Segmentation et quantification des couches rétiniennes dans des images de tomographie de cohérence optique

Avec l’évolution des sciences, la rétine est désormais une petite fenêtre sur l’état de santé d’un patient. En effet, une image de haute résolution de la rétine peut être un argument solide de diagnostic d’une large panoplie de pathologies. En connaissant l’anatomie d’une rétine saine, toute anomalie de l’architecture, l’aspect des couches rétiniennes ou du flux vasculaire sont des informations précieuses qui, dans un contexte clinique particulier, aident le médecin à poser le diagnostic précocement (exemple : la rétinopathie pigmentaire, la maladie de Stargardt, le glaucome). La tomographie de cohérence optique (OCT), par sa non-invasivité, son application in vivo, sa haute précision, sa simplicité et sa rapidité, constitue une pierre angulaire dans la médecine généralement et dans l’ophtalmologie spécifiquement. Cette technique permet d’évaluer la morphologie vasculaire et fibrovasculaire ainsi que de mesurer l’épaisseur des différentes couches rétiniennes, ce qui aide les médecins à mieux connaître l’anatomie de la fovéa humaine et prédire l’évolution de la pathologie rétinienne. Ainsi, avec la large diffusion de l’OCT et l’offre commerciale de plus en plus importante, cet examen est devenu actuellement une routine clinique.

Malgré cette évolution assez importante du système d’acquisition de l’OCT, aucun logiciel de segmentation automatique de toutes les couches rétiniennes n’est actuellement proposé sur le marché. De plus, en parcourant les travaux de recherches publiés, nous constatons qu’aucune méthode ne détecte automatiquement toutes les couches rétiniennes visibles dans les images 2D-OCT avec une bonne précision autour de la fovéola. C’est dans ce cadre que s’inscrivent les travaux de notre thèse, où nous proposons deux nouvelles approches pour la segmentation des images OCT. L’une est conçue pour les sujets sains et l’autre pour les sujets atteints de la rétinopathie pigmentaire. Cette segmentation doit faire face à certaines difficultés. La première est le bruit existant dans les images, rendant les interfaces entre les couches mal définies. La deuxième est la double variabilité, soit de la morphologie d’un patient à l’autre, soit entre les différents appareils d’acquisition pour le même patient. Finalement, une autre difficulté s’ajoute pour les cas pathologiques, qui induisent une perte de contraste et la déformation ou la disparition des couches dans les images OCT.

Afin de contourner ces limites, nous proposons deux nouvelles approches qui englobent à la fois des méthodes locales et globales. Outre les niveaux de gris des pixels, nous exploitons des connaissances anatomiques sur la structure et l’apparence des couches rétiniennes pour la segmentation des images OCT. Ainsi, nos travaux de thèse amènent à trois principales contributions. La première est la détection des différentes couches visibles dans les images OCT. La deuxième est l’introduction d’une nouvelle énergie externe dans les contours actifs afin de modéliser le parallélisme local entre deux contours. La troisième est la segmentation des images OCT des sujets atteints de la rétinopathie pigmentaire, qui d’après nos connaissances, n’était pas faite auparavant.

L’œil est l’organe de vue qui assure la capture et le traitement des ondes lumineuses permettant à l’être vivant d’interagir avec l’environnement. Afin de mieux comprendre le principe de la vision, on a besoin de connaître son fonctionnement et plus particulièrement d’étudier les zones qui ont l’acuité la plus importante. La principale motivation des recherches est la compréhension des mécanismes responsables de toute forme de dégénérescence rétinienne, afin d’analyser certaines pathologies et d’essayer de limiter leur avancement.

L’œil est un organe sensoriel complexe, associant un système optique adaptatif et un organe récepteur (la rétine) permettant la transformation d’un signal électromagnétique (la lumière) en signal biologique (la dépolarisation axonale) qui sera transmis au cerveau.

L’œil, appelé aussi globe oculaire, est la partie fondamentale de l’appareil de vision. Il est composé de deux segments de sphère emboités (la cornée et la sclère). Son diamètre antéro-postérieur mesure environ 25 mm, ses diamètres transversal et vertical mesurent environ 23 mm. Son poids est de 7 à 8 g et sa consistance est ferme. Sa paroi est constituée [Saraux et al., 1982] :
– de trois membranes concentriques : la sclère, la choroïde et la rétine ;
– de milieux transparents disposés d’avant en arrière comme indiqué ci-dessous :

l’humeur aqueuse : un liquide transparent et homogène, incolore et limpide comme l’eau. L’humeur aqueuse est divisée en deux chambres par l’iris (muscle circulaire qui constitue le diaphragme de l’œil),

le cristallin : une lentille biconvexe transparente et élastique, dont la courbure varie au cours de l’accommodation, et qui joue un rôle très important dans la focalisation des rayons sur la rétine. Cette focalisation se fait dans la région de la macula dont la partie centrale, appelée fovéa, a le plus grand pouvoir de résolution,

le corps vitré ou l’humeur vitrée : un liquide visqueux transparent.

