Segmentation par coupes de graphe m ulti-labels avec a priori de forme

1. Segmentation par coupes de graphe multi-labels avec a priori de forme Damien GROSGEORGE Caroline PETITJEAN Su RUAN Litis EA 4108 – Eq. QuantIF RFIA’14 – Rouen – 04 Juillet 2014

2. Damien Grosgeorge - RFIA’14 - ROUEN – 4 Juillet 2014 Contexte • Minimisation d’une fonctionnelle d’énergie • Segmentation, restauration, recalage… • Méthode des coupes de graphe (graph cuts, GC) efficace [Boykov et Jolly, 2001] • Obtention du minimum global • Segmentation multi-labels • Méthode flexible

3. Damien Grosgeorge - RFIA’14 - ROUEN – 4 Juillet 2014 Contexte • Ajout d’un modèle de forme : • Compenser le manque d’information • Améliorer la précision de la segmentation • Deux problèmes : • Modéliser la forme à segmenter • Intégrer le modèle dans l’algorithme des GC multi-labels

4. Damien Grosgeorge - RFIA’14 - ROUEN – 4 Juillet 2014 Plan de la présentation • Principe de la méthode des Graph Cuts et intégration d’a priori • Notre méthode : Graph Cuts multi-labels avec a priori • Comparaison des résultats sur IRM cardiaques : challenge MICCAI’12 • Conclusion et perspectives

5. Damien Grosgeorge - RFIA’14 - ROUEN – 4 Juillet 2014 Plan de la présentation • Principe de la méthode des Graph Cuts et intégration d’a priori • Notre méthode : Graph Cuts multi-labels avec a priori • Comparaison des résultats sur IRM cardiaques : challenge MICCAI’12 • Conclusion et perspectives

6. Coupes de graphe : principe Coupe de coût minimal : Terme de régularisation : Ajoutons un lien entre les pixels voisins : n-links Terme région : attache aux données Segmentation binaire : liens t-links Chaque pixel est considéré comme un nœud • Considérons le champ d’observation S (étiquette ) Terme d’attache aux données: Terme de régularisation: Histogrammes de l’objetet du fond Energie d’une coupe (d’un labelling L) : Algorithme α-expansion optimisépour l’image[Boykov & Kolmogorov, 2004] T (étiquette )

7. Damien Grosgeorge - RFIA’14 - ROUEN – 4 Juillet 2014 q p Incorporation d’a priori forme spécifique contraintes grossières • Ajout d’un terme d’a priori de forme : Terme contour Terme a priori Termerégion Termerégion Termerégion Terme contour Terme a priori Terme contour Terme a priori t-links n-links n-links t-links t-links n-links n-links t-links [Malcolm et al, 2007 ; Song et al, 2006] [Funka-Lea et al, 2006] Problème : positionner le modèle

8. Damien Grosgeorge - RFIA’14 - ROUEN – 4 Juillet 2014 Incorporation d’a priori • Ajout d’a priori à la méthode des graph cuts • Relativement peude travaux • But : • Intégrer un a priori fort représentant les variabilités de l’objet à segmenter • Se dispenser d’un procédé itératif alternant phase de recalage et phase de segmentation par graph cuts

9. Damien Grosgeorge - RFIA’14 - ROUEN – 4 Juillet 2014 Plan de la présentation • Principe de la méthode des Graph Cuts et intégration d’a priori • Notre méthode : Graph Cuts multi-labels avec a priori • Comparaison des résultats sur IRM cardiaques : challenge MICCAI’12 • Conclusion et perspectives

10. Damien Grosgeorge - RFIA’14 - ROUEN – 4 Juillet 2014 GC multi-labels avec a priori • Vue d’ensemble : Atlas Construction du modèle de forme par fusion des atlas Application des transformations aux cartes de labels et d’intensités Labels Recalage rigide et sélection de N atlas Intensités Recalage non-rigide des N atlas GC multi-labels avec a priori de forme Image à segmenter Segmentation finale

