1. Domaine de l'invention

Le domaine de l'invention est celui du traitement des images médicales.

Plus précisément, l'invention concerne un procédé de suivi d'une cible clinique dans une séquence d'images numériques médicales.

L'invention trouve notamment une application dans le traitement des images obtenues par une technique d'imagerie par exemple de type ultrasonore ou endoscopique.

2. Etat de la technique

Les techniques d'imagerie par ultrasons ou d'endoscopie sont largement utilisées dans le domaine médical pour aider les médecins à visualiser en temps-réel une cible clinique et/ou un outil chirurgical lors d'une intervention chirurgicale ou d'un examen invasif destiné à diagnostiquer une pathologie. Ainsi par exemple, les techniques d'échographie sont fréquemment utilisées lors d'une intervention nécessitant l'insertion d'une aiguille, et notamment en radiologie interventionnelle.

Il est parfois difficile pour un chirurgien de repérer par lui-même certaines cibles cliniques, telles que des tumeurs, dans une image obtenue par une technique d'imagerie par ultrasons ou par endoscopie. Afin de l'aider, on a mis à disposition des chirurgiens des outils permettant d'estimer automatiquement la position d'une cible chirurgicale dans une image échographique.

On connaît des méthodes de suivi de cible qui reposent sur la détermination d'une transformation permettant d'aligner différentes images au cours du temps. Pour ce faire, ces approches sont généralement basées sur une fonction de coût mesurant la similarité entre ces images. Les méthodes de suivi peuvent être classées selon deux catégories :

2.1 Stratégies par paires

Un premier type d'approches consiste à déterminer la position de structures anatomiques par comparaison successive entre différentes paires d'images. De nombreuses méthodes sont basées sur ce modèle telles que les approches proposées par Shekhar and Zagrodsky et Heyde et al.

De manière générale, la transformation optimale T est obtenue grâce à la minimisation de la fonction de coût suivante:

arg min 5. /,·. T o ) + R{T) Dans cette fonction de coût, Ir et It représentent respectivement l'image de référence et l'image courante correspondant à la dernière image acquise au cours du temps.. Le premier terme de la fonction de coût, dénommé S, permet de mesurer l'alignement entre une image de référence (Ir) et une image courante transformée (T°It). Un deuxième terme, appelé R, permet de pénaliser les transformations non réalistes. Le choix de l'image de l'image de référence diffère en fonction des méthodes proposées et peut avoir un impact sur la qualité des résultats de suivi. Généralement, les stratégies par paires peuvent être divisées en trois sous-catégories.

2.1.1 Stratégies par paires non-itératives

A chaque acquisition, ces méthodes comparent l'image courante à une image de référence fixe. Généralement, l'image initiale de la séquence est choisie comme image de référence. Ainsi la fonction de coût décrite ci-dessus peut être exprimée sous la forme suivante :

ar min S(I , T o I _t ) + R{T)

Où ItO représente l'image initiale de la séquence. Cependant, la performance de cette approche est liée au choix de l'image de référence. En effet, des résultats de suivi imprécis peuvent être obtenus si la qualité de l'image de référence n'est pas suffisante.

2.1.2 Stratégies par paires itératives

Pour pallier le problème précédent, ce deuxième type d'approche permet de comparer l'image courante à son image précédente. La fonction de coût peut donc être exprimée sous la forme suivante:

arg min j o !.. ·. . '}. ' o / _t ) + R(T)

Où It- 1 représente l'image précédant l'image courante. La transformation optimale Tt-1 représente la transformation optimale calculée à l'étape précédente. Cependant, l'inconvénient de ce type d'approche est lié à la dérive de l'algorithme. En effet, des résultats de suivi imprécis peuvent être observés à cause d'une accumulation de l'erreur au cours du temps.

2.1.3 Stratégies par paires hybrides

Afin de compenser cette dérive, un troisième type d'approche, proposé par Matthews et al., 2004., permet de combiner les deux précédentes stratégies. Pour ce faire, la transformation optimale T est initialisée en minimisant une fonction de coût entre l'image courante et l'image précédente. Ensuite, cette transformation est affinée en utilisant une fonction de coût entre l'image courante et l'image initiale. Cependant, ce type d'approche reste sensible à la qualité de l'image initiale. 2.2 Stratégies par groupes

Contrairement aux méthodes présentées ci-dessus, les stratégies par groupe comparent toutes les images de la séquence à l'image courante. A chaque nouvelle image courante acquise, ces approches prennent en compte toute l'information de la séquence afin d'obtenir un résultat de suivi plus robuste. Pour des applications basées sur l'image échographique, différents exemples ont été proposés par Metz et al. et Vijayan et al. Ces méthodes permettent de suivre une cible anatomique en comparant l'image courante avec une image synthétique obtenue à partir des images précédentes. L'estimation des déplacements des cibles est obtenue à partir de la minimisation de la fonction de coût suivante arg min 5(/ _{m ?} T o I _t )→ ^■ 1 {{ ^' ] ^' }

Où Im représente l'image synthétique générée à partir des images précédentes. Pour l'obtenir, Metz et al. propose d'utiliser l'équation suivante:

Ni représente le nombre d'images de la séquence. P(tk) représente le vecteur des positions des voxels appartenant à la cible au temps Tk. Ces positions dépendent directement de la transformation T. Itk(Ptk) représente l'intensité des pixels/voxels de l'image au temps tk. On peut voir que l'image de référence synthétique est obtenue à partir de la moyenne de toutes les images précédant l'image courante. Ainsi, cette méthode a l'avantage d'éviter de sélectionner une image de référence. De plus, elle permet de s'affranchir des problèmes liés à la dérive. En revanche, la principale limitation de ces stratégies est liée au fait que l'intensité de la structure doit rester constante au cours du temps. Cependant, l'intensité d'une structure est souvent affectée par différents effets indésirables comme la présence de bruit, d'artefacts, ou d'ombres.