La rétine présente deux zones d’aspect particulier :
– la papille, une tache circulaire de 1, 5 mm de diamètre située à 3 mm en dedans et à 1 mm au-dessous du pôle postérieur de l’œil : elle correspond au point de convergence des fibres optiques de la rétine qui se rassemblent pour constituer le nerf optique,
– la tache jaune ou macula, une dépression de 3 mm de largeur sur 1, 5 mm de hauteur, située au pôle postérieur du globe oculaire, responsable de 9/10e de la vision. Elle est centrée sur la fovéa et est entièrement composée de cônes serrés. L’acuité visuelle est maximale dans cette région. Lorsque la lumière entre dans l’œil, elle traverse successivement la cornée, l’humeur aqueuse, le cristallin et l’humeur vitrée pour arriver à la rétine . La quantité de lumière entrante est contrôlée par l’ouverture de la pupille qui dépend de la contraction (myosis) ou du relâchement (mydriase) de l’iris. Celui-ci joue le rôle de diaphragme vertical circulaire.

Table des matières

Introduction
1 Imagerie de l’œil par tomographie de cohérence optique
1.1 L’œil
1.1.1 Anatomie de l’œil
1.1.2 Fonctionnement de la macula
1.2 La tomographie de cohérence optique : OCT
1.2.1 TD-OCT : Tomographie de cohérence optique temporelle
1.2.1.1 Principe physique
1.2.1.2 Les différentes méthodes de balayage
1.2.1.3 Source de lumière
1.2.2 FD-OCT : Tomographie en Cohérence Optique dans le domaine de Fourier
1.2.2.1 Principe physique
1.2.2.2 Avantages de la FD-OCT
1.2.3 Bruit de speckle
1.2.3.1 Nature du bruit
1.2.3.2 Suppression du bruit
1.2.4 Domaines d’utilisation de l’OCT
1.2.4.1 Tomographie de cohérence optique en ophtalmologie
1.2.4.2 Tomographie de cohérence optique dans les autres domaines médicaux
1.2.4.3 Applications dans le domaine non médical
1.2.5 Limites de l’OCT
1.3 Images OCT
1.4 Etat de l’art sur la segmentation d’images OCT de la rétine
1.4.1 Pré-traitements
1.4.1.1 Atténuation du bruit
1.4.1.2 Alignement des A-scans et recalage d’images
1.4.1.3 Rehaussement des images
1.4.2 Segmentation des couches rétiniennes et des interfaces
1.4.2.1 Analyse locale
1.4.2.1.a Seuillage
1.4.2.1.b Détection de contours
1.4.2.2 Analyse globale
1.4.2.2.a Modèles déformables
1.4.2.2.b Méthodes par coupure de graphes
1.4.2.2.c Approches statistiques
1.4.3 Post-traitements
1.4.4 Résultats
1.5 Conclusion
2 Méthodes de classification et segmentation régularisées avec contraintes anatomiques
2.1 Classification par k-moyennes et régularisation avec les champs de Markov
2.1.1 Classification par k-moyennes
2.1.2 Régularisation avec les champs de Markov
2.1.2.1 Choix des paramètres
2.1.2.1.a Les paramètres de la distribution gaussienne
2.1.2.1.b Le modèle de Potts
2.1.2.1.c La température initiale
2.1.2.1.d Les conditions d’arrêt
2.2 Les contours actifs
2.2.1 Energies
2.2.1.1 Energie interne
2.2.1.2 Energie image
2.2.1.3 Energie externe
2.2.2 Résolution et mise en œuvre
2.2.2.1 Contour actif classique
2.2.2.2 GVF
2.2.3 Discussion sur les paramètres des contours actifs
2.3 Le filtre de Kalman
2.3.1 Principe
2.3.2 Application pour la détection des interfaces parallèles
2.3.2.1 Initialisation du filtre de Kalman
2.3.2.2 Evolution du filtre de Kalman
2.4 Contours Actifs Parallèles
2.4.1 Etat de l’art
2.4.2 Contours Actifs Parallèles
2.4.3 Mise en œuvre
2.4.4 Discussion sur les paramètres des contours actifs parallèles
2.5 Conclusion
Conclusion

Cours gratuitTélécharger le document complet

Télécharger aussi :

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *