiques‚ les patients sont soumis à des examens IRM réguliers espacés dans le temps Les cliniciens disposent ainsi d'une série de représentations 3D du cerveau de leur patient Suivant les méthodes d'acquisition‚ les représentations des lésions sont différentes· Dans chaque cas‚ le clinicien dispose d'un volume de données qui lui permet d'observer la lésion suivant la coupe de son choix· Le problème est alors de comparer ces acquisitions d'un examen à l'autre afin de quantifier l'évolution de la maladie· Ici‚ il s'agit d'une acquisition obtenue par injection d'un produit de contraste le gadolinium· Une première difficulté tient de la variation de la position du patient d'un examen à l'autre· La simple superposition d'une même coupe sagittale d'un patient illustre ici la difficulté· Un premier outil de recalage automatique des images facilite la lecture et permet de suivre l'évolution des lésions dans le temps· Le recalage permet en outre d'observer l'effet dynamique de la croissance d'une lésion· Nous distinguons ici le gadolinium en périphérie de la lésion et l'apparition au centre d'une cicatrice irréversible· D'autres outils de visualisation sont également disponibles : un système de double curseur est utilisé pour comparer deux coupes successives· Ici‚ une lésion diminue‚ là‚ elle augmente· Afin d'étudier plus précisément les détails‚ nous visualisons une partie de l'autre coupe par l'intermédiaire d'une fenêtre· En déplaçant cette fenêtre inter activement‚ nous vérifions la précision du recalage et nous étudions les différences entre les deux acquisitions· Ici‚ la présence d'une petite lésion dans la région d'intérêt délimité· La soustraction des intensités lumineuses entre deux coupes issues d'acquisitions différentes‚ permet une détection automatique des lésions· Les ronds clair caractérisent les lésions croissantes‚ les ronds sombres les lésions décroissantes· De la même façon on identifie les lésions sur l'ensemble des coupes des deux acquisitions· En observant une séquence dynamique de cette lésion particulière‚ nous avons remarqué que sa croissance a pour effet de repousser les tissus environnants ce phénomène s'appelle l'effet de masse· Nous avons cherché à détecter ce phénomène particulier· En calculant le champ de déformation global de cette lésion en trois dimensions‚ nous visualisons une représentation mathématique de son évolution au cours du temps qui fait apparaître le caractère plutôt sphérique de la déformation· À partir de calculs effectués directement sur ce champ de déformation‚ nous réduisons certaines caractéristiques de l'effet de masse ces travaux ont fait l'objet d'un dépôt de brevet normes du champ de déformation nous donnent l'amplitude de l'effet de masse la divergence du champ de déformation quand il fit la croissance ou décroissance de la lésion le produit de la norme par la divergence fournit une image précise et peut bruit de la lésion elle autorise une détection plus précise que celle donnée par la soustraction des intensité lumineuse méthode couramment utilisée pour quantifier ces observations repose sur la segmente action trois d des lésions mais ces outils ne permettent pas de prendre en compte l'effet de masse nous proposons une solution pour quantifier précisément les variations de volume correspondant à l'effet de masse nous pensons que son étude pourrait contribuer à la compréhension de cette pathologie outil repose sur un calcul d'intégration du champ de ici la courbe d'intégration le maxima correspond à la valeur recherchée de variation de volume résultat important a fait l'objet de nombreuses expériences de validation nous avons par exemple créé une lésion de synthèse pour laquelle la variation du volume est connue méthode classique par ce augmentation donne une erreur de sept pour cent par rapport à la valeur réelle méthode par intégration du champ de déformation donne une de cinq pour cent voulons maintenant calculer la variation du volume de l'effet de masse seul isolé sur la lésion de synthèse nous montrons que la méthode par ce augmentation est inopérante pour la détection revanche la méthode par intégration des champs de déformation donne un résultat qui correspond à soixante pour cent de la valeur réelle nous avons testé nos outils sur des acquisitions d'un patient suivi pendant un an le calcul a porté sur vingt quatre acquisitions dont nous voyons la région d'intérêt entourant une lésion constatons que l'estimation de la variation du volume de la lésion est presque double lorsqu'on prend en considération l'effet de masse par la méthode d'intégration des champs de déformation cette différence significative confirme et quantifier l'effet de masse de la sclérose en plaques nous pensons ensuite parvenir à localiser les régions anatomiques du cerveau dans lesquelles se trouvent statistiquement les lésions ce faire nous avons mis au point des outils de recalage interpellations nous pouvons trouver une transformation continue d'une image d'un vers une image d'un autre patient appliquant cette transformation à une augmentation du cerveau correspondant à l'image du premier patient nous obtenons une augmentation automatique en région anatomiques du cerveau du second patient de cette méthode nous pourrons déterminer dans quelle région se situe les lésions actives même type d'outil peut s'appliquer à l'étude d'autres pathologies un patient atteint de gliome alstom un cancer du cerveau nous observons comment les ventricule compensent différents seulement les variations de volume induite par la croissance d'une tumeur ce patient atteint d'un phasi focal nous assistons à une atrophie importante de la substance blanche qui est également compensée par une variation du volume des ventricule ces deux exemples le champ de déformation ne se limite plus à des lésions de petite taille mais présents dans tout cerveau nous espérons que ces nouveaux outils permettront de mieux comprendre l'évolution de la maladie aider à mise au point et aux tests de nouveaux médicaments de suivre l'évolution de la maladie en condition clinique
Afin de suivre l'évolution de la maladie lors des essais thérapeutiques‚ les patients sont soumis à des examens IRM réguliers espacés dans le temps Les cliniciens disposent ainsi d'une série de représentations 3D du cerveau de leur patient Suivant les méthodes d'acquisition‚ les représentations des lésions sont différentes· Dans chaque cas‚ le clinicien dispose d'un volume de données qui lui permet d'observer la lésion suivant la coupe de son choix· Le problème est alors de comparer ces acquisitions d'un examen à l'autre afin de quantifier l'évolution de la maladie· Ici‚ il s'agit d'une acquisition obtenue par injection d'un produit de contraste le gadolinium· Une première difficulté tient de la variation de la position du patient d'un examen à l'autre· La simple superposition d'une même coupe sagittale d'un patient illustre ici la difficulté· Un premier outil de recalage automatique des images facilite la lecture et permet de suivre l'évolution des lésions dans le temps· Le recalage permet en outre d'observer l'effet dynamique de la croissance d'une lésion· Nous distinguons ici le gadolinium en périphérie de la lésion et l'apparition au centre d'une cicatrice irréversible· D'autres outils de visualisation sont également disponibles : un système de double curseur est utilisé pour comparer deux coupes successives· Ici‚ une lésion diminue‚ là‚ elle augmente· Afin d'étudier plus précisément les détails‚ nous visualisons une partie de l'autre coupe par l'intermédiaire d'une fenêtre· En déplaçant cette fenêtre inter activement‚ nous vérifions la précision du recalage et nous étudions les différences entre les deux acquisitions· Ici‚ la présence d'une petite lésion dans la région d'intérêt délimité· La soustraction des intensités lumineuses entre deux coupes issues d'acquisitions différentes‚ permet une détection automatique des lésions· Les ronds clair caractérisent les lésions croissantes‚ les ronds sombres les lésions décroissantes· De la même façon on identifie les lésions sur l'ensemble des coupes des deux acquisitions· En observant une séquence dynamique de cette lésion particulière‚ nous avons remarqué que sa croissance a pour effet de repousser les tissus environnants ce phénomène s'appelle l'effet de masse· Nous avons cherché à détecter ce phénomène particulier· En calculant le champ de déformation global de cette lésion en trois dimensions‚ nous visualisons une représentation mathématique de son évolution au cours du temps qui fait apparaître le caractère plutôt sphérique de la déformation· À partir de calculs effectués directement sur ce champ de déformation‚ nous réduisons certaines caractéristiques de l'effet de masse· ces travaux ont fait l'objet d'un dépôt de brevet normes du champ de déformation nous donnent l'amplitude de l'effet de masse la divergence du champ de déformation quand il fit la croissance ou décroissance de la lésion le produit de la norme par la divergence fournit une image précise et peut bruit de la lésion elle autorise une détection plus précise que celle donnée par la soustraction des intensité lumineuse méthode couramment utilisée pour quantifier ces observations repose sur la segmente action trois d des lésions mais ces outils ne permettent pas de prendre en compte l'effet de masse nous proposons une solution pour quantifier précisément les variations de volume correspondant à l'effet de masse nous pensons que son étude pourrait contribuer à la compréhension de cette pathologie outil repose sur un calcul d'intégration du champ de ici la courbe d'intégration le maxima correspond à la valeur recherchée de variation de volume résultat important a fait l'objet de nombreuses expériences de validation nous avons par exemple créé une lésion de synthèse pour laquelle la variation du volume est connue méthode classique par ce augmentation donne une erreur de sept pour cent par rapport à la valeur réelle méthode par intégration du champ de déformation donne une de cinq pour cent voulons maintenant calculer la variation du volume de l'effet de masse seul isolé sur la lésion de synthèse nous montrons que la méthode par ce augmentation est inopérante pour la détection revanche la méthode par intégration des champs de déformation donne un résultat qui correspond à soixante pour cent de la valeur réelle nous avons testé nos outils sur des acquisitions d'un patient suivi pendant un an le calcul a porté sur vingt quatre acquisitions dont nous voyons la région d'intérêt entourant une lésion constatons que l'estimation de la variation du volume de la lésion est presque double lorsqu'on prend en considération l'effet de masse par la méthode d'intégration des champs de déformation cette différence significative confirme et quantifier l'effet de masse de la sclérose en plaques nous pensons ensuite parvenir à localiser les régions anatomiques du cerveau dans lesquelles se trouvent statistiquement les lésions ce faire nous avons mis au point des outils de recalage interpellations nous pouvons trouver une transformation continue d'une image d'un vers une image d'un autre patient appliquant cette transformation à une augmentation du cerveau correspondant à l'image du premier patient nous obtenons une augmentation automatique en région anatomiques du cerveau du second patient de cette méthode nous pourrons déterminer dans quelle région se situe les lésions actives même type d'outil peut s'appliquer à l'étude d'autres pathologies un patient atteint de gliome alstom un cancer du cerveau nous observons comment les ventricule compensent différents seulement les variations de volume induite par la croissance d'une tumeur ce patient atteint d'un phasi focal nous assistons à une atrophie importante de la substance blanche qui est également compensée par une variation du volume des ventricule ces deux exemples le champ de déformation ne se limite plus à des lésions de petite taille mais présents dans tout cerveau nous espérons que ces nouveaux outils permettront de mieux comprendre l'évolution de la maladie aider à mise au point et aux tests de nouveaux médicaments de suivre l'évolution de la maladie en condition clinique
Afin de suivre l'évolution de la maladie lors des essais thérapeutiques‚ les patients sont soumis à des examens IRM réguliers espacés dans le temps Les cliniciens disposent ainsi d'une série de représentations 3D du cerveau de leur patient Suivant les méthodes d'acquisition‚ les représentations des lésions sont différentes· Dans chaque cas‚ le clinicien dispose d'un volume de données qui lui permet d'observer la lésion suivant la coupe de son choix· Le problème est alors de comparer ces acquisitions d'un examen à l'autre afin de quantifier l'évolution de la maladie· Ici‚ il s'agit d'une acquisition obtenue par injection d'un produit de contraste le gadolinium· Une première difficulté tient de la variation de la position du patient d'un examen à l'autre· La simple superposition d'une même coupe sagittale d'un patient illustre ici la difficulté· Un premier outil de recalage automatique des images facilite la lecture et permet de suivre l'évolution des lésions dans le temps· Le recalage permet en outre d'observer l'effet dynamique de la croissance d'une lésion· Nous distinguons ici le gadolinium en périphérie de la lésion et l'apparition au centre d'une cicatrice irréversible· D'autres outils de visualisation sont également disponibles : un système de double curseur est utilisé pour comparer deux coupes successives· Ici‚ une lésion diminue‚ là‚ elle augmente· Afin d'étudier plus précisément les détails‚ nous visualisons une partie de l'autre coupe par l'intermédiaire d'une fenêtre· En déplaçant cette fenêtre inter activement‚ nous vérifions la précision du recalage et nous étudions les différences entre les deux acquisitions· Ici‚ la présence d'une petite lésion dans la région d'intérêt délimité· La soustraction des intensités lumineuses entre deux coupes issues d'acquisitions différentes‚ permet une détection automatique des lésions· Les ronds clair caractérisent les lésions croissantes‚ les ronds sombres les lésions décroissantes· De la même façon on identifie les lésions sur l'ensemble des coupes des deux acquisitions· En observant une séquence dynamique de cette lésion particulière‚ nous avons remarqué que sa croissance a pour effet de repousser les tissus environnants ce phénomène s'appelle l'effet de masse· Nous avons cherché à détecter ce phénomène particulier· En calculant le champ de déformation global de cette lésion en trois dimensions‚ nous visualisons une représentation mathématique de son évolution au cours du temps qui fait apparaître le caractère plutôt sphérique de la déformation· À partir de calculs effectués directement sur ce champ de déformation‚ nous réduisons certaines caractéristiques de l'effet de masse· Ces travaux ont fait l'objet d'un dépôt de brevet· normes du champ de déformation nous donnent l'amplitude de l'effet de masse la divergence du champ de déformation quand il fit la croissance ou décroissance de la lésion le produit de la norme par la divergence fournit une image précise et peut bruit de la lésion elle autorise une détection plus précise que celle donnée par la soustraction des intensité lumineuse méthode couramment utilisée pour quantifier ces observations repose sur la segmente action trois d des lésions mais ces outils ne permettent pas de prendre en compte l'effet de masse nous proposons une solution pour quantifier précisément les variations de volume correspondant à l'effet de masse nous pensons que son étude pourrait contribuer à la compréhension de cette pathologie outil repose sur un calcul d'intégration du champ de ici la courbe d'intégration le maxima correspond à la valeur recherchée de variation de volume résultat important a fait l'objet de nombreuses expériences de validation nous avons par exemple créé une lésion de synthèse pour laquelle la variation du volume est connue méthode classique par ce augmentation donne une erreur de sept pour cent par rapport à la valeur réelle méthode par intégration du champ de déformation donne une de cinq pour cent voulons maintenant calculer la variation du volume de l'effet de masse seul isolé sur la lésion de synthèse nous montrons que la méthode par ce augmentation est inopérante pour la détection revanche la méthode par intégration des champs de déformation donne un résultat qui correspond à soixante pour cent de la valeur réelle nous avons testé nos outils sur des acquisitions d'un patient suivi pendant un an le calcul a porté sur vingt quatre acquisitions dont nous voyons la région d'intérêt entourant une lésion constatons que l'estimation de la variation du volume de la lésion est presque double lorsqu'on prend en considération l'effet de masse par la méthode d'intégration des champs de déformation cette différence significative confirme et quantifier l'effet de masse de la sclérose en plaques nous pensons ensuite parvenir à localiser les régions anatomiques du cerveau dans lesquelles se trouvent statistiquement les lésions ce faire nous avons mis au point des outils de recalage interpellations nous pouvons trouver une transformation continue d'une image d'un vers une image d'un autre patient appliquant cette transformation à une augmentation du cerveau correspondant à l'image du premier patient nous obtenons une augmentation automatique en région anatomiques du cerveau du second patient de cette méthode nous pourrons déterminer dans quelle région se situe les lésions actives même type d'outil peut s'appliquer à l'étude d'autres pathologies un patient atteint de gliome alstom un cancer du cerveau nous observons comment les ventricule compensent différents seulement les variations de volume induite par la croissance d'une tumeur ce patient atteint d'un phasi focal nous assistons à une atrophie importante de la substance blanche qui est également compensée par une variation du volume des ventricule ces deux exemples le champ de déformation ne se limite plus à des lésions de petite taille mais présents dans tout cerveau nous espérons que ces nouveaux outils permettront de mieux comprendre l'évolution de la maladie aider à mise au point et aux tests de nouveaux médicaments de suivre l'évolution de la maladie en condition clinique