11. Damien Grosgeorge - RFIA’14 - ROUEN – 4 Juillet 2014 Création du modèle • Soient N atlas recalés rigidement sur l’image à segmenter • Recalage non-rigide des atlas sur l’image : • Minimisable par GC multi-labels (α-expansion) • Utilisation récente pour le recalage [Tang et Chung, 2007] • Nœuds terminaux : vecteurs de déplacement (discrétisation) • Critère de similarité : selon application Critère de similarité Régularisation

12. Damien Grosgeorge - RFIA’14 - ROUEN – 4 Juillet 2014 Création du modèle • Fusion locale des atlas recalés (selon voisinage) : • Utilisation classique : choix du label de score max • Normalisation et création d’une carte a priori : Différence d’intensités Pour chaque label Distance du voisin

13. Segmentation multi-labels • Graphe multi-labels : • Labels : objets à segmenter • Energiedu graphe : • T-links : • Attache aux données : défini à partir de la carte a priori • Attache à l’a priori : Attache à l’a priori Attache aux données Régularisation

14. Damien Grosgeorge - RFIA’14 - ROUEN – 4 Juillet 2014 Segmentation multi-labels • N-links : ajout d’une contrainte topologique • Contrainte GC : doit être une métrique sur l’espace des labels pour l’α-expansion : • Energie proposée : • Où :

15. Résultats expérimentaux • Base de données de 48 patients : • 16 patients pour la construction du modèle • 32 patients pour le test • Réglage empirique des paramètres • Stratégie leave-one-out sur la base d’apprentissage • Coefficient de Dice : Construction du modèle de forme par fusion des atlas Application des transformations aux cartes de labels et d’intensités Labels Recalage rigide et sélection de N atlas Atlas Recalage non-rigide des N atlas GC multi-labels avec a priori de forme Image à segmenter Segmentation finale

16. Résultats expérimentaux VD-VG - Myocarde

17. Damien Grosgeorge - RFIA’14 - ROUEN – 4 Juillet 2014 Plan de la présentation • Principe de la méthode des Graph Cuts et intégration d’a priori • Notre méthode : Graph Cuts multi-labels avec a priori • Comparaison des résultats sur IRM cardiaques : challenge MICCAI’12 • Conclusion et perspectives

18. Damien Grosgeorge - RFIA’14 - ROUEN – 4 Juillet 2014 Comparaison : MICCAI’12 • Base de données : 48 patients (CHU de Rouen) • 16 patients pour l’apprentissage • 16 patients Test1 • 16 patients Test2 • Critères d’évaluation : • Techniques: coefficient de Dice et distance de Hausdorff • Cliniques: évaluation des volumes et de la fraction d’éjection

19. Damien Grosgeorge - RFIA’14 - ROUEN – 4 Juillet 2014 Comparaison : MICCAI’12 • 4 méthodes automatiques :

20. Damien Grosgeorge - RFIA’14 - ROUEN – 4 Juillet 2014 Comparaison : MICCAI’12 • Performances techniques: • Coefficient de Dice et distance de Hausdorff sur 32 patients

21. Damien Grosgeorge - RFIA’14 - ROUEN – 4 Juillet 2014 Comparaison : MICCAI’12 • Performances cliniques: • Paramètres de la régression linéaire et coefficient de corrélation entre volumes automatiques et manuels en ED et ES

22. Damien Grosgeorge - RFIA’14 - ROUEN – 4 Juillet 2014 Comparaison : MICCAI’12 • Performances cliniques: • Analyse de Bland-Altman sur la fraction d’éjection

23. Damien Grosgeorge - RFIA’14 - ROUEN – 4 Juillet 2014 Comparaison : MICCAI’12 CMIC GCAF-multi Contours automatiques – Contours manuels

24. Damien Grosgeorge - RFIA’14 - ROUEN – 4 Juillet 2014 Conclusion et Perspectives • Proposition d’une méthode : • Segmentation par GC multi-labels avec a priori: robuste, générique, automatique • Bonnes performances au challenge MICCAI’12, sur une tâche difficile de segmentation • Perspectives : • Sélection d’atlas • Ajout de contraintes aux n-links : α-expansion β-Shrink Moves [Schmidt et Alahari, 2011] • Extension 3D

25. Damien Grosgeorge - RFIA’14 - ROUEN – 4 Juillet 2014 Fin… Merci de votre attention Des questions ? Contact: damien.grosgeorge@univ-rouen.fr