3. Inconvénients de l'art antérieur

Un inconvénient de ces méthodes est que leur performance est généralement perturbée par des artéfacts présents dans les images de la séquence et dont le type diffère selon la modalité utilisée. Par exemple, les images échographiques sont affectées par des effets d'ombres et de miroirs. De plus, les changements de gains et d'orientation de sonde peuvent aussi avoir un impact sur ces images. L'imagerie endoscopique peut aussi être affectée par différents artéfacts tels que des réflexions spéculaires, des occultations, et des changements d'illuminations. On connaît aussi du document de Royer et al intitulé « Real-time target tracking of soft tissues in 3D ultrasound images based on robust Visua l information and mechanical simulation », publié dans la revue « Médical Image Analysis », en septembre 2016, une méthode de suivi de cible basée sur une stratégie par paires qui met en œuvre une mesure de confiance locale des intensités de l'image de référence et de l'image suivante et l'exploite de façon à minimiser l'impact de ces artéfacts sur le suivi de cible.

Un inconvénient de cette méthode est que ses performances dépendent de la qualité de l'image de référence.

4. Objectifs de l'invention

L'invention vient améliorer la situation.

L'invention a notamment pour objectif de pallier ces inconvénients de l'art antérieur.

Plus précisément, un objectif de l'invention est de proposer une solution qui garantisse un suivi performant, lorsque l'image de référence comporte des artéfacts dans la zone d'intérêt.

5. Exposé de l'invention

Ces objectifs, ainsi que d'autres qui apparaîtront par la suite, sont atteints à l'aide d'un procédé de suivi de cible dans une séquence d'images numériques médicales, une zone d'intérêt qui englobe la cible ayant été prédéterminée dans une image initiale de la séquence, dite image de référence, ledit procédé comprenant les étapes suivantes, mises en œuvre pour une image courante de la séquence, distincte de l'image de référence :

- Obtention d'une position initiale d'un modèle d'une zone d'intérêt dans l'image courante partir d'une position d'un modèle d'une zone d'intérêt dans une image précédente de la séquence ; - Obtention d'une mesure de confiance par élément d'image pour ladite image de référence et pour ladite image courante, ladite mesure étant représentative d'une confiance en une intensité de l'élément d'image;

- Transformation de la position initiale du modèle de la zone d'intérêt dans l'image courante comprenant une minimisation d'une fonction de coût basée au moins sur une différence entre les intensités de l'image courante et de l'image de référence,

Selon l'invention, le procédé comprend en outre, suite è la transformation, une étape (E4) de mise en correspondance des éléments d'image de la zone d'intérêt de l'image de référence et des éléments d'image de la zone d'intérêt de l'image courante, une étape de détection dans la zone d'intérêt de l'image de référence d'au moins un élément d'image à corriger, comprenant une comparaison (E51) de la mesure de confiance d'un élément d'image de la zone d'intérêt de l'image de référence à celle d'au moins un élément d'image correspondant dans la zone d'intérêt de l'image courante, un élément d'image à corriger étant détecté (E52) lorsque sa mesure de confiance est inférieure à celle du au moins un élément d'image correspondant et, lorsqu'au moins un élément d'image a été détecté, une étape de correction du au moins un élément détecté au moins à partir de l'intensité d'au moins un élément d'image de la zone d'intérêt de l'image courante.

Selon l'invention, la zone d'intérêt de l'image de référence est enrichie par de l'information digne de confiance contenue dans l'image courante.

Ainsi, l'invention repose sur une approche tout à fait nouvelle et inventive, qui consiste à reconstruire une image de référence améliorée, à partir des images suivantes de la séquence, en exploitant une mesure de confiance locale associée aux intensités des éléments d'images des images de la séquence.

Contrairement à l'art antérieur qui utilise soit les images précédentes originales, soit une image synthétique issue d'un moyennage des images précédentes originales, l'invention propose de former dynamiquement une image de référence améliorée au fur et à mesure du traitement de la séquence. L'image de référence reconstruite pour l'image courante devient l'image de référence pour l'image suivante.

Un avantage est de faire profiter aux images suivantes de la séquence des apports des images précédentes. La qualité de l'image de référence peut ainsi s'améliorer au cours du temps et les éventuels artéfacts d'acquisition sont petit à petit gommés par les corrections successives.

La méthode proposée a l'avantage d'être plus rapide que les méthodes par groupes puisqu'elle repose seulement sur la comparaison de deux images. Elle permet aussi d'éviter l'accumulation de l'erreur puisqu'elle ne corrige localement les structures de l'image de référence que lorsque l'image courante offre des informations susceptibles d'améliorer la qualité de l'image de référence.

Un autre avantage est qu'on ne corrige que les éléments d'image de l'image de référence qui sont identifiés comme moins dignes de confiance que leurs correspondants dans l'image courante.