Afin de suivre l'évolution de la maladie lors des essais thérapeutiques‚ les patients sont soumis à des examens IRM réguliers espacés dans le temps Les cliniciens disposent ainsi d'une série de représentations 3D du cerveau de leur patient Suivant les méthodes d'acquisition‚ les représentations des lésions sont différentes· Dans chaque cas‚ le clinicien dispose d'un volume de données qui lui permet d'observer la lésion suivant la coupe de son choix· Le problème est alors de comparer ces acquisitions d'un examen à l'autre afin de quantifier l'évolution de la maladie· Ici‚ il s'agit d'une acquisition obtenue par injection d'un produit de contraste le gadolinium· Une première difficulté tient de la variation de la position du patient d'un examen à l'autre· La simple superposition d'une même coupe sagittale d'un patient illustre ici la difficulté· Un premier outil de recalage automatique des images facilite la lecture et permet de suivre l'évolution des lésions dans le temps· Le recalage permet en outre d'observer l'effet dynamique de la croissance d'une lésion· Nous distinguons ici le gadolinium en périphérie de la lésion et l'apparition au centre d'une cicatrice irréversible· D'autres outils de visualisation sont également disponibles : un système de double curseur est utilisé pour comparer deux coupes successives· Ici‚ une lésion diminue‚ là‚ elle augmente· Afin d'étudier plus précisément les détails‚ nous visualisons une partie de l'autre coupe par l'intermédiaire d'une fenêtre· En déplaçant cette fenêtre inter activement‚ nous vérifions la précision du recalage et nous étudions les différences entre les deux acquisitions· Ici‚ la présence d'une petite lésion dans la région d'intérêt délimité· La soustraction des intensités lumineuses entre deux coupes issues d'acquisitions différentes‚ permet une détection automatique des lésions· Les ronds clair caractérisent les lésions croissantes‚ les ronds sombres les lésions décroissantes· De la même façon on identifie les lésions sur l'ensemble des coupes des deux acquisitions· En observant une séquence dynamique de cette lésion particulière‚ nous avons remarqué que sa croissance a pour effet de repousser les tissus environnants ce phénomène s'appelle l'effet de masse· Nous avons cherché à détecter ce phénomène particulier· En calculant le champ de déformation global de cette lésion en trois dimensions‚ nous visualisons une représentation mathématique de son évolution au cours du temps qui fait apparaître le caractère plutôt sphérique de la déformation· À partir de calculs effectués directement sur ce champ de déformation‚ nous réduisons certaines caractéristiques de l'effet de masse· Ces travaux ont fait l'objet d'un dépôt de brevet· La norme du champ de déformation nous donne l'amplitude de l'effet de masse· La divergence du champ de déformation quantifie la croissance ou décroissance de la lésion· Le produit de la norme par la divergence fournit une image précise et peu bruitée de la lésion· Elle autorise une détection plus précise que celle donnée par la soustraction des intensités lumineuses· méthode couramment utilisée pour quantifier ces observations repose sur la segmente action trois d des lésions mais ces outils ne permettent pas de prendre en compte l'effet de masse nous proposons une solution pour quantifier précisément les variations de volume correspondant à l'effet de masse nous pensons que son étude pourrait contribuer à la compréhension de cette pathologie outil repose sur un calcul d'intégration du champ de ici la courbe d'intégration le maxima correspond à la valeur recherchée de variation de volume résultat important a fait l'objet de nombreuses expériences de validation nous avons par exemple créé une lésion de synthèse pour laquelle la variation du volume est connue méthode classique par ce augmentation donne une erreur de sept pour cent par rapport à la valeur réelle méthode par intégration du champ de déformation donne une de cinq pour cent voulons maintenant calculer la variation du volume de l'effet de masse seul isolé sur la lésion de synthèse nous montrons que la méthode par ce augmentation est inopérante pour la détection revanche la méthode par intégration des champs de déformation donne un résultat qui correspond à soixante pour cent de la valeur réelle nous avons testé nos outils sur des acquisitions d'un patient suivi pendant un an le calcul a porté sur vingt quatre acquisitions dont nous voyons la région d'intérêt entourant une lésion constatons que l'estimation de la variation du volume de la lésion est presque double lorsqu'on prend en considération l'effet de masse par la méthode d'intégration des champs de déformation cette différence significative confirme et quantifier l'effet de masse de la sclérose en plaques nous pensons ensuite parvenir à localiser les régions anatomiques du cerveau dans lesquelles se trouvent statistiquement les lésions ce faire nous avons mis au point des outils de recalage interpellations nous pouvons trouver une transformation continue d'une image d'un vers une image d'un autre patient appliquant cette transformation à une augmentation du cerveau correspondant à l'image du premier patient nous obtenons une augmentation automatique en région anatomiques du cerveau du second patient de cette méthode nous pourrons déterminer dans quelle région se situe les lésions actives même type d'outil peut s'appliquer à l'étude d'autres pathologies un patient atteint de gliome alstom un cancer du cerveau nous observons comment les ventricule compensent différents seulement les variations de volume induite par la croissance d'une tumeur ce patient atteint d'un phasi focal nous assistons à une atrophie importante de la substance blanche qui est également compensée par une variation du volume des ventricule ces deux exemples le champ de déformation ne se limite plus à des lésions de petite taille mais présents dans tout cerveau nous espérons que ces nouveaux outils permettront de mieux comprendre l'évolution de la maladie aider à mise au point et aux tests de nouveaux médicaments de suivre l'évolution de la maladie en condition clinique
Afin de suivre l'évolution de la maladie lors des essais thérapeutiques‚ les patients sont soumis à des examens IRM réguliers espacés dans le temps Les cliniciens disposent ainsi d'une série de représentations 3D du cerveau de leur patient Suivant les méthodes d'acquisition‚ les représentations des lésions sont différentes· Dans chaque cas‚ le clinicien dispose d'un volume de données qui lui permet d'observer la lésion suivant la coupe de son choix· Le problème est alors de comparer ces acquisitions d'un examen à l'autre afin de quantifier l'évolution de la maladie· Ici‚ il s'agit d'une acquisition obtenue par injection d'un produit de contraste le gadolinium· Une première difficulté tient de la variation de la position du patient d'un examen à l'autre· La simple superposition d'une même coupe sagittale d'un patient illustre ici la difficulté· Un premier outil de recalage automatique des images facilite la lecture et permet de suivre l'évolution des lésions dans le temps· Le recalage permet en outre d'observer l'effet dynamique de la croissance d'une lésion· Nous distinguons ici le gadolinium en périphérie de la lésion et l'apparition au centre d'une cicatrice irréversible· D'autres outils de visualisation sont également disponibles : un système de double curseur est utilisé pour comparer deux coupes successives· Ici‚ une lésion diminue‚ là‚ elle augmente· Afin d'étudier plus précisément les détails‚ nous visualisons une partie de l'autre coupe par l'intermédiaire d'une fenêtre· En déplaçant cette fenêtre inter activement‚ nous vérifions la précision du recalage et nous étudions les différences entre les deux acquisitions· Ici‚ la présence d'une petite lésion dans la région d'intérêt délimité· La soustraction des intensités lumineuses entre deux coupes issues d'acquisitions différentes‚ permet une détection automatique des lésions· Les ronds clair caractérisent les lésions croissantes‚ les ronds sombres les lésions décroissantes· De la même façon on identifie les lésions sur l'ensemble des coupes des deux acquisitions· En observant une séquence dynamique de cette lésion particulière‚ nous avons remarqué que sa croissance a pour effet de repousser les tissus environnants ce phénomène s'appelle l'effet de masse· Nous avons cherché à détecter ce phénomène particulier· En calculant le champ de déformation global de cette lésion en trois dimensions‚ nous visualisons une représentation mathématique de son évolution au cours du temps qui fait apparaître le caractère plutôt sphérique de la déformation· À partir de calculs effectués directement sur ce champ de déformation‚ nous réduisons certaines caractéristiques de l'effet de masse· Ces travaux ont fait l'objet d'un dépôt de brevet· La norme du champ de déformation nous donne l'amplitude de l'effet de masse· La divergence du champ de déformation quantifie la croissance ou décroissance de la lésion· Le produit de la norme par la divergence fournit une image précise et peu bruitée de la lésion· Elle autorise une détection plus précise que celle donnée par la soustraction des intensités lumineuses· Une méthode couramment utilisée pour quantifier ces observations repose sur la segmentation 3D des lésions mais ces outils ne permettent pas de prendre en compte l'effet de masse· nous proposons une solution pour quantifier précisément les variations de volume correspondant à l'effet de masse nous pensons que son étude pourrait contribuer à la compréhension de cette pathologie outil repose sur un calcul d'intégration du champ de ici la courbe d'intégration le maxima correspond à la valeur recherchée de variation de volume résultat important a fait l'objet de nombreuses expériences de validation nous avons par exemple créé une lésion de synthèse pour laquelle la variation du volume est connue méthode classique par ce augmentation donne une erreur de sept pour cent par rapport à la valeur réelle méthode par intégration du champ de déformation donne une de cinq pour cent voulons maintenant calculer la variation du volume de l'effet de masse seul isolé sur la lésion de synthèse nous montrons que la méthode par ce augmentation est inopérante pour la détection revanche la méthode par intégration des champs de déformation donne un résultat qui correspond à soixante pour cent de la valeur réelle nous avons testé nos outils sur des acquisitions d'un patient suivi pendant un an le calcul a porté sur vingt quatre acquisitions dont nous voyons la région d'intérêt entourant une lésion constatons que l'estimation de la variation du volume de la lésion est presque double lorsqu'on prend en considération l'effet de masse par la méthode d'intégration des champs de déformation cette différence significative confirme et quantifier l'effet de masse de la sclérose en plaques nous pensons ensuite parvenir à localiser les régions anatomiques du cerveau dans lesquelles se trouvent statistiquement les lésions ce faire nous avons mis au point des outils de recalage interpellations nous pouvons trouver une transformation continue d'une image d'un vers une image d'un autre patient appliquant cette transformation à une augmentation du cerveau correspondant à l'image du premier patient nous obtenons une augmentation automatique en région anatomiques du cerveau du second patient de cette méthode nous pourrons déterminer dans quelle région se situe les lésions actives même type d'outil peut s'appliquer à l'étude d'autres pathologies un patient atteint de gliome alstom un cancer du cerveau nous observons comment les ventricule compensent différents seulement les variations de volume induite par la croissance d'une tumeur ce patient atteint d'un phasi focal nous assistons à une atrophie importante de la substance blanche qui est également compensée par une variation du volume des ventricule ces deux exemples le champ de déformation ne se limite plus à des lésions de petite taille mais présents dans tout cerveau nous espérons que ces nouveaux outils permettront de mieux comprendre l'évolution de la maladie aider à mise au point et aux tests de nouveaux médicaments de suivre l'évolution de la maladie en condition clinique
Afin de suivre l'évolution de la maladie lors des essais thérapeutiques‚ les patients sont soumis à des examens IRM réguliers espacés dans le temps Les cliniciens disposent ainsi d'une série de représentations 3D du cerveau de leur patient Suivant les méthodes d'acquisition‚ les représentations des lésions sont différentes· Dans chaque cas‚ le clinicien dispose d'un volume de données qui lui permet d'observer la lésion suivant la coupe de son choix· Le problème est alors de comparer ces acquisitions d'un examen à l'autre afin de quantifier l'évolution de la maladie· Ici‚ il s'agit d'une acquisition obtenue par injection d'un produit de contraste le gadolinium· Une première difficulté tient de la variation de la position du patient d'un examen à l'autre· La simple superposition d'une même coupe sagittale d'un patient illustre ici la difficulté· Un premier outil de recalage automatique des images facilite la lecture et permet de suivre l'évolution des lésions dans le temps· Le recalage permet en outre d'observer l'effet dynamique de la croissance d'une lésion· Nous distinguons ici le gadolinium en périphérie de la lésion et l'apparition au centre d'une cicatrice irréversible· D'autres outils de visualisation sont également disponibles : un système de double curseur est utilisé pour comparer deux coupes successives· Ici‚ une lésion diminue‚ là‚ elle augmente· Afin d'étudier plus précisément les détails‚ nous visualisons une partie de l'autre coupe par l'intermédiaire d'une fenêtre· En déplaçant cette fenêtre inter activement‚ nous vérifions la précision du recalage et nous étudions les différences entre les deux acquisitions· Ici‚ la présence d'une petite lésion dans la région d'intérêt délimité· La soustraction des intensités lumineuses entre deux coupes issues d'acquisitions différentes‚ permet une détection automatique des lésions· Les ronds clair caractérisent les lésions croissantes‚ les ronds sombres les lésions décroissantes· De la même façon on identifie les lésions sur l'ensemble des coupes des deux acquisitions· En observant une séquence dynamique de cette lésion particulière‚ nous avons remarqué que sa croissance a pour effet de repousser les tissus environnants ce phénomène s'appelle l'effet de masse· Nous avons cherché à détecter ce phénomène particulier· En calculant le champ de déformation global de cette lésion en trois dimensions‚ nous visualisons une représentation mathématique de son évolution au cours du temps qui fait apparaître le caractère plutôt sphérique de la déformation· À partir de calculs effectués directement sur ce champ de déformation‚ nous réduisons certaines caractéristiques de l'effet de masse· Ces travaux ont fait l'objet d'un dépôt de brevet· La norme du champ de déformation nous donne l'amplitude de l'effet de masse· La divergence du champ de déformation quantifie la croissance ou décroissance de la lésion· Le produit de la norme par la divergence fournit une image précise et peu bruitée de la lésion· Elle autorise une détection plus précise que celle donnée par la soustraction des intensités lumineuses· Une méthode couramment utilisée pour quantifier ces observations repose sur la segmentation 3D des lésions mais ces outils ne permettent pas de prendre en compte l'effet de masse· Nous proposons une solution pour quantifier précisément les variations de volume correspondant à l'effet de masse· nous pensons que son étude pourrait contribuer à la compréhension de cette pathologie outil repose sur un calcul d'intégration du champ de ici la courbe d'intégration le maxima correspond à la valeur recherchée de variation de volume résultat important a fait l'objet de nombreuses expériences de validation nous avons par exemple créé une lésion de synthèse pour laquelle la variation du volume est connue méthode classique par ce augmentation donne une erreur de sept pour cent par rapport à la valeur réelle méthode par intégration du champ de déformation donne une de cinq pour cent voulons maintenant calculer la variation du volume de l'effet de masse seul isolé sur la lésion de synthèse nous montrons que la méthode par ce augmentation est inopérante pour la détection revanche la méthode par intégration des champs de déformation donne un résultat qui correspond à soixante pour cent de la valeur réelle nous avons testé nos outils sur des acquisitions d'un patient suivi pendant un an le calcul a porté sur vingt quatre acquisitions dont nous voyons la région d'intérêt entourant une lésion constatons que l'estimation de la variation du volume de la lésion est presque double lorsqu'on prend en considération l'effet de masse par la méthode d'intégration des champs de déformation cette différence significative confirme et quantifier l'effet de masse de la sclérose en plaques nous pensons ensuite parvenir à localiser les régions anatomiques du cerveau dans lesquelles se trouvent statistiquement les lésions ce faire nous avons mis au point des outils de recalage interpellations nous pouvons trouver une transformation continue d'une image d'un vers une image d'un autre patient appliquant cette transformation à une augmentation du cerveau correspondant à l'image du premier patient nous obtenons une augmentation automatique en région anatomiques du cerveau du second patient de cette méthode nous pourrons déterminer dans quelle région se situe les lésions actives même type d'outil peut s'appliquer à l'étude d'autres pathologies un patient atteint de gliome alstom un cancer du cerveau nous observons comment les ventricule compensent différents seulement les variations de volume induite par la croissance d'une tumeur ce patient atteint d'un phasi focal nous assistons à une atrophie importante de la substance blanche qui est également compensée par une variation du volume des ventricule ces deux exemples le champ de déformation ne se limite plus à des lésions de petite taille mais présents dans tout cerveau nous espérons que ces nouveaux outils permettront de mieux comprendre l'évolution de la maladie aider à mise au point et aux tests de nouveaux médicaments de suivre l'évolution de la maladie en condition clinique
Afin de suivre l'évolution de la maladie lors des essais thérapeutiques‚ les patients sont soumis à des examens IRM réguliers espacés dans le temps Les cliniciens disposent ainsi d'une série de représentations 3D du cerveau de leur patient Suivant les méthodes d'acquisition‚ les représentations des lésions sont différentes· Dans chaque cas‚ le clinicien dispose d'un volume de données qui lui permet d'observer la lésion suivant la coupe de son choix· Le problème est alors de comparer ces acquisitions d'un examen à l'autre afin de quantifier l'évolution de la maladie· Ici‚ il s'agit d'une acquisition obtenue par injection d'un produit de contraste le gadolinium· Une première difficulté tient de la variation de la position du patient d'un examen à l'autre· La simple superposition d'une même coupe sagittale d'un patient illustre ici la difficulté· Un premier outil de recalage automatique des images facilite la lecture et permet de suivre l'évolution des lésions dans le temps· Le recalage permet en outre d'observer l'effet dynamique de la croissance d'une lésion· Nous distinguons ici le gadolinium en périphérie de la lésion et l'apparition au centre d'une cicatrice irréversible· D'autres outils de visualisation sont également disponibles : un système de double curseur est utilisé pour comparer deux coupes successives· Ici‚ une lésion diminue‚ là‚ elle augmente· Afin d'étudier plus précisément les détails‚ nous visualisons une partie de l'autre coupe par l'intermédiaire d'une fenêtre· En déplaçant cette fenêtre inter activement‚ nous vérifions la précision du recalage et nous étudions les différences entre les deux acquisitions· Ici‚ la présence d'une petite lésion dans la région d'intérêt délimité· La soustraction des intensités lumineuses entre deux coupes issues d'acquisitions différentes‚ permet une détection automatique des lésions· Les ronds clair caractérisent les lésions croissantes‚ les ronds sombres les lésions décroissantes· De la même façon on identifie les lésions sur l'ensemble des coupes des deux acquisitions· En observant une séquence dynamique de cette lésion particulière‚ nous avons remarqué que sa croissance a pour effet de repousser les tissus environnants ce phénomène s'appelle l'effet de masse· Nous avons cherché à détecter ce phénomène particulier· En calculant le champ de déformation global de cette lésion en trois dimensions‚ nous visualisons une représentation mathématique de son évolution au cours du temps qui fait apparaître le caractère plutôt sphérique de la déformation· À partir de calculs effectués directement sur ce champ de déformation‚ nous réduisons certaines caractéristiques de l'effet de masse· Ces travaux ont fait l'objet d'un dépôt de brevet· La norme du champ de déformation nous donne l'amplitude de l'effet de masse· La divergence du champ de déformation quantifie la croissance ou décroissance de la lésion· Le produit de la norme par la divergence fournit une image précise et peu bruitée de la lésion· Elle autorise une détection plus précise que celle donnée par la soustraction des intensités lumineuses· Une méthode couramment utilisée pour quantifier ces observations repose sur la segmentation 3D des lésions mais ces outils ne permettent pas de prendre en compte l'effet de masse· Nous proposons une solution pour quantifier précisément les variations de volume correspondant à l'effet de masse· Nous pensons que son étude pourrait contribuer à la compréhension de cette pathologie· outil repose sur un calcul d'intégration du champ de ici la courbe d'intégration le maxima correspond à la valeur recherchée de variation de volume résultat important a fait l'objet de nombreuses expériences de validation nous avons par exemple créé une lésion de synthèse pour laquelle la variation du volume est connue méthode classique par ce augmentation donne une erreur de sept pour cent par rapport à la valeur réelle méthode par intégration du champ de déformation donne une de cinq pour cent voulons maintenant calculer la variation du volume de l'effet de masse seul isolé sur la lésion de synthèse nous montrons que la méthode par ce augmentation est inopérante pour la détection revanche la méthode par intégration des champs de déformation donne un résultat qui correspond à soixante pour cent de la valeur réelle nous avons testé nos outils sur des acquisitions d'un patient suivi pendant un an le calcul a porté sur vingt quatre acquisitions dont nous voyons la région d'intérêt entourant une lésion constatons que l'estimation de la variation du volume de la lésion est presque double lorsqu'on prend en considération l'effet de masse par la méthode d'intégration des champs de déformation cette différence significative confirme et quantifier l'effet de masse de la sclérose en plaques nous pensons ensuite parvenir à localiser les régions anatomiques du cerveau dans lesquelles se trouvent statistiquement les lésions ce faire nous avons mis au point des outils de recalage interpellations nous pouvons trouver une transformation continue d'une image d'un vers une image d'un autre patient appliquant cette transformation à une augmentation du cerveau correspondant à l'image du premier patient nous obtenons une augmentation automatique en région anatomiques du cerveau du second patient de cette méthode nous pourrons déterminer dans quelle région se situe les lésions actives même type d'outil peut s'appliquer à l'étude d'autres pathologies un patient atteint de gliome alstom un cancer du cerveau nous observons comment les ventricule compensent différents seulement les variations de volume induite par la croissance d'une tumeur ce patient atteint d'un phasi focal nous assistons à une atrophie importante de la substance blanche qui est également compensée par une variation du volume des ventricule ces deux exemples le champ de déformation ne se limite plus à des lésions de petite taille mais présents dans tout cerveau nous espérons que ces nouveaux outils permettront de mieux comprendre l'évolution de la maladie aider à mise au point et aux tests de nouveaux médicaments de suivre l'évolution de la maladie en condition clinique
Afin de suivre l'évolution de la maladie lors des essais thérapeutiques‚ les patients sont soumis à des examens IRM réguliers espacés dans le temps Les cliniciens disposent ainsi d'une série de représentations 3D du cerveau de leur patient Suivant les méthodes d'acquisition‚ les représentations des lésions sont différentes· Dans chaque cas‚ le clinicien dispose d'un volume de données qui lui permet d'observer la lésion suivant la coupe de son choix· Le problème est alors de comparer ces acquisitions d'un examen à l'autre afin de quantifier l'évolution de la maladie· Ici‚ il s'agit d'une acquisition obtenue par injection d'un produit de contraste le gadolinium· Une première difficulté tient de la variation de la position du patient d'un examen à l'autre· La simple superposition d'une même coupe sagittale d'un patient illustre ici la difficulté· Un premier outil de recalage automatique des images facilite la lecture et permet de suivre l'évolution des lésions dans le temps· Le recalage permet en outre d'observer l'effet dynamique de la croissance d'une lésion· Nous distinguons ici le gadolinium en périphérie de la lésion et l'apparition au centre d'une cicatrice irréversible· D'autres outils de visualisation sont également disponibles : un système de double curseur est utilisé pour comparer deux coupes successives· Ici‚ une lésion diminue‚ là‚ elle augmente· Afin d'étudier plus précisément les détails‚ nous visualisons une partie de l'autre coupe par l'intermédiaire d'une fenêtre· En déplaçant cette fenêtre inter activement‚ nous vérifions la précision du recalage et nous étudions les différences entre les deux acquisitions· Ici‚ la présence d'une petite lésion dans la région d'intérêt délimité· La soustraction des intensités lumineuses entre deux coupes issues d'acquisitions différentes‚ permet une détection automatique des lésions· Les ronds clair caractérisent les lésions croissantes‚ les ronds sombres les lésions décroissantes· De la même façon on identifie les lésions sur l'ensemble des coupes des deux acquisitions· En observant une séquence dynamique de cette lésion particulière‚ nous avons remarqué que sa croissance a pour effet de repousser les tissus environnants ce phénomène s'appelle l'effet de masse· Nous avons cherché à détecter ce phénomène particulier· En calculant le champ de déformation global de cette lésion en trois dimensions‚ nous visualisons une représentation mathématique de son évolution au cours du temps qui fait apparaître le caractère plutôt sphérique de la déformation· À partir de calculs effectués directement sur ce champ de déformation‚ nous réduisons certaines caractéristiques de l'effet de masse· Ces travaux ont fait l'objet d'un dépôt de brevet· La norme du champ de déformation nous donne l'amplitude de l'effet de masse· La divergence du champ de déformation quantifie la croissance ou décroissance de la lésion· Le produit de la norme par la divergence fournit une image précise et peu bruitée de la lésion· Elle autorise une détection plus précise que celle donnée par la soustraction des intensités lumineuses· Une méthode couramment utilisée pour quantifier ces observations repose sur la segmentation 3D des lésions mais ces outils ne permettent pas de prendre en compte l'effet de masse· Nous proposons une solution pour quantifier précisément les variations de volume correspondant à l'effet de masse· Nous pensons que son étude pourrait contribuer à la compréhension de cette pathologie· Notre outil repose sur un calcul d'intégration du champ de déformation ici la courbe d'intégration le maxima correspond à la valeur recherchée de variation de volume résultat important a fait l'objet de nombreuses expériences de validation nous avons par exemple créé une lésion de synthèse pour laquelle la variation du volume est connue méthode classique par ce augmentation donne une erreur de sept pour cent par rapport à la valeur réelle méthode par intégration du champ de déformation donne une de cinq pour cent voulons maintenant calculer la variation du volume de l'effet de masse seul isolé sur la lésion de synthèse nous montrons que la méthode par ce augmentation est inopérante pour la détection revanche la méthode par intégration des champs de déformation donne un résultat qui correspond à soixante pour cent de la valeur réelle nous avons testé nos outils sur des acquisitions d'un patient suivi pendant un an le calcul a porté sur vingt quatre acquisitions dont nous voyons la région d'intérêt entourant une lésion constatons que l'estimation de la variation du volume de la lésion est presque double lorsqu'on prend en considération l'effet de masse par la méthode d'intégration des champs de déformation cette différence significative confirme et quantifier l'effet de masse de la sclérose en plaques nous pensons ensuite parvenir à localiser les régions anatomiques du cerveau dans lesquelles se trouvent statistiquement les lésions ce faire nous avons mis au point des outils de recalage interpellations nous pouvons trouver une transformation continue d'une image d'un vers une image d'un autre patient appliquant cette transformation à une augmentation du cerveau correspondant à l'image du premier patient nous obtenons une augmentation automatique en région anatomiques du cerveau du second patient de cette méthode nous pourrons déterminer dans quelle région se situe les lésions actives même type d'outil peut s'appliquer à l'étude d'autres pathologies un patient atteint de gliome alstom un cancer du cerveau nous observons comment les ventricule compensent différents seulement les variations de volume induite par la croissance d'une tumeur ce patient atteint d'un phasi focal nous assistons à une atrophie importante de la substance blanche qui est également compensée par une variation du volume des ventricule ces deux exemples le champ de déformation ne se limite plus à des lésions de petite taille mais présents dans tout cerveau nous espérons que ces nouveaux outils permettront de mieux comprendre l'évolution de la maladie aider à mise au point et aux tests de nouveaux médicaments de suivre l'évolution de la maladie en condition clinique
Afin de suivre l'évolution de la maladie lors des essais thérapeutiques‚ les patients sont soumis à des examens IRM réguliers espacés dans le temps Les cliniciens disposent ainsi d'une série de représentations 3D du cerveau de leur patient Suivant les méthodes d'acquisition‚ les représentations des lésions sont différentes· Dans chaque cas‚ le clinicien dispose d'un volume de données qui lui permet d'observer la lésion suivant la coupe de son choix· Le problème est alors de comparer ces acquisitions d'un examen à l'autre afin de quantifier l'évolution de la maladie· Ici‚ il s'agit d'une acquisition obtenue par injection d'un produit de contraste le gadolinium· Une première difficulté tient de la variation de la position du patient d'un examen à l'autre· La simple superposition d'une même coupe sagittale d'un patient illustre ici la difficulté· Un premier outil de recalage automatique des images facilite la lecture et permet de suivre l'évolution des lésions dans le temps· Le recalage permet en outre d'observer l'effet dynamique de la croissance d'une lésion· Nous distinguons ici le gadolinium en périphérie de la lésion et l'apparition au centre d'une cicatrice irréversible· D'autres outils de visualisation sont également disponibles : un système de double curseur est utilisé pour comparer deux coupes successives· Ici‚ une lésion diminue‚ là‚ elle augmente· Afin d'étudier plus précisément les détails‚ nous visualisons une partie de l'autre coupe par l'intermédiaire d'une fenêtre· En déplaçant cette fenêtre inter activement‚ nous vérifions la précision du recalage et nous étudions les différences entre les deux acquisitions· Ici‚ la présence d'une petite lésion dans la région d'intérêt délimité· La soustraction des intensités lumineuses entre deux coupes issues d'acquisitions différentes‚ permet une détection automatique des lésions· Les ronds clair caractérisent les lésions croissantes‚ les ronds sombres les lésions décroissantes· De la même façon on identifie les lésions sur l'ensemble des coupes des deux acquisitions· En observant une séquence dynamique de cette lésion particulière‚ nous avons remarqué que sa croissance a pour effet de repousser les tissus environnants ce phénomène s'appelle l'effet de masse· Nous avons cherché à détecter ce phénomène particulier· En calculant le champ de déformation global de cette lésion en trois dimensions‚ nous visualisons une représentation mathématique de son évolution au cours du temps qui fait apparaître le caractère plutôt sphérique de la déformation· À partir de calculs effectués directement sur ce champ de déformation‚ nous réduisons certaines caractéristiques de l'effet de masse· Ces travaux ont fait l'objet d'un dépôt de brevet· La norme du champ de déformation nous donne l'amplitude de l'effet de masse· La divergence du champ de déformation quantifie la croissance ou décroissance de la lésion· Le produit de la norme par la divergence fournit une image précise et peu bruitée de la lésion· Elle autorise une détection plus précise que celle donnée par la soustraction des intensités lumineuses· Une méthode couramment utilisée pour quantifier ces observations repose sur la segmentation 3D des lésions mais ces outils ne permettent pas de prendre en compte l'effet de masse· Nous proposons une solution pour quantifier précisément les variations de volume correspondant à l'effet de masse· Nous pensons que son étude pourrait contribuer à la compréhension de cette pathologie· Notre outil repose sur un calcul d'intégration du champ de déformation Ici‚ la courbe d'intégration‚ dont le maximum correspond à la valeur recherchée de variation de volume résultat important a fait l'objet de nombreuses expériences de validation nous avons par exemple créé une lésion de synthèse pour laquelle la variation du volume est connue méthode classique par ce augmentation donne une erreur de sept pour cent par rapport à la valeur réelle méthode par intégration du champ de déformation donne une de cinq pour cent voulons maintenant calculer la variation du volume de l'effet de masse seul isolé sur la lésion de synthèse nous montrons que la méthode par ce augmentation est inopérante pour la détection revanche la méthode par intégration des champs de déformation donne un résultat qui correspond à soixante pour cent de la valeur réelle nous avons testé nos outils sur des acquisitions d'un patient suivi pendant un an le calcul a porté sur vingt quatre acquisitions dont nous voyons la région d'intérêt entourant une lésion constatons que l'estimation de la variation du volume de la lésion est presque double lorsqu'on prend en considération l'effet de masse par la méthode d'intégration des champs de déformation cette différence significative confirme et quantifier l'effet de masse de la sclérose en plaques nous pensons ensuite parvenir à localiser les régions anatomiques du cerveau dans lesquelles se trouvent statistiquement les lésions ce faire nous avons mis au point des outils de recalage interpellations nous pouvons trouver une transformation continue d'une image d'un vers une image d'un autre patient appliquant cette transformation à une augmentation du cerveau correspondant à l'image du premier patient nous obtenons une augmentation automatique en région anatomiques du cerveau du second patient de cette méthode nous pourrons déterminer dans quelle région se situe les lésions actives même type d'outil peut s'appliquer à l'étude d'autres pathologies un patient atteint de gliome alstom un cancer du cerveau nous observons comment les ventricule compensent différents seulement les variations de volume induite par la croissance d'une tumeur ce patient atteint d'un phasi focal nous assistons à une atrophie importante de la substance blanche qui est également compensée par une variation du volume des ventricule ces deux exemples le champ de déformation ne se limite plus à des lésions de petite taille mais présents dans tout cerveau nous espérons que ces nouveaux outils permettront de mieux comprendre l'évolution de la maladie aider à mise au point et aux tests de nouveaux médicaments de suivre l'évolution de la maladie en condition clinique
Afin de suivre l'évolution de la maladie lors des essais thérapeutiques‚ les patients sont soumis à des examens IRM réguliers espacés dans le temps Les cliniciens disposent ainsi d'une série de représentations 3D du cerveau de leur patient Suivant les méthodes d'acquisition‚ les représentations des lésions sont différentes· Dans chaque cas‚ le clinicien dispose d'un volume de données qui lui permet d'observer la lésion suivant la coupe de son choix· Le problème est alors de comparer ces acquisitions d'un examen à l'autre afin de quantifier l'évolution de la maladie· Ici‚ il s'agit d'une acquisition obtenue par injection d'un produit de contraste le gadolinium· Une première difficulté tient de la variation de la position du patient d'un examen à l'autre· La simple superposition d'une même coupe sagittale d'un patient illustre ici la difficulté· Un premier outil de recalage automatique des images facilite la lecture et permet de suivre l'évolution des lésions dans le temps· Le recalage permet en outre d'observer l'effet dynamique de la croissance d'une lésion· Nous distinguons ici le gadolinium en périphérie de la lésion et l'apparition au centre d'une cicatrice irréversible· D'autres outils de visualisation sont également disponibles : un système de double curseur est utilisé pour comparer deux coupes successives· Ici‚ une lésion diminue‚ là‚ elle augmente· Afin d'étudier plus précisément les détails‚ nous visualisons une partie de l'autre coupe par l'intermédiaire d'une fenêtre· En déplaçant cette fenêtre inter activement‚ nous vérifions la précision du recalage et nous étudions les différences entre les deux acquisitions· Ici‚ la présence d'une petite lésion dans la région d'intérêt délimité· La soustraction des intensités lumineuses entre deux coupes issues d'acquisitions différentes‚ permet une détection automatique des lésions· Les ronds clair caractérisent les lésions croissantes‚ les ronds sombres les lésions décroissantes· De la même façon on identifie les lésions sur l'ensemble des coupes des deux acquisitions· En observant une séquence dynamique de cette lésion particulière‚ nous avons remarqué que sa croissance a pour effet de repousser les tissus environnants ce phénomène s'appelle l'effet de masse· Nous avons cherché à détecter ce phénomène particulier· En calculant le champ de déformation global de cette lésion en trois dimensions‚ nous visualisons une représentation mathématique de son évolution au cours du temps qui fait apparaître le caractère plutôt sphérique de la déformation· À partir de calculs effectués directement sur ce champ de déformation‚ nous réduisons certaines caractéristiques de l'effet de masse· Ces travaux ont fait l'objet d'un dépôt de brevet· La norme du champ de déformation nous donne l'amplitude de l'effet de masse· La divergence du champ de déformation quantifie la croissance ou décroissance de la lésion· Le produit de la norme par la divergence fournit une image précise et peu bruitée de la lésion· Elle autorise une détection plus précise que celle donnée par la soustraction des intensités lumineuses· Une méthode couramment utilisée pour quantifier ces observations repose sur la segmentation 3D des lésions mais ces outils ne permettent pas de prendre en compte l'effet de masse· Nous proposons une solution pour quantifier précisément les variations de volume correspondant à l'effet de masse· Nous pensons que son étude pourrait contribuer à la compréhension de cette pathologie· Notre outil repose sur un calcul d'intégration du champ de déformation Ici‚ la courbe d'intégration‚ dont le maximum correspond à la valeur recherchée de variation de volume Ce résultat important a fait l'objet de nombreuses expériences de validation· Nous avons par exemple créé une lésion de synthèse pour laquelle la variation du volume est connue· méthode classique par ce augmentation donne une erreur de sept pour cent par rapport à la valeur réelle méthode par intégration du champ de déformation donne une de cinq pour cent voulons maintenant calculer la variation du volume de l'effet de masse seul isolé sur la lésion de synthèse nous montrons que la méthode par ce augmentation est inopérante pour la détection revanche la méthode par intégration des champs de déformation donne un résultat qui correspond à soixante pour cent de la valeur réelle nous avons testé nos outils sur des acquisitions d'un patient suivi pendant un an le calcul a porté sur vingt quatre acquisitions dont nous voyons la région d'intérêt entourant une lésion constatons que l'estimation de la variation du volume de la lésion est presque double lorsqu'on prend en considération l'effet de masse par la méthode d'intégration des champs de déformation cette différence significative confirme et quantifier l'effet de masse de la sclérose en plaques nous pensons ensuite parvenir à localiser les régions anatomiques du cerveau dans lesquelles se trouvent statistiquement les lésions ce faire nous avons mis au point des outils de recalage interpellations nous pouvons trouver une transformation continue d'une image d'un vers une image d'un autre patient appliquant cette transformation à une augmentation du cerveau correspondant à l'image du premier patient nous obtenons une augmentation automatique en région anatomiques du cerveau du second patient de cette méthode nous pourrons déterminer dans quelle région se situe les lésions actives même type d'outil peut s'appliquer à l'étude d'autres pathologies un patient atteint de gliome alstom un cancer du cerveau nous observons comment les ventricule compensent différents seulement les variations de volume induite par la croissance d'une tumeur ce patient atteint d'un phasi focal nous assistons à une atrophie importante de la substance blanche qui est également compensée par une variation du volume des ventricule ces deux exemples le champ de déformation ne se limite plus à des lésions de petite taille mais présents dans tout cerveau nous espérons que ces nouveaux outils permettront de mieux comprendre l'évolution de la maladie aider à mise au point et aux tests de nouveaux médicaments de suivre l'évolution de la maladie en condition clinique
Afin de suivre l'évolution de la maladie lors des essais thérapeutiques‚ les patients sont soumis à des examens IRM réguliers espacés dans le temps Les cliniciens disposent ainsi d'une série de représentations 3D du cerveau de leur patient Suivant les méthodes d'acquisition‚ les représentations des lésions sont différentes· Dans chaque cas‚ le clinicien dispose d'un volume de données qui lui permet d'observer la lésion suivant la coupe de son choix· Le problème est alors de comparer ces acquisitions d'un examen à l'autre afin de quantifier l'évolution de la maladie· Ici‚ il s'agit d'une acquisition obtenue par injection d'un produit de contraste le gadolinium· Une première difficulté tient de la variation de la position du patient d'un examen à l'autre· La simple superposition d'une même coupe sagittale d'un patient illustre ici la difficulté· Un premier outil de recalage automatique des images facilite la lecture et permet de suivre l'évolution des lésions dans le temps· Le recalage permet en outre d'observer l'effet dynamique de la croissance d'une lésion· Nous distinguons ici le gadolinium en périphérie de la lésion et l'apparition au centre d'une cicatrice irréversible· D'autres outils de visualisation sont également disponibles : un système de double curseur est utilisé pour comparer deux coupes successives· Ici‚ une lésion diminue‚ là‚ elle augmente· Afin d'étudier plus précisément les détails‚ nous visualisons une partie de l'autre coupe par l'intermédiaire d'une fenêtre· En déplaçant cette fenêtre inter activement‚ nous vérifions la précision du recalage et nous étudions les différences entre les deux acquisitions· Ici‚ la présence d'une petite lésion dans la région d'intérêt délimité· La soustraction des intensités lumineuses entre deux coupes issues d'acquisitions différentes‚ permet une détection automatique des lésions· Les ronds clair caractérisent les lésions croissantes‚ les ronds sombres les lésions décroissantes· De la même façon on identifie les lésions sur l'ensemble des coupes des deux acquisitions· En observant une séquence dynamique de cette lésion particulière‚ nous avons remarqué que sa croissance a pour effet de repousser les tissus environnants ce phénomène s'appelle l'effet de masse· Nous avons cherché à détecter ce phénomène particulier· En calculant le champ de déformation global de cette lésion en trois dimensions‚ nous visualisons une représentation mathématique de son évolution au cours du temps qui fait apparaître le caractère plutôt sphérique de la déformation· À partir de calculs effectués directement sur ce champ de déformation‚ nous réduisons certaines caractéristiques de l'effet de masse· Ces travaux ont fait l'objet d'un dépôt de brevet· La norme du champ de déformation nous donne l'amplitude de l'effet de masse· La divergence du champ de déformation quantifie la croissance ou décroissance de la lésion· Le produit de la norme par la divergence fournit une image précise et peu bruitée de la lésion· Elle autorise une détection plus précise que celle donnée par la soustraction des intensités lumineuses· Une méthode couramment utilisée pour quantifier ces observations repose sur la segmentation 3D des lésions mais ces outils ne permettent pas de prendre en compte l'effet de masse· Nous proposons une solution pour quantifier précisément les variations de volume correspondant à l'effet de masse· Nous pensons que son étude pourrait contribuer à la compréhension de cette pathologie· Notre outil repose sur un calcul d'intégration du champ de déformation Ici‚ la courbe d'intégration‚ dont le maximum correspond à la valeur recherchée de variation de volume Ce résultat important a fait l'objet de nombreuses expériences de validation· Nous avons par exemple créé une lésion de synthèse pour laquelle la variation du volume est connue· La méthode classique‚ par segmentation‚ donne une erreur de 7% par rapport à la valeur réelle· La méthode par intégration du champ de déformation donne une erreur de 5%· voulons maintenant calculer la variation du volume de l'effet de masse seul isolé sur la lésion de synthèse nous montrons que la méthode par ce augmentation est inopérante pour la détection revanche la méthode par intégration des champs de déformation donne un résultat qui correspond à soixante pour cent de la valeur réelle nous avons testé nos outils sur des acquisitions d'un patient suivi pendant un an le calcul a porté sur vingt quatre acquisitions dont nous voyons la région d'intérêt entourant une lésion constatons que l'estimation de la variation du volume de la lésion est presque double lorsqu'on prend en considération l'effet de masse par la méthode d'intégration des champs de déformation cette différence significative confirme et quantifier l'effet de masse de la sclérose en plaques nous pensons ensuite parvenir à localiser les régions anatomiques du cerveau dans lesquelles se trouvent statistiquement les lésions ce faire nous avons mis au point des outils de recalage interpellations nous pouvons trouver une transformation continue d'une image d'un vers une image d'un autre patient appliquant cette transformation à une augmentation du cerveau correspondant à l'image du premier patient nous obtenons une augmentation automatique en région anatomiques du cerveau du second patient de cette méthode nous pourrons déterminer dans quelle région se situe les lésions actives même type d'outil peut s'appliquer à l'étude d'autres pathologies un patient atteint de gliome alstom un cancer du cerveau nous observons comment les ventricule compensent différents seulement les variations de volume induite par la croissance d'une tumeur ce patient atteint d'un phasi focal nous assistons à une atrophie importante de la substance blanche qui est également compensée par une variation du volume des ventricule ces deux exemples le champ de déformation ne se limite plus à des lésions de petite taille mais présents dans tout cerveau nous espérons que ces nouveaux outils permettront de mieux comprendre l'évolution de la maladie aider à mise au point et aux tests de nouveaux médicaments de suivre l'évolution de la maladie en condition clinique
Afin de suivre l'évolution de la maladie lors des essais thérapeutiques‚ les patients sont soumis à des examens IRM réguliers espacés dans le temps Les cliniciens disposent ainsi d'une série de représentations 3D du cerveau de leur patient Suivant les méthodes d'acquisition‚ les représentations des lésions sont différentes· Dans chaque cas‚ le clinicien dispose d'un volume de données qui lui permet d'observer la lésion suivant la coupe de son choix· Le problème est alors de comparer ces acquisitions d'un examen à l'autre afin de quantifier l'évolution de la maladie· Ici‚ il s'agit d'une acquisition obtenue par injection d'un produit de contraste le gadolinium· Une première difficulté tient de la variation de la position du patient d'un examen à l'autre· La simple superposition d'une même coupe sagittale d'un patient illustre ici la difficulté· Un premier outil de recalage automatique des images facilite la lecture et permet de suivre l'évolution des lésions dans le temps· Le recalage permet en outre d'observer l'effet dynamique de la croissance d'une lésion· Nous distinguons ici le gadolinium en périphérie de la lésion et l'apparition au centre d'une cicatrice irréversible· D'autres outils de visualisation sont également disponibles : un système de double curseur est utilisé pour comparer deux coupes successives· Ici‚ une lésion diminue‚ là‚ elle augmente· Afin d'étudier plus précisément les détails‚ nous visualisons une partie de l'autre coupe par l'intermédiaire d'une fenêtre· En déplaçant cette fenêtre inter activement‚ nous vérifions la précision du recalage et nous étudions les différences entre les deux acquisitions· Ici‚ la présence d'une petite lésion dans la région d'intérêt délimité· La soustraction des intensités lumineuses entre deux coupes issues d'acquisitions différentes‚ permet une détection automatique des lésions· Les ronds clair caractérisent les lésions croissantes‚ les ronds sombres les lésions décroissantes· De la même façon on identifie les lésions sur l'ensemble des coupes des deux acquisitions· En observant une séquence dynamique de cette lésion particulière‚ nous avons remarqué que sa croissance a pour effet de repousser les tissus environnants ce phénomène s'appelle l'effet de masse· Nous avons cherché à détecter ce phénomène particulier· En calculant le champ de déformation global de cette lésion en trois dimensions‚ nous visualisons une représentation mathématique de son évolution au cours du temps qui fait apparaître le caractère plutôt sphérique de la déformation· À partir de calculs effectués directement sur ce champ de déformation‚ nous réduisons certaines caractéristiques de l'effet de masse· Ces travaux ont fait l'objet d'un dépôt de brevet· La norme du champ de déformation nous donne l'amplitude de l'effet de masse· La divergence du champ de déformation quantifie la croissance ou décroissance de la lésion· Le produit de la norme par la divergence fournit une image précise et peu bruitée de la lésion· Elle autorise une détection plus précise que celle donnée par la soustraction des intensités lumineuses· Une méthode couramment utilisée pour quantifier ces observations repose sur la segmentation 3D des lésions mais ces outils ne permettent pas de prendre en compte l'effet de masse· Nous proposons une solution pour quantifier précisément les variations de volume correspondant à l'effet de masse· Nous pensons que son étude pourrait contribuer à la compréhension de cette pathologie· Notre outil repose sur un calcul d'intégration du champ de déformation Ici‚ la courbe d'intégration‚ dont le maximum correspond à la valeur recherchée de variation de volume Ce résultat important a fait l'objet de nombreuses expériences de validation· Nous avons par exemple créé une lésion de synthèse pour laquelle la variation du volume est connue· La méthode classique‚ par segmentation‚ donne une erreur de 7% par rapport à la valeur réelle· La méthode par intégration du champ de déformation donne une erreur de 5%· Nous voulons maintenant calculer la variation du volume de l'effet de masse seul isolé sur la lésion de synthèse· Nous montrons que la méthode par cette augmentation est inopérante pour la détection· revanche la méthode par intégration des champs de déformation donne un résultat qui correspond à soixante pour cent de la valeur réelle nous avons testé nos outils sur des acquisitions d'un patient suivi pendant un an le calcul a porté sur vingt quatre acquisitions dont nous voyons la région d'intérêt entourant une lésion constatons que l'estimation de la variation du volume de la lésion est presque double lorsqu'on prend en considération l'effet de masse par la méthode d'intégration des champs de déformation cette différence significative confirme et quantifier l'effet de masse de la sclérose en plaques nous pensons ensuite parvenir à localiser les régions anatomiques du cerveau dans lesquelles se trouvent statistiquement les lésions ce faire nous avons mis au point des outils de recalage interpellations nous pouvons trouver une transformation continue d'une image d'un vers une image d'un autre patient appliquant cette transformation à une augmentation du cerveau correspondant à l'image du premier patient nous obtenons une augmentation automatique en région anatomiques du cerveau du second patient de cette méthode nous pourrons déterminer dans quelle région se situe les lésions actives même type d'outil peut s'appliquer à l'étude d'autres pathologies un patient atteint de gliome alstom un cancer du cerveau nous observons comment les ventricule compensent différents seulement les variations de volume induite par la croissance d'une tumeur ce patient atteint d'un phasi focal nous assistons à une atrophie importante de la substance blanche qui est également compensée par une variation du volume des ventricule ces deux exemples le champ de déformation ne se limite plus à des lésions de petite taille mais présents dans tout cerveau nous espérons que ces nouveaux outils permettront de mieux comprendre l'évolution de la maladie aider à mise au point et aux tests de nouveaux médicaments de suivre l'évolution de la maladie en condition clinique
Afin de suivre l'évolution de la maladie lors des essais thérapeutiques‚ les patients sont soumis à des examens IRM réguliers espacés dans le temps Les cliniciens disposent ainsi d'une série de représentations 3D du cerveau de leur patient Suivant les méthodes d'acquisition‚ les représentations des lésions sont différentes· Dans chaque cas‚ le clinicien dispose d'un volume de données qui lui permet d'observer la lésion suivant la coupe de son choix· Le problème est alors de comparer ces acquisitions d'un examen à l'autre afin de quantifier l'évolution de la maladie· Ici‚ il s'agit d'une acquisition obtenue par injection d'un produit de contraste le gadolinium· Une première difficulté tient de la variation de la position du patient d'un examen à l'autre· La simple superposition d'une même coupe sagittale d'un patient illustre ici la difficulté· Un premier outil de recalage automatique des images facilite la lecture et permet de suivre l'évolution des lésions dans le temps· Le recalage permet en outre d'observer l'effet dynamique de la croissance d'une lésion· Nous distinguons ici le gadolinium en périphérie de la lésion et l'apparition au centre d'une cicatrice irréversible· D'autres outils de visualisation sont également disponibles : un système de double curseur est utilisé pour comparer deux coupes successives· Ici‚ une lésion diminue‚ là‚ elle augmente· Afin d'étudier plus précisément les détails‚ nous visualisons une partie de l'autre coupe par l'intermédiaire d'une fenêtre· En déplaçant cette fenêtre inter activement‚ nous vérifions la précision du recalage et nous étudions les différences entre les deux acquisitions· Ici‚ la présence d'une petite lésion dans la région d'intérêt délimité· La soustraction des intensités lumineuses entre deux coupes issues d'acquisitions différentes‚ permet une détection automatique des lésions· Les ronds clair caractérisent les lésions croissantes‚ les ronds sombres les lésions décroissantes· De la même façon on identifie les lésions sur l'ensemble des coupes des deux acquisitions· En observant une séquence dynamique de cette lésion particulière‚ nous avons remarqué que sa croissance a pour effet de repousser les tissus environnants ce phénomène s'appelle l'effet de masse· Nous avons cherché à détecter ce phénomène particulier· En calculant le champ de déformation global de cette lésion en trois dimensions‚ nous visualisons une représentation mathématique de son évolution au cours du temps qui fait apparaître le caractère plutôt sphérique de la déformation· À partir de calculs effectués directement sur ce champ de déformation‚ nous réduisons certaines caractéristiques de l'effet de masse· Ces travaux ont fait l'objet d'un dépôt de brevet· La norme du champ de déformation nous donne l'amplitude de l'effet de masse· La divergence du champ de déformation quantifie la croissance ou décroissance de la lésion· Le produit de la norme par la divergence fournit une image précise et peu bruitée de la lésion· Elle autorise une détection plus précise que celle donnée par la soustraction des intensités lumineuses· Une méthode couramment utilisée pour quantifier ces observations repose sur la segmentation 3D des lésions mais ces outils ne permettent pas de prendre en compte l'effet de masse· Nous proposons une solution pour quantifier précisément les variations de volume correspondant à l'effet de masse· Nous pensons que son étude pourrait contribuer à la compréhension de cette pathologie· Notre outil repose sur un calcul d'intégration du champ de déformation Ici‚ la courbe d'intégration‚ dont le maximum correspond à la valeur recherchée de variation de volume Ce résultat important a fait l'objet de nombreuses expériences de validation· Nous avons par exemple créé une lésion de synthèse pour laquelle la variation du volume est connue· La méthode classique‚ par segmentation‚ donne une erreur de 7% par rapport à la valeur réelle· La méthode par intégration du champ de déformation donne une erreur de 5%· Nous voulons maintenant calculer la variation du volume de l'effet de masse seul isolé sur la lésion de synthèse· Nous montrons que la méthode par cette augmentation est inopérante pour la détection· En revanche la méthode par intégration des champs de déformation donne un résultat qui correspond à 60% de la valeur réelle· Nous avons testé nos outils sur des acquisitions d'un patient suivi pendant un an· Le calcul a porté sur 24 acquisitions dont nous voyons la région d'intérêt entourant une lésion· constatons que l'estimation de la variation du volume de la lésion est presque double lorsqu'on prend en considération l'effet de masse par la méthode d'intégration des champs de déformation cette différence significative confirme et quantifier l'effet de masse de la sclérose en plaques nous pensons ensuite parvenir à localiser les régions anatomiques du cerveau dans lesquelles se trouvent statistiquement les lésions ce faire nous avons mis au point des outils de recalage interpellations nous pouvons trouver une transformation continue d'une image d'un vers une image d'un autre patient appliquant cette transformation à une augmentation du cerveau correspondant à l'image du premier patient nous obtenons une augmentation automatique en région anatomiques du cerveau du second patient de cette méthode nous pourrons déterminer dans quelle région se situe les lésions actives même type d'outil peut s'appliquer à l'étude d'autres pathologies un patient atteint de gliome alstom un cancer du cerveau nous observons comment les ventricule compensent différents seulement les variations de volume induite par la croissance d'une tumeur ce patient atteint d'un phasi focal nous assistons à une atrophie importante de la substance blanche qui est également compensée par une variation du volume des ventricule ces deux exemples le champ de déformation ne se limite plus à des lésions de petite taille mais présents dans tout cerveau nous espérons que ces nouveaux outils permettront de mieux comprendre l'évolution de la maladie aider à mise au point et aux tests de nouveaux médicaments de suivre l'évolution de la maladie en condition clinique
Afin de suivre l'évolution de la maladie lors des essais thérapeutiques‚ les patients sont soumis à des examens IRM réguliers espacés dans le temps Les cliniciens disposent ainsi d'une série de représentations 3D du cerveau de leur patient Suivant les méthodes d'acquisition‚ les représentations des lésions sont différentes· Dans chaque cas‚ le clinicien dispose d'un volume de données qui lui permet d'observer la lésion suivant la coupe de son choix· Le problème est alors de comparer ces acquisitions d'un examen à l'autre afin de quantifier l'évolution de la maladie· Ici‚ il s'agit d'une acquisition obtenue par injection d'un produit de contraste le gadolinium· Une première difficulté tient de la variation de la position du patient d'un examen à l'autre· La simple superposition d'une même coupe sagittale d'un patient illustre ici la difficulté· Un premier outil de recalage automatique des images facilite la lecture et permet de suivre l'évolution des lésions dans le temps· Le recalage permet en outre d'observer l'effet dynamique de la croissance d'une lésion· Nous distinguons ici le gadolinium en périphérie de la lésion et l'apparition au centre d'une cicatrice irréversible· D'autres outils de visualisation sont également disponibles : un système de double curseur est utilisé pour comparer deux coupes successives· Ici‚ une lésion diminue‚ là‚ elle augmente· Afin d'étudier plus précisément les détails‚ nous visualisons une partie de l'autre coupe par l'intermédiaire d'une fenêtre· En déplaçant cette fenêtre inter activement‚ nous vérifions la précision du recalage et nous étudions les différences entre les deux acquisitions· Ici‚ la présence d'une petite lésion dans la région d'intérêt délimité· La soustraction des intensités lumineuses entre deux coupes issues d'acquisitions différentes‚ permet une détection automatique des lésions· Les ronds clair caractérisent les lésions croissantes‚ les ronds sombres les lésions décroissantes· De la même façon on identifie les lésions sur l'ensemble des coupes des deux acquisitions· En observant une séquence dynamique de cette lésion particulière‚ nous avons remarqué que sa croissance a pour effet de repousser les tissus environnants ce phénomène s'appelle l'effet de masse· Nous avons cherché à détecter ce phénomène particulier· En calculant le champ de déformation global de cette lésion en trois dimensions‚ nous visualisons une représentation mathématique de son évolution au cours du temps qui fait apparaître le caractère plutôt sphérique de la déformation· À partir de calculs effectués directement sur ce champ de déformation‚ nous réduisons certaines caractéristiques de l'effet de masse· Ces travaux ont fait l'objet d'un dépôt de brevet· La norme du champ de déformation nous donne l'amplitude de l'effet de masse· La divergence du champ de déformation quantifie la croissance ou décroissance de la lésion· Le produit de la norme par la divergence fournit une image précise et peu bruitée de la lésion· Elle autorise une détection plus précise que celle donnée par la soustraction des intensités lumineuses· Une méthode couramment utilisée pour quantifier ces observations repose sur la segmentation 3D des lésions mais ces outils ne permettent pas de prendre en compte l'effet de masse· Nous proposons une solution pour quantifier précisément les variations de volume correspondant à l'effet de masse· Nous pensons que son étude pourrait contribuer à la compréhension de cette pathologie· Notre outil repose sur un calcul d'intégration du champ de déformation Ici‚ la courbe d'intégration‚ dont le maximum correspond à la valeur recherchée de variation de volume Ce résultat important a fait l'objet de nombreuses expériences de validation· Nous avons par exemple créé une lésion de synthèse pour laquelle la variation du volume est connue· La méthode classique‚ par segmentation‚ donne une erreur de 7% par rapport à la valeur réelle· La méthode par intégration du champ de déformation donne une erreur de 5%· Nous voulons maintenant calculer la variation du volume de l'effet de masse seul isolé sur la lésion de synthèse· Nous montrons que la méthode par cette augmentation est inopérante pour la détection· En revanche la méthode par intégration des champs de déformation donne un résultat qui correspond à 60% de la valeur réelle· Nous avons testé nos outils sur des acquisitions d'un patient suivi pendant un an· Le calcul a porté sur 24 acquisitions dont nous voyons la région d'intérêt entourant une lésion· Nous constatons que l'estimation de la variation du volume de la lésion est presque double lorsqu'on prend en considération l'effet de masse par la méthode d'intégration des champs de déformation· cette différence significative confirme et quantifier l'effet de masse de la sclérose en plaques nous pensons ensuite parvenir à localiser les régions anatomiques du cerveau dans lesquelles se trouvent statistiquement les lésions ce faire nous avons mis au point des outils de recalage interpellations nous pouvons trouver une transformation continue d'une image d'un vers une image d'un autre patient appliquant cette transformation à une augmentation du cerveau correspondant à l'image du premier patient nous obtenons une augmentation automatique en région anatomiques du cerveau du second patient de cette méthode nous pourrons déterminer dans quelle région se situe les lésions actives même type d'outil peut s'appliquer à l'étude d'autres pathologies un patient atteint de gliome alstom un cancer du cerveau nous observons comment les ventricule compensent différents seulement les variations de volume induite par la croissance d'une tumeur ce patient atteint d'un phasi focal nous assistons à une atrophie importante de la substance blanche qui est également compensée par une variation du volume des ventricule ces deux exemples le champ de déformation ne se limite plus à des lésions de petite taille mais présents dans tout cerveau nous espérons que ces nouveaux outils permettront de mieux comprendre l'évolution de la maladie aider à mise au point et aux tests de nouveaux médicaments de suivre l'évolution de la maladie en condition clinique
Afin de suivre l'évolution de la maladie lors des essais thérapeutiques‚ les patients sont soumis à des examens IRM réguliers espacés dans le temps Les cliniciens disposent ainsi d'une série de représentations 3D du cerveau de leur patient Suivant les méthodes d'acquisition‚ les représentations des lésions sont différentes· Dans chaque cas‚ le clinicien dispose d'un volume de données qui lui permet d'observer la lésion suivant la coupe de son choix· Le problème est alors de comparer ces acquisitions d'un examen à l'autre afin de quantifier l'évolution de la maladie· Ici‚ il s'agit d'une acquisition obtenue par injection d'un produit de contraste le gadolinium· Une première difficulté tient de la variation de la position du patient d'un examen à l'autre· La simple superposition d'une même coupe sagittale d'un patient illustre ici la difficulté· Un premier outil de recalage automatique des images facilite la lecture et permet de suivre l'évolution des lésions dans le temps· Le recalage permet en outre d'observer l'effet dynamique de la croissance d'une lésion· Nous distinguons ici le gadolinium en périphérie de la lésion et l'apparition au centre d'une cicatrice irréversible· D'autres outils de visualisation sont également disponibles : un système de double curseur est utilisé pour comparer deux coupes successives· Ici‚ une lésion diminue‚ là‚ elle augmente· Afin d'étudier plus précisément les détails‚ nous visualisons une partie de l'autre coupe par l'intermédiaire d'une fenêtre· En déplaçant cette fenêtre inter activement‚ nous vérifions la précision du recalage et nous étudions les différences entre les deux acquisitions· Ici‚ la présence d'une petite lésion dans la région d'intérêt délimité· La soustraction des intensités lumineuses entre deux coupes issues d'acquisitions différentes‚ permet une détection automatique des lésions· Les ronds clair caractérisent les lésions croissantes‚ les ronds sombres les lésions décroissantes· De la même façon on identifie les lésions sur l'ensemble des coupes des deux acquisitions· En observant une séquence dynamique de cette lésion particulière‚ nous avons remarqué que sa croissance a pour effet de repousser les tissus environnants ce phénomène s'appelle l'effet de masse· Nous avons cherché à détecter ce phénomène particulier· En calculant le champ de déformation global de cette lésion en trois dimensions‚ nous visualisons une représentation mathématique de son évolution au cours du temps qui fait apparaître le caractère plutôt sphérique de la déformation· À partir de calculs effectués directement sur ce champ de déformation‚ nous réduisons certaines caractéristiques de l'effet de masse· Ces travaux ont fait l'objet d'un dépôt de brevet· La norme du champ de déformation nous donne l'amplitude de l'effet de