L'invention permet ainsi de résoudre le problème technique de la gestion des artéfacts présents dans une séquence d'images médicales et, en particulier dans l'image choisie comme référence pour le suivi de cible. Selon un autre aspect de l'invention, la correction d'un élément d'image détecté dans l'image de référence comprend un remplacement de son intensité par l'intensité du au moins un élément d'image correspondant dans l'image courante.

Un avantage de ce mode de réalisation est sa simplicité. L'information supplémentaire extraite de l'image courante est injectée dans l'image de référence afin de l'enrichir.

Selon encore un autre aspect de l'invention, la correction d'un élément d'image détecté dans l'image de référence comprend un remplacement de son intensité par une intensité calculée à partir d'une fonction de correction qui prend en compte les intensités des éléments d'image de la zone d'intérêt de l'image de référence et celles des éléments correspondants dans la zone d'intérêt de l'image courante et leurs mesures de confiance associées.

Un avantage de ce mode de réalisation est que le calcul de la nouvelle intensité prend en compte les intensités des autres éléments d'images de la zone d'intérêt qui sont suffisamment dignes de confiance, et donc d'éventuelles divergences de niveau d'intensité dans le reste de la zone d'intérêt entre l'image courante et l'image de référence. Ceci permet de compenser notamment une variation du niveau de gain entre les deux images ou, pour une séquence d'images échographiques, un changement d'orientation de la sonde et ainsi d'obtenir une image corrigée présentant une zone d'intérêt aux intensités plus homogènes.

Selon encore un autre aspect de l'invention, la fonction de correction de l'intensité d'un élément d'image détecté calcule une intensité corrigée par un rapport entre une densité de probabilité jointe qui définit la probabilité qu'un élément d'image dans la zone d'intérêt prenne une première valeur d'intensité dans l'image courante et une deuxième valeur dans l'image de référence et une probabilité que cet élément d'image prenne la deuxième valeur dans l'image de référence. Un avantage de ce mode de réalisation est qu'il est simple à calculer et adapté à une application temps réel.

Selon encore un autre aspect de l'invention, le procédé comprend en outre une étape de correction des mesures de confiance associées aux intensités corrigées dans l'image de référence au moins à partir des mesures de confiance des éléments d'image correspondants de l'image courante. Un avantage est que le suivi de cible dans l'image suivante bénéficiera non seulement d'une image de référence corrigée, mais aussi de mesures de confiances mises à jour suite à la correction. De cette manière, on garantit de stopper la correction dynamique de l'image de référence dès qu'elle a atteint un niveau de confiance suffisant.

Selon un autre aspect de l'invention, la mesure de confiance d'un élément d'image corrigé est remplacée par celle de l'élément d'image correspondant de l'image courante.

Les différents modes ou caractéristiques de réalisation mentionnés ci-après peuvent être ajoutés indépendamment ou en combinaison les uns avec les autres, aux caractéristiques du procédé d'authentification défini ci-dessus.

L'invention concerne également un dispositif de suivi adapté pour mettre en œuvre le procédé de suivi selon l'un des modes particuliers de réalisation définis ci-dessus. Ce dispositif pourra bien sûr comporter les différentes caractéristiques relatives au procédé selon l'invention. Ainsi, les caractéristiques et avantages de ce dispositif sont les mêmes que ceux du procédé, et ne sont pas détaillés plus amplement.

Corrélativement, l'invention concerne aussi un équipement terminal comprenant un module d'acquisition d'images, un module de traitement des images acquises, un module d'affichage des images traités, un module d'interaction avec un utilisateur et un dispositif de suivi de cible selon l'invention.

L'invention concerne encore un programme d'ordinateur comportant des instructions pour la mise en œuvre des étapes d'un procédé tel que décrit précédemment, lorsque ce programme est exécuté par un processeur.

Ce programme peut utiliser n'importe quel langage de programmation. Il peut être téléchargé depuis un réseau de communication et/ou enregistré sur un support lisible par ordinateur.

L'invention se rapporte enfin à un support d'enregistrement, lisible par un processeur, intégrés ou non au dispositif de cible selon l'invention, éventuellement amovible, mémorisant respectivement un programme d'ordinateur mettant en œuvre un procédé de suivi, tel que décrit précédemment.

6. Liste des figures

D'autres avantages et caractéristiques de l'invention apparaîtront plus clairement à la lecture de la description suivante d'un mode de réalisation particulier de l'invention, donné à titre de simple exemple illustratif et non limitatif, et des dessins annexés, parmi lesquels : la figure 1 illustre de façon schématique dans deux images d'une séquence d'images médicales, une zone d'intérêt délimitée autour d'une cible clinique ;

-la figure 2 est une représentation synoptique, sous forme de blocs des étapes d'un procédé de suivi de cible clinique selon un mode de réalisation de l'invention ;

la figure 3 est une vue d'un contour segmenté d'une cible dans une coupe d'une image d'une séquence ;

la figure 4 illustre une image de mesure de confiance pour une zone d'intérêt d'une coupe d'une image de la séquence ;

la figure 5 illustre de façon schématique une fonction de correspondance entre un élément d'image de la zone d'intérêt de l'image de référence et des éléments d'image de la zone d'intérêt de l'image courante ;

la figure 6 présente des coupes d'images d'une séquence échographique traitée par le procédé de suivi de cible selon l'invention ; et

la figure 7 présente de façon schématique un exemple de structure matérielle d'un dispositif de suivi de cible clinique selon l'invention.

7. Description d'un mode de réalisation particulier de l'invention

Le principe général de l'invention repose sur la détection d'éléments d'images à corriger dans une zone d'intérêt d'une image de référence à partir de mesures de confiance locale obtenues pour l'image de référence et l'image courante et sur la correction des intensités des éléments d'image détectés à l'aide des intensités des éléments d'images correspondants dans la zone d'intérêt de l'image courante.

On détaille maintenant un exemple de mise en œuvre de l'invention. Dans ce mode de réalisation particulier de l'invention, la séquence d'images est obtenue par imagerie par ultrasons. Il s'agit d'une séquence d'images tridimensionnelles, dont les éléments sont des voxels.

Bien sûr, l'invention n'est pas limitée à cet exemple et pourrait concerner une séquence issue d'une autre modalité d'imagerie, telle que par exemple une séquence endoscopique et s'appliquer à une séquence d'images bidimensionnelles.

En relation avec la Figure 1, on considère une séquence d'images comprenant T images avec T entier supérieur ou égal à 3 images, parmi lesquelles une image de référence I _t o, une image précédente I _t -i et une image courante I _t . Par simplicité, on a représenté des images 2D. Dans chacune des images apparaît une cible Cb dont le contour est représenté schématiquement par une courbe fermée.

En référence à la figure 2, on a illustré de façon synoptique, sous forme de schéma-bloc, les étapes d'un exemple de procédé de suivi d'une cible clinique dans une séquence d'images selon l'invention.

Au cours d'une première étape El, on obtient une position initiale d'un modèle d'une zone d'intérêt de l'image courante à partir d'une zone d'intérêt Zl(It-i) de l'image précédente. Par exemple, on réalise une simple transposition du modèle de la zone d'intérêt de l'image précédente dans l'image courante, en le plaçant à la même position que dans l'image précédente. Comme illustré par la Figure 1, la zone d'intérêt initiale est donc identique en termes de position, de dimension et de forme è celle de l'image précédente.

Selon un premier mode de réalisation de l'invention, la zone d'intérêt de l'image de référence I _t o a elle-même été obtenue par simple saisie de l'utilisateur qui a délimité à la main les contours de cette zone d'intérêt dans l'image, de façon à englober complètement la cible Cb qu'il souhaite suivre tout au long de la séquence. Cette zone d'intérêt prend généralement une forme géométrique simple telle qu'un rectangle, comme illustré par la Figure 1.

Selon un deuxième mode de réalisation, la zone d'intérêt ZI(I _t o) de l'image de référence a été obtenue par délimitation d'un contour de la cible, par une méthode de segmentation connue en soi, qui peut être manuelle ou automatique. Le contour de la cible segmentée a été ensuite lissé afin de supprimer les arêtes vives et les discontinuités de forme apparues sur son contour.

Une zone d'intérêt ZI(I _t o) délimitant le contour segmenté de la cible dans l'image de référence

Ir est ensuite obtenue en construisant une représentation de l'intérieur du contour de la cible, par exemple en générant un maillage tétraédrique.

Un exemple de maillage de la zone ZI(I _t o) est illustré sur la figure 3. Cette figure correspond à une coupe d'image échographique comprenant une cible en partie située dans une zone d'ombre, hachurée en blanc. Dans cet exemple, le maillage de la zone ZI présente N _c sommets délimitant des cellules tétraédriques. La zone Z comprend au total Nu voxels.

Au cours d'une étape E2, on obtient des mesures de confiance Uto et Ut des éléments d'images des zones d'intérêt Zl(Ito) et ZI(It) .

Dans la suite, on désigne par mesure de confiance d'un élément d'image, une valeur indicative d'une probabilité ou vraisemblance que l'intensité du pixel/voxel auquel elle est associée représente la cible et ne soit pas affectée par différentes perturbations telles par exemple que des ombres, des réflexions spéculaires, ou des occultations générées par la présence d'autres objets. Autrement dit, cette mesure de confiance locale renseigne sur une qualité de l'intensité de l'élément d'image.

On connaît des méthodes d'estimation d'une mesure de confiance par élément d'image, par exemple celle décrite par Karamalis et al. dans un document intitule "Ultrasonic confidence map using random walks", dans la revue Médical Image Analysis, publiée par Elsevier en 2012, pp.1101- 1112, . Dans cet article on mesure la confiance d'un pixel/voxel de l'image échographique comme la probabilité qu'une marche aléatoire (« random walk » en anglais) partant de ce pixel/voxel atteigne les transducteurs de la sonde échographique. Le chemin est contraint par le modèle de propagation d'une onde ultrasonore dans les tissus mous. La valeur de la mesure de confiance qui est attribuée à chaque voxel est par exemple comprise entre 0 et 255.

Avec cette méthode, des valeurs de la mesure de confiance faibles, par exemple inférieures à 20 sont attribuées à l'intensité de chaque voxel situé dans une partie ombrée PO de la zone ZI, telle que celle représentée hachurée sur la figure 3.

On comprend que cette méthode de mesure d'une valeur de confiance des intensités des éléments de l'image donne une indication de localisation d'éventuelles parties aberrantes dans la zone de la cible.