masse· La divergence du champ de déformation quantifie la croissance ou décroissance de la lésion· Le produit de la norme par la divergence fournit une image précise et peu bruitée de la lésion· Elle autorise une détection plus précise que celle donnée par la soustraction des intensités lumineuses· Une méthode couramment utilisée pour quantifier ces observations repose sur la segmentation 3D des lésions mais ces outils ne permettent pas de prendre en compte l'effet de masse· Nous proposons une solution pour quantifier précisément les variations de volume correspondant à l'effet de masse· Nous pensons que son étude pourrait contribuer à la compréhension de cette pathologie· Notre outil repose sur un calcul d'intégration du champ de déformation Ici‚ la courbe d'intégration‚ dont le maximum correspond à la valeur recherchée de variation de volume Ce résultat important a fait l'objet de nombreuses expériences de validation· Nous avons par exemple créé une lésion de synthèse pour laquelle la variation du volume est connue· La méthode classique‚ par segmentation‚ donne une erreur de 7% par rapport à la valeur réelle· La méthode par intégration du champ de déformation donne une erreur de 5%· Nous voulons maintenant calculer la variation du volume de l'effet de masse seul isolé sur la lésion de synthèse· Nous montrons que la méthode par cette augmentation est inopérante pour la détection· En revanche la méthode par intégration des champs de déformation donne un résultat qui correspond à 60% de la valeur réelle· Nous avons testé nos outils sur des acquisitions d'un patient suivi pendant un an· Le calcul a porté sur 24 acquisitions dont nous voyons la région d'intérêt entourant une lésion· Nous constatons que l'estimation de la variation du volume de la lésion est presque double lorsqu'on prend en considération l'effet de masse par la méthode d'intégration des champs de déformation· Cette différence significative confirme et quantifie l'effet de masse de la sclérose en plaques· Nous pensons ensuite parvenir à localiser les régions anatomiques du cerveau dans lesquelles se trouvent statistiquement les lésions· ce faire nous avons mis au point des outils de recalage interpellations nous pouvons trouver une transformation continue d'une image d'un vers une image d'un autre patient appliquant cette transformation à une augmentation du cerveau correspondant à l'image du premier patient nous obtenons une augmentation automatique en région anatomiques du cerveau du second patient de cette méthode nous pourrons déterminer dans quelle région se situe les lésions actives même type d'outil peut s'appliquer à l'étude d'autres pathologies un patient atteint de gliome alstom un cancer du cerveau nous observons comment les ventricule compensent différents seulement les variations de volume induite par la croissance d'une tumeur ce patient atteint d'un phasi focal nous assistons à une atrophie importante de la substance blanche qui est également compensée par une variation du volume des ventricule ces deux exemples le champ de déformation ne se limite plus à des lésions de petite taille mais présents dans tout cerveau nous espérons que ces nouveaux outils permettront de mieux comprendre l'évolution de la maladie aider à mise au point et aux tests de nouveaux médicaments de suivre l'évolution de la maladie en condition clinique
Afin de suivre l'évolution de la maladie lors des essais thérapeutiques‚ les patients sont soumis à des examens IRM réguliers espacés dans le temps Les cliniciens disposent ainsi d'une série de représentations 3D du cerveau de leur patient Suivant les méthodes d'acquisition‚ les représentations des lésions sont différentes· Dans chaque cas‚ le clinicien dispose d'un volume de données qui lui permet d'observer la lésion suivant la coupe de son choix· Le problème est alors de comparer ces acquisitions d'un examen à l'autre afin de quantifier l'évolution de la maladie· Ici‚ il s'agit d'une acquisition obtenue par injection d'un produit de contraste le gadolinium· Une première difficulté tient de la variation de la position du patient d'un examen à l'autre· La simple superposition d'une même coupe sagittale d'un patient illustre ici la difficulté· Un premier outil de recalage automatique des images facilite la lecture et permet de suivre l'évolution des lésions dans le temps· Le recalage permet en outre d'observer l'effet dynamique de la croissance d'une lésion· Nous distinguons ici le gadolinium en périphérie de la lésion et l'apparition au centre d'une cicatrice irréversible· D'autres outils de visualisation sont également disponibles : un système de double curseur est utilisé pour comparer deux coupes successives· Ici‚ une lésion diminue‚ là‚ elle augmente· Afin d'étudier plus précisément les détails‚ nous visualisons une partie de l'autre coupe par l'intermédiaire d'une fenêtre· En déplaçant cette fenêtre inter activement‚ nous vérifions la précision du recalage et nous étudions les différences entre les deux acquisitions· Ici‚ la présence d'une petite lésion dans la région d'intérêt délimité· La soustraction des intensités lumineuses entre deux coupes issues d'acquisitions différentes‚ permet une détection automatique des lésions· Les ronds clair caractérisent les lésions croissantes‚ les ronds sombres les lésions décroissantes· De la même façon on identifie les lésions sur l'ensemble des coupes des deux acquisitions· En observant une séquence dynamique de cette lésion particulière‚ nous avons remarqué que sa croissance a pour effet de repousser les tissus environnants ce phénomène s'appelle l'effet de masse· Nous avons cherché à détecter ce phénomène particulier· En calculant le champ de déformation global de cette lésion en trois dimensions‚ nous visualisons une représentation mathématique de son évolution au cours du temps qui fait apparaître le caractère plutôt sphérique de la déformation· À partir de calculs effectués directement sur ce champ de déformation‚ nous réduisons certaines caractéristiques de l'effet de masse· Ces travaux ont fait l'objet d'un dépôt de brevet· La norme du champ de déformation nous donne l'amplitude de l'effet de masse· La divergence du champ de déformation quantifie la croissance ou décroissance de la lésion· Le produit de la norme par la divergence fournit une image précise et peu bruitée de la lésion· Elle autorise une détection plus précise que celle donnée par la soustraction des intensités lumineuses· Une méthode couramment utilisée pour quantifier ces observations repose sur la segmentation 3D des lésions mais ces outils ne permettent pas de prendre en compte l'effet de masse· Nous proposons une solution pour quantifier précisément les variations de volume correspondant à l'effet de masse· Nous pensons que son étude pourrait contribuer à la compréhension de cette pathologie· Notre outil repose sur un calcul d'intégration du champ de déformation Ici‚ la courbe d'intégration‚ dont le maximum correspond à la valeur recherchée de variation de volume Ce résultat important a fait l'objet de nombreuses expériences de validation· Nous avons par exemple créé une lésion de synthèse pour laquelle la variation du volume est connue· La méthode classique‚ par segmentation‚ donne une erreur de 7% par rapport à la valeur réelle· La méthode par intégration du champ de déformation donne une erreur de 5%· Nous voulons maintenant calculer la variation du volume de l'effet de masse seul isolé sur la lésion de synthèse· Nous montrons que la méthode par cette augmentation est inopérante pour la détection· En revanche la méthode par intégration des champs de déformation donne un résultat qui correspond à 60% de la valeur réelle· Nous avons testé nos outils sur des acquisitions d'un patient suivi pendant un an· Le calcul a porté sur 24 acquisitions dont nous voyons la région d'intérêt entourant une lésion· Nous constatons que l'estimation de la variation du volume de la lésion est presque double lorsqu'on prend en considération l'effet de masse par la méthode d'intégration des champs de déformation· Cette différence significative confirme et quantifie l'effet de masse de la sclérose en plaques· Nous pensons ensuite parvenir à localiser les régions anatomiques du cerveau dans lesquelles se trouvent statistiquement les lésions· Pour ce faire nous avons mis au point des outils de recalage interpatients : nous pouvons trouver une transformation continue d'une image d'un vers une image d'un autre patient appliquant cette transformation à une augmentation du cerveau correspondant à l'image du premier patient nous obtenons une augmentation automatique en région anatomiques du cerveau du second patient de cette méthode nous pourrons déterminer dans quelle région se situe les lésions actives même type d'outil peut s'appliquer à l'étude d'autres pathologies un patient atteint de gliome alstom un cancer du cerveau nous observons comment les ventricule compensent différents seulement les variations de volume induite par la croissance d'une tumeur ce patient atteint d'un phasi focal nous assistons à une atrophie importante de la substance blanche qui est également compensée par une variation du volume des ventricule ces deux exemples le champ de déformation ne se limite plus à des lésions de petite taille mais présents dans tout cerveau nous espérons que ces nouveaux outils permettront de mieux comprendre l'évolution de la maladie aider à mise au point et aux tests de nouveaux médicaments de suivre l'évolution de la maladie en condition clinique
Afin de suivre l'évolution de la maladie lors des essais thérapeutiques‚ les patients sont soumis à des examens IRM réguliers espacés dans le temps Les cliniciens disposent ainsi d'une série de représentations 3D du cerveau de leur patient Suivant les méthodes d'acquisition‚ les représentations des lésions sont différentes· Dans chaque cas‚ le clinicien dispose d'un volume de données qui lui permet d'observer la lésion suivant la coupe de son choix· Le problème est alors de comparer ces acquisitions d'un examen à l'autre afin de quantifier l'évolution de la maladie· Ici‚ il s'agit d'une acquisition obtenue par injection d'un produit de contraste le gadolinium· Une première difficulté tient de la variation de la position du patient d'un examen à l'autre· La simple superposition d'une même coupe sagittale d'un patient illustre ici la difficulté· Un premier outil de recalage automatique des images facilite la lecture et permet de suivre l'évolution des lésions dans le temps· Le recalage permet en outre d'observer l'effet dynamique de la croissance d'une lésion· Nous distinguons ici le gadolinium en périphérie de la lésion et l'apparition au centre d'une cicatrice irréversible· D'autres outils de visualisation sont également disponibles : un système de double curseur est utilisé pour comparer deux coupes successives· Ici‚ une lésion diminue‚ là‚ elle augmente· Afin d'étudier plus précisément les détails‚ nous visualisons une partie de l'autre coupe par l'intermédiaire d'une fenêtre· En déplaçant cette fenêtre inter activement‚ nous vérifions la précision du recalage et nous étudions les différences entre les deux acquisitions· Ici‚ la présence d'une petite lésion dans la région d'intérêt délimité· La soustraction des intensités lumineuses entre deux coupes issues d'acquisitions différentes‚ permet une détection automatique des lésions· Les ronds clair caractérisent les lésions croissantes‚ les ronds sombres les lésions décroissantes· De la même façon on identifie les lésions sur l'ensemble des coupes des deux acquisitions· En observant une séquence dynamique de cette lésion particulière‚ nous avons remarqué que sa croissance a pour effet de repousser les tissus environnants ce phénomène s'appelle l'effet de masse· Nous avons cherché à détecter ce phénomène particulier· En calculant le champ de déformation global de cette lésion en trois dimensions‚ nous visualisons une représentation mathématique de son évolution au cours du temps qui fait apparaître le caractère plutôt sphérique de la déformation· À partir de calculs effectués directement sur ce champ de déformation‚ nous réduisons certaines caractéristiques de l'effet de masse· Ces travaux ont fait l'objet d'un dépôt de brevet· La norme du champ de déformation nous donne l'amplitude de l'effet de masse· La divergence du champ de déformation quantifie la croissance ou décroissance de la lésion· Le produit de la norme par la divergence fournit une image précise et peu bruitée de la lésion· Elle autorise une détection plus précise que celle donnée par la soustraction des intensités lumineuses· Une méthode couramment utilisée pour quantifier ces observations repose sur la segmentation 3D des lésions mais ces outils ne permettent pas de prendre en compte l'effet de masse· Nous proposons une solution pour quantifier précisément les variations de volume correspondant à l'effet de masse· Nous pensons que son étude pourrait contribuer à la compréhension de cette pathologie· Notre outil repose sur un calcul d'intégration du champ de déformation Ici‚ la courbe d'intégration‚ dont le maximum correspond à la valeur recherchée de variation de volume Ce résultat important a fait l'objet de nombreuses expériences de validation· Nous avons par exemple créé une lésion de synthèse pour laquelle la variation du volume est connue· La méthode classique‚ par segmentation‚ donne une erreur de 7% par rapport à la valeur réelle· La méthode par intégration du champ de déformation donne une erreur de 5%· Nous voulons maintenant calculer la variation du volume de l'effet de masse seul isolé sur la lésion de synthèse· Nous montrons que la méthode par cette augmentation est inopérante pour la détection· En revanche la méthode par intégration des champs de déformation donne un résultat qui correspond à 60% de la valeur réelle· Nous avons testé nos outils sur des acquisitions d'un patient suivi pendant un an· Le calcul a porté sur 24 acquisitions dont nous voyons la région d'intérêt entourant une lésion· Nous constatons que l'estimation de la variation du volume de la lésion est presque double lorsqu'on prend en considération l'effet de masse par la méthode d'intégration des champs de déformation· Cette différence significative confirme et quantifie l'effet de masse de la sclérose en plaques· Nous pensons ensuite parvenir à localiser les régions anatomiques du cerveau dans lesquelles se trouvent statistiquement les lésions· Pour ce faire nous avons mis au point des outils de recalage interpatients : nous pouvons trouver une transformation continue d'une image d'un patient vers une image d'un autre patient· appliquant cette transformation à une augmentation du cerveau correspondant à l'image du premier patient nous obtenons une augmentation automatique en région anatomiques du cerveau du second patient de cette méthode nous pourrons déterminer dans quelle région se situe les lésions actives même type d'outil peut s'appliquer à l'étude d'autres pathologies un patient atteint de gliome alstom un cancer du cerveau nous observons comment les ventricule compensent différents seulement les variations de volume induite par la croissance d'une tumeur ce patient atteint d'un phasi focal nous assistons à une atrophie importante de la substance blanche qui est également compensée par une variation du volume des ventricule ces deux exemples le champ de déformation ne se limite plus à des lésions de petite taille mais présents dans tout cerveau nous espérons que ces nouveaux outils permettront de mieux comprendre l'évolution de la maladie aider à mise au point et aux tests de nouveaux médicaments de suivre l'évolution de la maladie en condition clinique