Un exemple d'une image d'une carte de confiance Ut obtenue pour la zone ZI est illustré sur la figure 4. Sur cette figure, plus la valeur de confiance d'un élément d'image est importante et plus celui-ci présente une intensité élevée et apparaît donc plus clair.

Une carte U _t des mesures de confiance locale de l'image courante It peut donc être obtenue en E2, sur la base de cette méthode. Une carte U _t o des mesures de confiance locale de l'image de référence Ito a été obtenue précédemment, par exemple avec cette méthode.

De façon alternative, l'étape E2 d'obtention de mesures de confiance pour la zone d'intérêt de l'image courante It comprend une sous-étape de détection de parties ombrées dans la zone d'intérêt.

Par exemple, cette détection des parties ombrées de la zone ZI(It) met en œuvre une technique connue en soi, par exemple décrite dans le document de Pierre Hellier et al, intitulé « An automatic geometrical and statistical method to detect acoustic shadows in intraoperative ultrasound brain images » dans la revue Médical Image Analysis, publiée par Elsevier, en 2010, vol. 14 (2), pp.195-204. Cette méthode consiste à analyser les lignes de tir échographiques pour déterminer les positions correspondant à des niveaux de bruit et d'intensité inférieurs à des seuils prédéterminés. Pour la détection de parties claires, de type halo ou spécularité, plus adaptée à des images de type endoscopique, on se référera par exemple à la technique de détection décrite dans le document de Morgand et al, intitulé « Détection générique et temps réel des spécularités », publié dans les Proceedings des Journées francophones des jeunes chercheurs en vision par ordinateur, qui se sont tenues à Amiens, en juin 2015. Les spécularités sont détectées en seuillant de façon dynamique l'image dans l'espace TSV pour Teinte-Saturation-Valeur (ou HSV pour « Hue Saturation Value » en anglais). La valeur des seuils utilisés est estimée automatiquement en fonction de la luminosité globale de l'image.

On calcule, dans un deuxième temps, une mesure de confiance pour chaque élément d'image en tenant compte de la partie de la zone où il se trouve. Par exemple, on applique un masque binaire aux intensités de la zone d'intérêt de la cible. Les voxels appartenant à une partie aberrante obtiendront une mesure de confiance nulle et les voxels situés en dehors d'une partie aberrante obtiendront une mesure de confiance égale à 1.

On comprend qu'un élément d'image obtiendra une mesure de confiance plus faible s'il se trouve dans une partie détectée comme aberrante.

En ce qui concerne l'image de référence I _t o, ces mesures de confiance ont déjà été estimées lors du traitement de l'image de référence et sont disponibles en mémoire, par exemple sous la forme d'une carte de confiance. L'étape E2 comprend donc une lecture de la carte de confiance Uto dans cette mémoire.

A l'issue de cette étape E2, on dispose pour l'image courante I _t d'une carte ou image de confiance Ut et pour l'image de référence I _t o d'une carte ou image de confiance Uto-

Au cours d'une étape E3, on transforme la position initiale du modèle correspondant à la zone d'intérêt ZI(I _t -i) dans l'image courante de façon à la faire coïncider avec la nouvelle position de la cible dans l'image courante It. On exploite pour ce faire les similarités entre l'image de référence et l'image courante. L'objectif de cette étape est de déterminer une transformation des positions du modèle permettant d'optimiser une fonction de coût qui définit la similarité entre les éléments d'images de la zone d'intérêt de l'image courante et les éléments d'images de la zone d'intérêt de l'image de référence. Pour cela, nous définissons une relation permettant de lier les positions du modèle « q » et les positions des éléments d'images « p ».

Selon le premier mode de réalisation de l'invention, le modèle représentant la zone d'intérêt initiale est de forme géométrique simple, par exemple rectangulaire pour une image 2D ou parallélépipédique pour une image 3D. Il comprend notamment les sommets de la forme géométrique et définit à partir de ces sommets les cellules tétraédriques d'un maillage de la zone d'intérêt délimitée par cette forme géométrique. Ce type de modèle définit en outre une fonction permettant de lier les positions des éléments d'image de la zone d'intérêt à la position des sommets du rectangle. Afin de calculer les déplacements du modèle, on met en œuvre une approche basée intensité qui consiste à minimiser une fonction de coût C basée sur les différences d'intensité entre les pixels/voxels de la zone d"intérêt dans l'image de référence et de la zone d"intérêt dans l'image courante. Plus précisément, cette approche calcule les nouvelles positions des sommets du modèle constituant la cible en utilisant la fonction reliant les positions des N _u voxels avec les positions des N _c sommets du rectangle. Cette fonction s'exprime sous la forme p=M.q, où p est un vecteur, de dimension (3. Nu) x l, représentant les positions des N _u voxels de la zone d'intérêt, q est un vecteur, de dimension (3. N _c ) x l, représentant les positions des N _c sommets du rectangle, et M est une matrice à coefficients constants, de dimension (3.N _C ), définissant un ensemble de coefficients bilinéaires. Grâce à la minimisation de la fonction de coût C, nous obtenons les nouvelles positions des sommets q(t) ainsi que l'ensemble des nouvelles positions des pixels p(t) de la zone d'intérêt dans l'image courante.

Selon le deuxième mode de réalisation de l'invention, la zone d'intérêt initiale de l'image courante est délimitée par un contour segmenté. On considère par exemple un modèle comprenant des sommets de ce contour et définissant un maillage de la zone d'intérêt délimitée par ce contour.

De façon analogue à celle du premier mode de réalisation, on met en œuvre une approche basée intensité pour calculer les déplacements dits externe du contour de la cible, qui consiste à minimiser une fonction de coût C basée sur les différences d'intensité entre les sommets des contours de la cible dans l'image de référence et dans l'image courante. Cette approche, décrite dans le document de Royer et al déjà cité plus avant, s'appuie sur un maillage de la zone d'intérêt.

Plus précisément, cette approche consiste à calculer une déformation de cellules tétraédriques constituant la cible et applique une fonction affine par morceaux reliant les positions des u voxels de la cible avec les positions des N _c sommets du maillage, s'exprimant sous la forme p=M.q, où p est un vecteur, de dimension (3. Nu) l, représentant les positions des Ν _υ voxels de la cible, q est un vecteur, de dimension (3.N _c )x l, représentant les positions des N _c sommets du maillage, et M est une matrice à coefficients constants, de dimension (3.Nu)x (3.N _C ), définissant un ensemble de coordonnées barycentriques. Pour obtenir la position optimale du contour segmenté, on combine cette estimation des déplacements externes subis par le contour de la cible à celle de déplacements internes résultant de la simulation de la déformation d'un système mécanique masse-ressort-amortisseur appliquée à la cible.

Un déplacement optimal des sommets du contour de la cible est estimé de façon itérative en prenant en compte les deux types de déplacements interne et externe.

Dans la solution décrite, les mesures de confiance associées aux éléments d'images, respectivement aux sommets des cellules tétraédriques, sont avantageusement exploitées pour pondérer le déplacement externe, de sorte à minimiser le déplacement externe d'éléments d'image associés à une mesure de confiance faible.

A l'issue de cette étape E3, on dispose d'une zone d'intérêt ZI _T (I _t ) transformée, dont la forme, la taille et la position dans l'image courante sont optimisées par rapport à la position réelle de la cible à suivre dans cette image. Plus précisément, cette zone d'intérêt transformée est représentée par un vecteur p(t) dont les éléments d'image px(t) sont les transformés des éléments d'image px(t-l) du vecteur p(t-l) de la zone d'intérêt de l'image précédente.

Pour déterminer la correspondance entre deux images non successives de la séquence d'image, on concatène les différentes transformations locales appliquées aux images successives.

On comprend que les transformées locales successivement appliquées au vecteur p(t-l) définissent ainsi une transformée globale qui permet de passer du vecteur p(to) de l'image de référence au vecteur p(t) de l'image courante. Autrement dit un élément d'image pxtodu vecteur p(to) a pour correspondant l'élément d'image px _t dans l'image courante.

On notera que les coordonnées de l'élément d'image px _t peuvent ne pas être entières du fait des transformations successives. Dans ce cas, on lui associe les éléments d'images ayant les positions entières voisines, comme illustré par la Figure 5. Il se peut donc qu'un élément d'image pxto ait plusieurs correspondants dans l'image courante.

Au cours d'une étape E4, on parcourt les éléments d'image du vecteur p(to) de l'image de référence, selon un ordre prédéterminé, par exemple celui des N composantes du vecteur, avec N entier non nul et on associe à un élément d'image courant, px _t o du vecteur p(to), son élément d'image correspondant pxt dans le vecteur p(t). En E5i, on compare l'élément d'image courant px _t o du vecteur p(to) à l'élément d'image px _t correspondant du vecteur p(t).

La comparaison concerne plus précisément les mesures de confiance des images Uto et Ut associées aux éléments d'image correspondants dans les images Ito et It. On compare les mesures de confiance Ut(pxt) et Uto(pxto) et on détermine en E52 si Ut(pxt) est supérieure à U(pxto).

Si c'est le cas, l'élément d'image px _t o de l'image de référence est détecté comme à corriger.

On notera que si plusieurs éléments d'images pxt correspondent à l'élément d'image pxto, le résultat de chacune de leurs comparaisons contribue à la prise de décision concernant l'élément d'image px _t o. Par exemple, la moyenne de leurs mesures de confiance est comparée à celle de px _t o ou de façon alternative, la mesure de confiance la plus élevée.

Selon l'invention, on réalise en E6 une correction dynamique de l'élément d'image px _t o(i) détecté dans la zone d'intérêt de l'image de référence Ito.

Dans un premier mode de réalisation de l'invention, elle est mise en œuvre de la façon suivante :

I _d représente l'image de référence corrigée ou dynamique. px _t o est un élément d'image détecté comme à corriger.

On comprend que l'intensité de l'image de référence est corrigée dynamiquement dans les zones où la confiance locale des éléments de l'image de référence est inférieure à celle des éléments correspondants de l'image de référence. Dans ce mode, on remplace simplement l'intensité de l'élément d'image à corriger par celle de l'élément d'image Pt qui lui correspond dans l'image de référence.

Si, comme illustré par la Figure 5, plusieurs éléments d'image de l'image courante correspondent à l'élément d'image px _t o courant, on calcule une valeur de correction, par exemple par moyennage des intensités des éléments pxto, pxto2, pxto3, pxto4 correspondants ou encore par interpolation. Selon un deuxième mode de réalisation de l'invention, la correction d'un élément d'image de l'image de référence prend en outre en compte les intensités des autres éléments d'image dans l'image de référence et dans l'image courante et leurs mesures de confiance associées.