Afin de suivre l'évolution de la maladie lors des essais thérapeutiques‚ les patients sont soumis à des examens IRM réguliers espacés dans le temps Les cliniciens disposent ainsi d'une série de représentations 3D du cerveau de leur patient Suivant les méthodes d'acquisition‚ les représentations des lésions sont différentes· Dans chaque cas‚ le clinicien dispose d'un volume de données qui lui permet d'observer la lésion suivant la coupe de son choix· Le problème est alors de comparer ces acquisitions d'un examen à l'autre afin de quantifier l'évolution de la maladie· Ici‚ il s'agit d'une acquisition obtenue par injection d'un produit de contraste le gadolinium· Une première difficulté tient de la variation de la position du patient d'un examen à l'autre· La simple superposition d'une même coupe sagittale d'un patient illustre ici la difficulté· Un premier outil de recalage automatique des images facilite la lecture et permet de suivre l'évolution des lésions dans le temps· Le recalage permet en outre d'observer l'effet dynamique de la croissance d'une lésion· Nous distinguons ici le gadolinium en périphérie de la lésion et l'apparition au centre d'une cicatrice irréversible· D'autres outils de visualisation sont également disponibles : un système de double curseur est utilisé pour comparer deux coupes successives· Ici‚ une lésion diminue‚ là‚ elle augmente· Afin d'étudier plus précisément les détails‚ nous visualisons une partie de l'autre coupe par l'intermédiaire d'une fenêtre· En déplaçant cette fenêtre inter activement‚ nous vérifions la précision du recalage et nous étudions les différences entre les deux acquisitions· Ici‚ la présence d'une petite lésion dans la région d'intérêt délimité· La soustraction des intensités lumineuses entre deux coupes issues d'acquisitions différentes‚ permet une détection automatique des lésions· Les ronds clair caractérisent les lésions croissantes‚ les ronds sombres les lésions décroissantes· De la même façon on identifie les lésions sur l'ensemble des coupes des deux acquisitions· En observant une séquence dynamique de cette lésion particulière‚ nous avons remarqué que sa croissance a pour effet de repousser les tissus environnants ce phénomène s'appelle l'effet de masse· Nous avons cherché à détecter ce phénomène particulier· En calculant le champ de déformation global de cette lésion en trois dimensions‚ nous visualisons une représentation mathématique de son évolution au cours du temps qui fait apparaître le caractère plutôt sphérique de la déformation· À partir de calculs effectués directement sur ce champ de déformation‚ nous réduisons certaines caractéristiques de l'effet de masse· Ces travaux ont fait l'objet d'un dépôt de brevet· La norme du champ de déformation nous donne l'amplitude de l'effet de masse· La divergence du champ de déformation quantifie la croissance ou décroissance de la lésion· Le produit de la norme par la divergence fournit une image précise et peu bruitée de la lésion· Elle autorise une détection plus précise que celle donnée par la soustraction des intensités lumineuses· Une méthode couramment utilisée pour quantifier ces observations repose sur la segmentation 3D des lésions mais ces outils ne permettent pas de prendre en compte l'effet de masse· Nous proposons une solution pour quantifier précisément les variations de volume correspondant à l'effet de masse· Nous pensons que son étude pourrait contribuer à la compréhension de cette pathologie· Notre outil repose sur un calcul d'intégration du champ de déformation Ici‚ la courbe d'intégration‚ dont le maximum correspond à la valeur recherchée de variation de volume Ce résultat important a fait l'objet de nombreuses expériences de validation· Nous avons par exemple créé une lésion de synthèse pour laquelle la variation du volume est connue· La méthode classique‚ par segmentation‚ donne une erreur de 7% par rapport à la valeur réelle· La méthode par intégration du champ de déformation donne une erreur de 5%· Nous voulons maintenant calculer la variation du volume de l'effet de masse seul isolé sur la lésion de synthèse· Nous montrons que la méthode par cette augmentation est inopérante pour la détection· En revanche la méthode par intégration des champs de déformation donne un résultat qui correspond à 60% de la valeur réelle· Nous avons testé nos outils sur des acquisitions d'un patient suivi pendant un an· Le calcul a porté sur 24 acquisitions dont nous voyons la région d'intérêt entourant une lésion· Nous constatons que l'estimation de la variation du volume de la lésion est presque double lorsqu'on prend en considération l'effet de masse par la méthode d'intégration des champs de déformation· Cette différence significative confirme et quantifie l'effet de masse de la sclérose en plaques· Nous pensons ensuite parvenir à localiser les régions anatomiques du cerveau dans lesquelles se trouvent statistiquement les lésions· Pour ce faire nous avons mis au point des outils de recalage interpatients : nous pouvons trouver une transformation continue d'une image d'un patient vers une image d'un autre patient· En appliquant cette transformation à une augmentation du cerveau correspondant à l'image du premier patient‚ nous obtenons une augmentation automatique en région anatomique du cerveau du second patient· À l'aide de cette méthode nous pourrons déterminer dans quelles régions se situent les lésions actives· même type d'outil peut s'appliquer à l'étude d'autres pathologies un patient atteint de gliome alstom un cancer du cerveau nous observons comment les ventricule compensent différents seulement les variations de volume induite par la croissance d'une tumeur ce patient atteint d'un phasi focal nous assistons à une atrophie importante de la substance blanche qui est également compensée par une variation du volume des ventricule ces deux exemples le champ de déformation ne se limite plus à des lésions de petite taille mais présents dans tout cerveau nous espérons que ces nouveaux outils permettront de mieux comprendre l'évolution de la maladie aider à mise au point et aux tests de nouveaux médicaments de suivre l'évolution de la maladie en condition clinique
Afin de suivre l'évolution de la maladie lors des essais thérapeutiques‚ les patients sont soumis à des examens IRM réguliers espacés dans le temps Les cliniciens disposent ainsi d'une série de représentations 3D du cerveau de leur patient Suivant les méthodes d'acquisition‚ les représentations des lésions sont différentes· Dans chaque cas‚ le clinicien dispose d'un volume de données qui lui permet d'observer la lésion suivant la coupe de son choix· Le problème est alors de comparer ces acquisitions d'un examen à l'autre afin de quantifier l'évolution de la maladie· Ici‚ il s'agit d'une acquisition obtenue par injection d'un produit de contraste le gadolinium· Une première difficulté tient de la variation de la position du patient d'un examen à l'autre· La simple superposition d'une même coupe sagittale d'un patient illustre ici la difficulté· Un premier outil de recalage automatique des images facilite la lecture et permet de suivre l'évolution des lésions dans le temps· Le recalage permet en outre d'observer l'effet dynamique de la croissance d'une lésion· Nous distinguons ici le gadolinium en périphérie de la lésion et l'apparition au centre d'une cicatrice irréversible· D'autres outils de visualisation sont également disponibles : un système de double curseur est utilisé pour comparer deux coupes successives· Ici‚ une lésion diminue‚ là‚ elle augmente· Afin d'étudier plus précisément les détails‚ nous visualisons une partie de l'autre coupe par l'intermédiaire d'une fenêtre· En déplaçant cette fenêtre inter activement‚ nous vérifions la précision du recalage et nous étudions les différences entre les deux acquisitions· Ici‚ la présence d'une petite lésion dans la région d'intérêt délimité· La soustraction des intensités lumineuses entre deux coupes issues d'acquisitions différentes‚ permet une détection automatique des lésions· Les ronds clair caractérisent les lésions croissantes‚ les ronds sombres les lésions décroissantes· De la même façon on identifie les lésions sur l'ensemble des coupes des deux acquisitions· En observant une séquence dynamique de cette lésion particulière‚ nous avons remarqué que sa croissance a pour effet de repousser les tissus environnants ce phénomène s'appelle l'effet de masse· Nous avons cherché à détecter ce phénomène particulier· En calculant le champ de déformation global de cette lésion en trois dimensions‚ nous visualisons une représentation mathématique de son évolution au cours du temps qui fait apparaître le caractère plutôt sphérique de la déformation· À partir de calculs effectués directement sur ce champ de déformation‚ nous réduisons certaines caractéristiques de l'effet de masse· Ces travaux ont fait l'objet d'un dépôt de brevet· La norme du champ de déformation nous donne l'amplitude de l'effet de masse· La divergence du champ de déformation quantifie la croissance ou décroissance de la lésion· Le produit de la norme par la divergence fournit une image précise et peu bruitée de la lésion· Elle autorise une détection plus précise que celle donnée par la soustraction des intensités lumineuses· Une méthode couramment utilisée pour quantifier ces observations repose sur la segmentation 3D des lésions mais ces outils ne permettent pas de prendre en compte l'effet de masse· Nous proposons une solution pour quantifier précisément les variations de volume correspondant à l'effet de masse· Nous pensons que son étude pourrait contribuer à la compréhension de cette pathologie· Notre outil repose sur un calcul d'intégration du champ de déformation Ici‚ la courbe d'intégration‚ dont le maximum correspond à la valeur recherchée de variation de volume Ce résultat important a fait l'objet de nombreuses expériences de validation· Nous avons par exemple créé une lésion de synthèse pour laquelle la variation du volume est connue· La méthode classique‚ par segmentation‚ donne une erreur de 7% par rapport à la valeur réelle· La méthode par intégration du champ de déformation donne une erreur de 5%· Nous voulons maintenant calculer la variation du volume de l'effet de masse seul isolé sur la lésion de synthèse· Nous montrons que la méthode par cette augmentation est inopérante pour la détection· En revanche la méthode par intégration des champs de déformation donne un résultat qui correspond à 60% de la valeur réelle· Nous avons testé nos outils sur des acquisitions d'un patient suivi pendant un an· Le calcul a porté sur 24 acquisitions dont nous voyons la région d'intérêt entourant une lésion· Nous constatons que l'estimation de la variation du volume de la lésion est presque double lorsqu'on prend en considération l'effet de masse par la méthode d'intégration des champs de déformation· Cette différence significative confirme et quantifie l'effet de masse de la sclérose en plaques· Nous pensons ensuite parvenir à localiser les régions anatomiques du cerveau dans lesquelles se trouvent statistiquement les lésions· Pour ce faire nous avons mis au point des outils de recalage interpatients : nous pouvons trouver une transformation continue d'une image d'un patient vers une image d'un autre patient· En appliquant cette transformation à une augmentation du cerveau correspondant à l'image du premier patient‚ nous obtenons une augmentation automatique en région anatomique du cerveau du second patient· À l'aide de cette méthode nous pourrons déterminer dans quelles régions se situent les lésions actives· Le même type d'outil peut s'appliquer à l'étude d'autres pathologies· Ici‚ un patient atteint de glioblastome un cancer du cerveau· Nous observons comment les ventricules compensent différentiellement les variations de volume induites par la croissance d'une tumeur· Sur ce patient atteint d'aphasie focale‚ nous assistons à une atrophie importante de la substance blanche qui est également compensée par une variation de volume des ventricules· ces deux exemples le champ de déformation ne se limite plus à des lésions de petite taille mais présents dans tout cerveau nous espérons que ces nouveaux outils permettront de mieux comprendre l'évolution de la maladie aider à mise au point et aux tests de nouveaux médicaments de suivre l'évolution de la maladie en condition clinique
Afin de suivre l'évolution de la maladie lors des essais thérapeutiques‚ les patients sont soumis à des examens IRM réguliers espacés dans le temps Les cliniciens disposent ainsi d'une série de représentations 3D du cerveau de leur patient Suivant les méthodes d'acquisition‚ les représentations des lésions sont différentes· Dans chaque cas‚ le clinicien dispose d'un volume de données qui lui permet d'observer la lésion suivant la coupe de son choix· Le problème est alors de comparer ces acquisitions d'un examen à l'autre afin de quantifier l'évolution de la maladie· Ici‚ il s'agit d'une acquisition obtenue par injection d'un produit de contraste le gadolinium· Une première difficulté tient de la variation de la position du patient d'un examen à l'autre· La simple superposition d'une même coupe sagittale d'un patient illustre ici la difficulté· Un premier outil de recalage automatique des images facilite la lecture et permet de suivre l'évolution des lésions dans le temps· Le recalage permet en outre d'observer l'effet dynamique de la croissance d'une lésion· Nous distinguons ici le gadolinium en périphérie de la lésion et l'apparition au centre d'une cicatrice irréversible· D'autres outils de visualisation sont également disponibles : un système de double curseur est utilisé pour comparer deux coupes successives· Ici‚ une lésion diminue‚ là‚ elle augmente· Afin d'étudier plus précisément les détails‚ nous visualisons une partie de l'autre coupe par l'intermédiaire d'une fenêtre· En déplaçant cette fenêtre inter activement‚ nous vérifions la précision du recalage et nous étudions les différences entre les deux acquisitions· Ici‚ la présence d'une petite lésion dans la région d'intérêt délimité· La soustraction des intensités lumineuses entre deux coupes issues d'acquisitions différentes‚ permet une détection automatique des lésions· Les ronds clair caractérisent les lésions croissantes‚ les ronds sombres les lésions décroissantes· De la même façon on identifie les lésions sur l'ensemble des coupes des deux acquisitions· En observant une séquence dynamique de cette lésion particulière‚ nous avons remarqué que sa croissance a pour effet de repousser les tissus environnants ce phénomène s'appelle l'effet de masse· Nous avons cherché à détecter ce phénomène particulier· En calculant le champ de déformation global de cette lésion en trois dimensions‚ nous visualisons une représentation mathématique de son évolution au cours du temps qui fait apparaître le caractère plutôt sphérique de la déformation· À partir de calculs effectués directement sur ce champ de déformation‚ nous réduisons certaines caractéristiques de l'effet de masse· Ces travaux ont fait l'objet d'un dépôt de brevet· La norme du champ de déformation nous donne l'amplitude de l'effet de masse· La divergence du champ de déformation quantifie la croissance ou décroissance de la lésion· Le produit de la norme par la divergence fournit une image précise et peu bruitée de la lésion· Elle autorise une détection plus précise que celle donnée par la soustraction des intensités lumineuses· Une méthode couramment utilisée pour quantifier ces observations repose sur la segmentation 3D des lésions mais ces outils ne permettent pas de prendre en compte l'effet de masse· Nous proposons une solution pour quantifier précisément les variations de volume correspondant à l'effet de masse· Nous pensons que son étude pourrait contribuer à la compréhension de cette pathologie· Notre outil repose sur un calcul d'intégration du champ de déformation Ici‚ la courbe d'intégration‚ dont le maximum correspond à la valeur recherchée de variation de volume Ce résultat important a fait l'objet de nombreuses expériences de validation· Nous avons par exemple créé une lésion de synthèse pour laquelle la variation du volume est connue· La méthode classique‚ par segmentation‚ donne une erreur de 7% par rapport à la valeur réelle· La méthode par intégration du champ de déformation donne une erreur de 5%· Nous voulons maintenant calculer la variation du volume de l'effet de masse seul isolé sur la lésion de synthèse· Nous montrons que la méthode par cette augmentation est inopérante pour la détection· En revanche la méthode par intégration des champs de déformation donne un résultat qui correspond à 60% de la valeur réelle· Nous avons testé nos outils sur des acquisitions d'un patient suivi pendant un an· Le calcul a porté sur 24 acquisitions dont nous voyons la région d'intérêt entourant une lésion· Nous constatons que l'estimation de la variation du volume de la lésion est presque double lorsqu'on prend en considération l'effet de masse par la méthode d'intégration des champs de déformation· Cette différence significative confirme et quantifie l'effet de masse de la sclérose en plaques· Nous pensons ensuite parvenir à localiser les régions anatomiques du cerveau dans lesquelles se trouvent statistiquement les lésions· Pour ce faire nous avons mis au point des outils de recalage interpatients : nous pouvons trouver une transformation continue d'une image d'un patient vers une image d'un autre patient· En appliquant cette transformation à une augmentation du cerveau correspondant à l'image du premier patient‚ nous obtenons une augmentation automatique en région anatomique du cerveau du second patient· À l'aide de cette méthode nous pourrons déterminer dans quelles régions se situent les lésions actives· Le même type d'outil peut s'appliquer à l'étude d'autres pathologies· Ici‚ un patient atteint de glioblastome un cancer du cerveau· Nous observons comment les ventricules compensent différentiellement les variations de volume induites par la croissance d'une tumeur· Sur ce patient atteint d'aphasie focale‚ nous assistons à une atrophie importante de la substance blanche qui est également compensée par une variation de volume des ventricules· Dans ces deux exemples‚ le champ de déformation ne se limite plus à des lésions de petite taille mais est présent dans tout cerveau· nous espérons que ces nouveaux outils permettront de mieux comprendre l'évolution de la maladie aider à mise au point et aux tests de nouveaux médicaments de suivre l'évolution de la maladie en condition clinique