Avantageusement, on calcule une intensité corrigée Id(pxto) pour l'élément d'image px de la façon suivante :

Le terme pr, _tko (i,j) représente une fonction de densité de probabilité jointe qui définit la probabilité qu'un élément d'image dans la zone d'intérêt prenne la valeur d'intensité i dans l'image courante et la valeur j dans l'image de référence. Le terme pr _h (i) représente la probabilité qu'un élément d'image prenne la valeur i dans l'image courante It.

Ce calcul prend en compte un rapport entre une densité de probabilité jointe qu'un élément d'image de l'image de référence prenne une valeur j et un élément d'image de l'image courante prenne la valeur i et la probabilité que l'élément d'image px _t o prenne la valeur j dans l'image de référence.

Ceci permet de compenser une éventuelle différence de gain entre les deux images et éviter d'introduire dans l'image de référence une intensité corrigée qui n'est pas homogène avec la structure locale. Avantageusement, la densité de probabilité jointe est calculée de la façon suivante : pr _Vm (.i,j) (Pkto)H _t Pkt)Siiit(Pkt))SjOto Pkto))

L-l

Vr _hho i ⁱ ,i) = _j P _hho (i,i)

H*., et H* représentent des matrices de pondération associées à l'image de référence corrigée et à l'image courante. Ces matrices permettent de pondérer l'influence des pixels/voxels en fonction de leurs mesures de confiance associée. Elles sont obtenues à partir des cartes de confiance U _t et représentant la mesure de confiance locale associés aux éléments d'images de l'image courante et l'image initiale. La fonction vaut 1 lorsque x=k, et 0 ailleurs.

De cette manière, on garantit que 'intensité corrigée dans l'image de référence Id corresponde aux intensités des autres éléments d'images de l'image de référence Ito. Ceci permet de prendre en compte une éventuelle variation globale d'intensité entre l'image de référence et 'image courante, qui risquerait de rendre correction de l'image de référence incohérente. Dans le cas de 'échographie, une telle variation peut être occasionnée par un changement de gain ou d'orientation de sonde.

Au cours d'une étape E7, la carte de confiance Uto associée à l'image de référence est corrigée à son tour, en remplaçant la mesure de confiance Uto(pxto) d'un élément d'image dont l'intensité a été corrigée par une mesure de confiance corrigée, fonction de la ou des mesures de confiance du ou des éléments d'image correspondants dans l'image courante Ito.

On obtient une image de confiance dynamique U _d qui représente bien la qualité de l'image de référence dynamique I _d .

Par exemple, cette correction est réalisée à partir de l'équation suivante :

La correction consiste ici en un simple remplacement de la mesure de confiance associée à 'élément d'image px _t o par celle de 'élément d'image p correspondant à partir duquel il a été corrigé.

Dans le cas où l'élément d'image px _t o correspond à plusieurs éléments d'image px _t dans l'image courante, la mesure de confiance corrigée Ud(pxto) est obtenue à partir des mesures de confiance des éléments d'image pxt correspondants, par exemple par moyennage ou interpolation de leurs valeurs.

Les opérations qui viennent d'être décrites sont répétées pour tous les éléments d'image de la zone d'intérêt de l'image de référence Ito. Dans le mode de réalisation qui vient d'être présenté, on passe en revue les éléments d'image de la zone d'intérêt de l'image de référence et dès, qu'un élément d'image détecté comme à corriger en E5, il est directement corrigé en E6, et sa mesure de confiance mise à jour en E7, avant de passer à l'élément suivant. Bien sûr, l'invention n'est pas limitée à cet exemple de réalisation. On pourrait par exemple prévoir une implémentation de l'invention selon laquelle chaque étape est réalisée tous les éléments du vecteur ptO de l'image de référence, avant de passer à l'étape suivante.

En relation avec la Figure 6, on présente des exemples de coupes d'une séquence d'image traitée selon l'invention. La première ligne représente des coupes des images de la séquence au cours du temps. La deuxième ligne représente une évolution au cours du temps de l'image de référence corrigée dynamiquement selon l'invention. La troisième ligne montre un agrandissement de la zone d'intérêt dans l'image de référence corrigée et son évolution au cours du temps. Comme on peut le voir sur les images a), e) et i), l'image initiale Ito est perturbée par la présence d'une ombre. Les images e) à h), respectivement i) à I) dans leurs versions agrandies, mettent en évidence l'amélioration de la qualité de la zone d'intérêt de l'image de référence au cours du temps, au fur et à mesure des corrections successives par les intensités dignes de confiance de l'image courante It.

La méthode proposée a l'avantage d'être plus rapide que les méthodes par groupes de l'art antérieur du fait qu'elle repose seulement sur la comparaison de deux images. De plus, l'invention permet d'éviter l'accumulation de l'erreur puisqu'elle remplace localement les structures de l'image de référence jusqu'à ce que sa qualité soit suffisante. Elle présente des performances améliorées par rapport à une méthode de suivi basée sur une image de référence fixe, potentiellement de mauvaise qualité.

La figure 7 présente la structure simplifiée d'un dispositif de suivi d'une cible adapté pour mettre en œuvre le procédé de suivi de cible de l'invention. Le dispositif 100 est adapté, pour une image courante de la séquence, è :

obtenir une position initiale d'un modèle d'une zone d'intérêt dans l'image courante à partir d'une position d'un modèle de zone d'intérêt d'une image précédente ;

obtenir une mesure de confiance par élément d'image dans ladite zone pour ladite image de référence et pour ladite image courante, ladite mesure étant représentative d'une confiance associée à l'intensité de l'élément d'image; transformer la position initiale de la zone d'intérêt dans l'image courante par minimisation d'une fonction de coût basée au moins sur une différence entre les intensités de l'image courante et de l'image de référence,

suite à la transformation, détecter dans la zone d'intérêt de l'image de référence d'au moins un élément d'image à corriger, à partir des mesures de confiance obtenues et,

-lorsqu'au moins un élément d'image a été détecté, le corriger au moins à partir de l'intensité d'au moins un élément d'image de la zone d'intérêt de l'image courante. Le dispositif 100 est en outre configuré pour mettre en œuvre les différents modes de réalisation de l'invention qui viennent d'être décrits en relation avec la figure 2.

Selon un mode particulier de réalisation de l'invention, les étapes du procédé de suivi sont mises en œuvre par des instructions de programme d'ordinateur. Pour cela, le dispositif 100 a l'architecture classique d'un ordinateur et comprend notamment une mémoire MEM1, une unité de traitement UTl, équipée par exemple d'un microprocesseur μΐ, et pilotée par le programme d'ordinateur Pgl stocké en mémoire MEM1. Le programme d'ordinateur Pgl comprend des instructions pour mettre en œuvre les étapes du procédé de suivi tel que décrit ci-dessus, lorsque le programme est exécuté par le processeur μΐ.

A l'initialisation, les instructions de code du programme d'ordinateur Pgl sont par exemple chargées dans une mémoire RAM avant d'être exécutées par le processeur μΐ, qui met notamment en œuvre les étapes du procédé de suivi décrit ci-dessus, selon les instructions du programme d'ordinateur Pgl .

Selon un autre mode particulier de réalisation de l'invention, le procédé est mis en œuvre par des modules ou unités fonctionnel(le)s. Pour cela, le dispositif de suivi 100 comprend en outre les modules suivants : obtention GET ZI(I _t -i) d'une position initiale de la zone d'intérêt dans l'image courante ;

obtenir GET U _t , U _t o une mesure de confiance par élément d'image dans ladite zone d'intérêt de ladite image de référence et de ladite image courante;

transformer TRANS Zl(It-i) la position initiale de la zone d'intérêt dans l'image courante par minimisation d'une fonction de coût basée au moins sur une différence entre les intensités de l'image courante et de l'image de référence, suite à la transformation, détecter DET EI(I _t o) dans la zone d'intérêt de l'image de référence d'au moins un élément d'image à corriger, à partir des mesures de confiance obtenues et,

-lorsqu'au moins un élément d'image a été détecté, le corriger CORR El(Ito) au moins à partir de l'intensité d'au moins un élément d'image de la zone d'intérêt de l'image courante.

Avantageusement, le dispositif comprend en outre un module CORR Uto de correction de la mesure de confiance associée à l'élément corrigé.

L'unité de traitement UT1 coopère avec les différents modules fonctionnels décrits ci-dessus et la mémoire MEM1 afin de mettre en œuvre les étapes du procédé de suivi.

Selon un mode de réalisation de l'invention, le dispositif 100 comprend en outre une unité Mi de stockage de la position de la zone d'intérêt de l'image de référence, des images de confiance Ut, UtO, de l'image de référence corrigée Ud, de l'image de confiance corrigée Udto.

Ces unités sont pilotées par le processeur μι de l'unité de traitement 110.

De façon avantageuse, un tel dispositif 100 peut être intégré à un équipement terminal d'utilisateur ET, tel qu'un système d'acquisition d'images médicales, par exemple un échographe ou un endoscope. Il comprend notamment un module d'acquisition telle qu'une sonde échographique, un module de traitement des données acquises, un module d'affichage des données tel qu'un écran et un module d'interaction avec l'utilisateur tel qu'un clavier, une souris etc.

Les différents modules fonctionnels décrits ci-dessus peuvent être sous forme matérielle et/ou logicielle. Sous une forme logicielle, un tel module fonctionnel peut comprendre un processeur, une mémoire et des instructions de code de programme pour mettre en œuvre la fonction correspondante au module lorsque les instructions de code sont exécutées par un le processeur. Sous une forme matérielle, un tel module fonctionnel peut mis en œuvre par tout type de circuits d'encodage adaptés, tels que par exemple et de manière non limitative des microprocesseurs, des processeurs de traitement du signal (DSP pour Digital Signal Processor en anglais), des circuits intégrés spécifiques à des applications (ASICs pour Application Spécifie Integrated Circuit en anglais), des circuits FPGA pour Field Programmable Gâte Arrays en anglais, un câblage d'unités logiques. Il va de soi que les modes de réalisation qui ont été décrits ci-dessus ont été donnés à titre purement indicatif et nullement limitatif, et que de nombreuses modifications peuvent être facilement apportées par l'homme de l'art sans pour autant sortir du cadre de l'invention.