Afin de suivre l'évolution de la maladie lors des essais thérapeutiques‚ les patients sont soumis à des examens IRM réguliers espacés dans le temps Les cliniciens disposent ainsi d'une série de représentations 3D du cerveau de leur patient Suivant les méthodes d'acquisition‚ les représentations des lésions sont différentes· Dans chaque cas‚ le clinicien dispose d'un volume de données qui lui permet d'observer la lésion suivant la coupe de son choix· Le problème est alors de comparer ces acquisitions d'un examen à l'autre afin de quantifier l'évolution de la maladie· Ici‚ il s'agit d'une acquisition obtenue par injection d'un produit de contraste le gadolinium· Une première difficulté tient de la variation de la position du patient d'un examen à l'autre· La simple superposition d'une même coupe sagittale d'un patient illustre ici la difficulté· Un premier outil de recalage automatique des images facilite la lecture et permet de suivre l'évolution des lésions dans le temps· Le recalage permet en outre d'observer l'effet dynamique de la croissance d'une lésion· Nous distinguons ici le gadolinium en périphérie de la lésion et l'apparition au centre d'une cicatrice irréversible· D'autres outils de visualisation sont également disponibles : un système de double curseur est utilisé pour comparer deux coupes successives· Ici‚ une lésion diminue‚ là‚ elle augmente· Afin d'étudier plus précisément les détails‚ nous visualisons une partie de l'autre coupe par l'intermédiaire d'une fenêtre· En déplaçant cette fenêtre inter activement‚ nous vérifions la précision du recalage et nous étudions les différences entre les deux acquisitions· Ici‚ la présence d'une petite lésion dans la région d'intérêt délimité· La soustraction des intensités lumineuses entre deux coupes issues d'acquisitions différentes‚ permet une détection automatique des lésions· Les ronds clair caractérisent les lésions croissantes‚ les ronds sombres les lésions décroissantes· De la même façon on identifie les lésions sur l'ensemble des coupes des deux acquisitions· En observant une séquence dynamique de cette lésion particulière‚ nous avons remarqué que sa croissance a pour effet de repousser les tissus environnants ce phénomène s'appelle l'effet de masse· Nous avons cherché à détecter ce phénomène particulier· En calculant le champ de déformation global de cette lésion en trois dimensions‚ nous visualisons une représentation mathématique de son évolution au cours du temps qui fait apparaître le caractère plutôt sphérique de la déformation· À partir de calculs effectués directement sur ce champ de déformation‚ nous réduisons certaines caractéristiques de l'effet de masse· Ces travaux ont fait l'objet d'un dépôt de brevet· La norme du champ de déformation nous donne l'amplitude de l'effet de masse· La divergence du champ de déformation quantifie la croissance ou décroissance de la lésion· Le produit de la norme par la divergence fournit une image précise et peu bruitée de la lésion· Elle autorise une détection plus précise que celle donnée par la soustraction des intensités lumineuses· Une méthode couramment utilisée pour quantifier ces observations repose sur la segmentation 3D des lésions mais ces outils ne permettent pas de prendre en compte l'effet de masse· Nous proposons une solution pour quantifier précisément les variations de volume correspondant à l'effet de masse· Nous pensons que son étude pourrait contribuer à la compréhension de cette pathologie· Notre outil repose sur un calcul d'intégration du champ de déformation Ici‚ la courbe d'intégration‚ dont le maximum correspond à la valeur recherchée de variation de volume Ce résultat important a fait l'objet de nombreuses expériences de validation· Nous avons par exemple créé une lésion de synthèse pour laquelle la variation du volume est connue· La méthode classique‚ par segmentation‚ donne une erreur de 7% par rapport à la valeur réelle· La méthode par intégration du champ de déformation donne une erreur de 5%· Nous voulons maintenant calculer la variation du volume de l'effet de masse seul isolé sur la lésion de synthèse· Nous montrons que la méthode par cette augmentation est inopérante pour la détection· En revanche la méthode par intégration des champs de déformation donne un résultat qui correspond à 60% de la valeur réelle· Nous avons testé nos outils sur des acquisitions d'un patient suivi pendant un an· Le calcul a porté sur 24 acquisitions dont nous voyons la région d'intérêt entourant une lésion· Nous constatons que l'estimation de la variation du volume de la lésion est presque double lorsqu'on prend en considération l'effet de masse par la méthode d'intégration des champs de déformation· Cette différence significative confirme et quantifie l'effet de masse de la sclérose en plaques· Nous pensons ensuite parvenir à localiser les régions anatomiques du cerveau dans lesquelles se trouvent statistiquement les lésions· Pour ce faire nous avons mis au point des outils de recalage interpatients : nous pouvons trouver une transformation continue d'une image d'un patient vers une image d'un autre patient· En appliquant cette transformation à une augmentation du cerveau correspondant à l'image du premier patient‚ nous obtenons une augmentation automatique en région anatomique du cerveau du second patient· À l'aide de cette méthode nous pourrons déterminer dans quelles régions se situent les lésions actives· Le même type d'outil peut s'appliquer à l'étude d'autres pathologies· Ici‚ un patient atteint de glioblastome un cancer du cerveau· Nous observons comment les ventricules compensent différentiellement les variations de volume induites par la croissance d'une tumeur· Sur ce patient atteint d'aphasie focale‚ nous assistons à une atrophie importante de la substance blanche qui est également compensée par une variation de volume des ventricules· Dans ces deux exemples‚ le champ de déformation ne se limite plus à des lésions de petite taille mais est présent dans tout le cerveau· nous espérons que ces nouveaux outils permettront de mieux comprendre l'évolution de la maladie aider à mise au point et aux tests de nouveaux médicaments de suivre l'évolution de la maladie en condition clinique
Afin de suivre l'évolution de la maladie lors des essais thérapeutiques‚ les patients sont soumis à des examens IRM réguliers espacés dans le temps Les cliniciens disposent ainsi d'une série de représentations 3D du cerveau de leur patient Suivant les méthodes d'acquisition‚ les représentations des lésions sont différentes· Dans chaque cas‚ le clinicien dispose d'un volume de données qui lui permet d'observer la lésion suivant la coupe de son choix· Le problème est alors de comparer ces acquisitions d'un examen à l'autre afin de quantifier l'évolution de la maladie· Ici‚ il s'agit d'une acquisition obtenue par injection d'un produit de contraste le gadolinium· Une première difficulté tient de la variation de la position du patient d'un examen à l'autre· La simple superposition d'une même coupe sagittale d'un patient illustre ici la difficulté· Un premier outil de recalage automatique des images facilite la lecture et permet de suivre l'évolution des lésions dans le temps· Le recalage permet en outre d'observer l'effet dynamique de la croissance d'une lésion· Nous distinguons ici le gadolinium en périphérie de la lésion et l'apparition au centre d'une cicatrice irréversible· D'autres outils de visualisation sont également disponibles : un système de double curseur est utilisé pour comparer deux coupes successives· Ici‚ une lésion diminue‚ là‚ elle augmente· Afin d'étudier plus précisément les détails‚ nous visualisons une partie de l'autre coupe par l'intermédiaire d'une fenêtre· En déplaçant cette fenêtre inter activement‚ nous vérifions la précision du recalage et nous étudions les différences entre les deux acquisitions· Ici‚ la présence d'une petite lésion dans la région d'intérêt délimité· La soustraction des intensités lumineuses entre deux coupes issues d'acquisitions différentes‚ permet une détection automatique des lésions· Les ronds clair caractérisent les lésions croissantes‚ les ronds sombres les lésions décroissantes· De la même façon on identifie les lésions sur l'ensemble des coupes des deux acquisitions· En observant une séquence dynamique de cette lésion particulière‚ nous avons remarqué que sa croissance a pour effet de repousser les tissus environnants ce phénomène s'appelle l'effet de masse· Nous avons cherché à détecter ce phénomène particulier· En calculant le champ de déformation global de cette lésion en trois dimensions‚ nous visualisons une représentation mathématique de son évolution au cours du temps qui fait apparaître le caractère plutôt sphérique de la déformation· À partir de calculs effectués directement sur ce champ de déformation‚ nous réduisons certaines caractéristiques de l'effet de masse· Ces travaux ont fait l'objet d'un dépôt de brevet· La norme du champ de déformation nous donne l'amplitude de l'effet de masse· La divergence du champ de déformation quantifie la croissance ou décroissance de la lésion· Le produit de la norme par la divergence fournit une image précise et peu bruitée de la lésion· Elle autorise une détection plus précise que celle donnée par la soustraction des intensités lumineuses· Une méthode couramment utilisée pour quantifier ces observations repose sur la segmentation 3D des lésions mais ces outils ne permettent pas de prendre en compte l'effet de masse· Nous proposons une solution pour quantifier précisément les variations de volume correspondant à l'effet de masse· Nous pensons que son étude pourrait contribuer à la compréhension de cette pathologie· Notre outil repose sur un calcul d'intégration du champ de déformation Ici‚ la courbe d'intégration‚ dont le maximum correspond à la valeur recherchée de variation de volume Ce résultat important a fait l'objet de nombreuses expériences de validation· Nous avons par exemple créé une lésion de synthèse pour laquelle la variation du volume est connue· La méthode classique‚ par segmentation‚ donne une erreur de 7% par rapport à la valeur réelle· La méthode par intégration du champ de déformation donne une erreur de 5%· Nous voulons maintenant calculer la variation du volume de l'effet de masse seul isolé sur la lésion de synthèse· Nous montrons que la méthode par cette augmentation est inopérante pour la détection· En revanche la méthode par intégration des champs de déformation donne un résultat qui correspond à 60% de la valeur réelle· Nous avons testé nos outils sur des acquisitions d'un patient suivi pendant un an· Le calcul a porté sur 24 acquisitions dont nous voyons la région d'intérêt entourant une lésion· Nous constatons que l'estimation de la variation du volume de la lésion est presque double lorsqu'on prend en considération l'effet de masse par la méthode d'intégration des champs de déformation· Cette différence significative confirme et quantifie l'effet de masse de la sclérose en plaques· Nous pensons ensuite parvenir à localiser les régions anatomiques du cerveau dans lesquelles se trouvent statistiquement les lésions· Pour ce faire nous avons mis au point des outils de recalage interpatients : nous pouvons trouver une transformation continue d'une image d'un patient vers une image d'un autre patient· En appliquant cette transformation à une augmentation du cerveau correspondant à l'image du premier patient‚ nous obtenons une augmentation automatique en région anatomique du cerveau du second patient· À l'aide de cette méthode nous pourrons déterminer dans quelles régions se situent les lésions actives· Le même type d'outil peut s'appliquer à l'étude d'autres pathologies· Ici‚ un patient atteint de glioblastome un cancer du cerveau· Nous observons comment les ventricules compensent différentiellement les variations de volume induites par la croissance d'une tumeur· Sur ce patient atteint d'aphasie focale‚ nous assistons à une atrophie importante de la substance blanche qui est également compensée par une variation de volume des ventricules· Dans ces deux exemples‚ le champ de déformation ne se limite plus à des lésions de petite taille mais est présent dans tout le cerveau· Nous espérons que ces nouveaux outils permettront de mieux comprendre l'évolution de la maladie‚ d'aider à la mise au point et aux tests de nouveaux médicaments‚ de suivre l'évolution de la maladie en condition clinique
Afin de suivre l'évolution de la maladie lors des essais thérapeutiques‚ les patients sont soumis à des examens IRM réguliers espacés dans le temps Les cliniciens disposent ainsi d'une série de représentations 3D du cerveau de leur patient Suivant les méthodes d'acquisition‚ les représentations des lésions sont différentes· Dans chaque cas‚ le clinicien dispose d'un volume de données qui lui permet d'observer la lésion suivant la coupe de son choix· Le problème est alors de comparer ces acquisitions d'un examen à l'autre afin de quantifier l'évolution de la maladie· Ici‚ il s'agit d'une acquisition obtenue par injection d'un produit de contraste le gadolinium· Une première difficulté tient de la variation de la position du patient d'un examen à l'autre· La simple superposition d'une même coupe sagittale d'un patient illustre ici la difficulté· Un premier outil de recalage automatique des images facilite la lecture et permet de suivre l'évolution des lésions dans le temps· Le recalage permet en outre d'observer l'effet dynamique de la croissance d'une lésion· Nous distinguons ici le gadolinium en périphérie de la lésion et l'apparition au centre d'une cicatrice irréversible· D'autres outils de visualisation sont également disponibles : un système de double curseur est utilisé pour comparer deux coupes successives· Ici‚ une lésion diminue‚ là‚ elle augmente· Afin d'étudier plus précisément les détails‚ nous visualisons une partie de l'autre coupe par l'intermédiaire d'une fenêtre· En déplaçant cette fenêtre inter activement‚ nous vérifions la précision du recalage et nous étudions les différences entre les deux acquisitions· Ici‚ la présence d'une petite lésion dans la région d'intérêt délimité· La soustraction des intensités lumineuses entre deux coupes issues d'acquisitions différentes‚ permet une détection automatique des lésions· Les ronds clair caractérisent les lésions croissantes‚ les ronds sombres les lésions décroissantes· De la même façon on identifie les lésions sur l'ensemble des coupes des deux acquisitions· En observant une séquence dynamique de cette lésion particulière‚ nous avons remarqué que sa croissance a pour effet de repousser les tissus environnants ce phénomène s'appelle l'effet de masse· Nous avons cherché à détecter ce phénomène particulier· En calculant le champ de déformation global de cette lésion en trois dimensions‚ nous visualisons une représentation mathématique de son évolution au cours du temps qui fait apparaître le caractère plutôt sphérique de la déformation· À partir de calculs effectués directement sur ce champ de déformation‚ nous réduisons certaines caractéristiques de l'effet de masse· Ces travaux ont fait l'objet d'un dépôt de brevet· La norme du champ de déformation nous donne l'amplitude de l'effet de masse· La divergence du champ de déformation quantifie la croissance ou décroissance de la lésion· Le produit de la norme par la divergence fournit une image précise et peu bruitée de la lésion· Elle autorise une détection plus précise que celle donnée par la soustraction des intensités lumineuses· Une méthode couramment utilisée pour quantifier ces observations repose sur la segmentation 3D des lésions mais ces outils ne permettent pas de prendre en compte l'effet de masse· Nous proposons une solution pour quantifier précisément les variations de volume correspondant à l'effet de masse· Nous pensons que son étude pourrait contribuer à la compréhension de cette pathologie· Notre outil repose sur un calcul d'intégration du champ de déformation Ici‚ la courbe d'intégration‚ dont le maximum correspond à la valeur recherchée de variation de volume Ce résultat important a fait l'objet de nombreuses expériences de validation· Nous avons par exemple créé une lésion de synthèse pour laquelle la variation du volume est connue· La méthode classique‚ par segmentation‚ donne une erreur de 7% par rapport à la valeur réelle· La méthode par intégration du champ de déformation donne une erreur de 5%· Nous voulons maintenant calculer la variation du volume de l'effet de masse seul isolé sur la lésion de synthèse· Nous montrons que la méthode par cette augmentation est inopérante pour la détection· En revanche la méthode par intégration des champs de déformation donne un résultat qui correspond à 60% de la valeur réelle· Nous avons testé nos outils sur des acquisitions d'un patient suivi pendant un an· Le calcul a porté sur 24 acquisitions dont nous voyons la région d'intérêt entourant une lésion· Nous constatons que l'estimation de la variation du volume de la lésion est presque double lorsqu'on prend en considération l'effet de masse par la méthode d'intégration des champs de déformation· Cette différence significative confirme et quantifie l'effet de masse de la sclérose en plaques· Nous pensons ensuite parvenir à localiser les régions anatomiques du cerveau dans lesquelles se trouvent statistiquement les lésions· Pour ce faire nous avons mis au point des outils de recalage interpatients : nous pouvons trouver une transformation continue d'une image d'un patient vers une image d'un autre patient· En appliquant cette transformation à une augmentation du cerveau correspondant à l'image du premier patient‚ nous obtenons une augmentation automatique en région anatomique du cerveau du second patient· À l'aide de cette méthode nous pourrons déterminer dans quelles régions se situent les lésions actives· Le même type d'outil peut s'appliquer à l'étude d'autres pathologies· Ici‚ un patient atteint de glioblastome un cancer du cerveau· Nous observons comment les ventricules compensent différentiellement les variations de volume induites par la croissance d'une tumeur· Sur ce patient atteint d'aphasie focale‚ nous assistons à une atrophie importante de la substance blanche qui est également compensée par une variation de volume des ventricules· Dans ces deux exemples‚ le champ de déformation ne se limite plus à des lésions de petite taille mais est présent dans tout le cerveau· Nous espérons que ces nouveaux outils permettront de mieux comprendre l'évolution de la maladie‚ d'aider à la mise au point et aux tests de nouveaux médicaments‚ et de suivre l'évolution de la maladie en conditions cliniques·
Inria-382-Analyse_3D_sclerose-fr.mp4

Format : .mp4
258,7 Mo
768 x 576 pixels
Fichier H264. Meilleure résolution disponible
Inria-382-Analyse_3D_sclerose-fr_SD.MP4

Format : .MP4
255,1 Mo
768 x 576 pixels
00:07:39
Moyenne Definition Web
Sélection
Voir Selection
Déposer ici pour retirer de la sélection