»u)iŒ sis ,* these -5*3r
TRANSCRIPT
JB; D\»U)IŒ SIS ,*
-f » THESE -5*3r $ &
PRESENTEE
,A L UNIVERSITE DE BES W< <>^
/ ' / FACULTÉ DES SCIENCES ET DE": III I IMKJUJ J v "J '? * ?
t J lflu
H.
3 if *~l. ' Josette GIRARDOT-VEEI > r M 1 Tg* *< V*1
"t-.*V^ Ingemeur de l'Ecole Polytechni | I MIIIIIIH. i f t * }r
iffe-îÀ^liisl FONCTIONNELLE "TEMPORELLE &°3. 1RANSF0MMATI0N
iV
'I I
/ l
t ! v î » " f e ^ P .^SOUTENUE LE 31 OCTOBRE DEVANT LA COMMlSSION^D.EXA
N- D'ORDRE m
THESE PRESENTEE
A L'UNIVERSITÉ DE BESANÇON FACULTÉ DES SCIENCES ET DES TECHNIQUES
POUR OBTENIR
LE DIPLOME DE DOCTEUR-INGÉNIEUR option optique et traitement des images
Josette GIRARDOT-VERDENET jgénieur de l'École Polytechnique Féminine
ANALYSE FONCTIONNELLE TEMPORELLE DES SCINTIGRAPHIES DYNAMIQUES PAR LA TRANSFORMATION DE KAHRVNEN-LOEVE
SOUTENUE LE 31 OCTOBRE. DEVANT LA COMMISSION D'EXAMEN :
M M . J . - C H . V I É N O T PralecseurM'Untverflte de Besançon Directeur du Ube-raiolre de Physique Générale et Optique
R. BIDET Professeur à l'Université de Besançon Chef du Service de Médecine Nucléaire & Biophysique
J. CLAVIER Ingénieur.
Directeur inforraatek Industries
J. DUVERNOY Maître de Rechercha au CNRS
D. HAUDEN ProftSKur i l'Ecole Kationale supérieure des MJaomccanliiijes de fiesaut.ua
, Examinateurs
UNIVERSITÉ DE FRANCHE-COMTÉ BESANÇON
Préaidant : Manataur la Prof enaur Jacques ROBERT
FACULTÉ DES SCIENCES ET DES TECHNIQUES
M . la Professeur J n n BULABOIS Physique Générale-optique
M. ht Profeeeeur Bernard MILLET Botanique
M. Raben GUYETANT, Maltre-Auiitont BJai animale Ecologie
M M . THIEBAUT, LEVEQUE
DOYENS HONORAIRES M M . GLANQEAUD, JACQUEMAIN. CHATELET, THIEBAUT, BERNARD
M M . BENNETON. CHATELET. ME5NAGE. QUANTIN. THEOBALD N.. THlRï. TRILLAT, TRONCHET, UEBERSFELD
M M . BANTEGNIE ftobm
BERNARD Jean BIDAULT Miefttt BROQUET Paul BRUCKERT Sylvain
CAPODANNO Plana CERUTTI Ernest CHALEAT Raymond CHARDON J-Claude CHAUVE Plam COUGNAROJaen DEVIN Clauda QOBREMEZJean-Fr. DUBOUCHETJacquea 6ALATRY Louis GAUOEMERYvM GIRARDET Claude GOMOT Lucien GOUARNE René GRAS Georges GREMILLARD Jean KARCHEJ-PeiH LALLEMENT Gérard LAUDE Bernard LeSAINT Pion*
: Mathématiques : Mathématiques : Chimie Phyalqua
: Géologie : Ecologie végétais : Physique Gto optique : Mécanique théorique : Chirrrîa appliquée : Mécanique appliquée
: Géologie mtnéralooja : Mathématiques ;CMmla 1er cycle : Biologie : Physiologie végétale : Physique moMculaira
: Physique Moléculaire : Zoolagie-Embryologle : Mathématiques : Mathématique*
: Mécanique appliquée : Chimie organique : Mathémetiquea I
MlELLOU J-Cbude MILLET Barnard MONTAGNÉR Hubert M0REEL5Guy OLIVIER Mrehal OYT ANA Claude PAGETTI Jacques
P A R I Z E T J B M PLUVlNAGEPHSppo
RANGHEARD Yves filFPUNGERJean ROBERT Dental ROBERT Guy
THEOBALD j-Gérard THIEBAUT Jean TREHEL Michel VERNEAUX Jean VIENOT Jean-Charles WEIL Michel
; AnaJyee numArlque : BoisnlquB ; PsychoptrysJc-Iogia
: Ehcnonfq. quantique
: Cgrroslon et traitements d« surface
: Physque de* saGdea ; Géologla : Physiologie animale
: SectrQcWmJe : Mathématiques l : Spectroieopie hertzianne : Pétrogr. minéralogie
: Zoologie-Embryalggja : Physique Gle optique ; Msihématfquu
M. Jean-Marie RUNGE
I.U.T. da BESANÇON
M M . GENTYL Clauds . MARTINET André SONZOGNO Robert
Spédefité : Physique Spécialité : Chimie Spécialité : Mécanique
I .U.T. da BELFORT
KAUFFMANN J-Matia Spécialité : Etectiotechnique MANDRET Gérard SpécisHté : Eectronique
Spécialité : Mécanique Spécialité : Physique Spécialité ; Informatique
OIKNINS Claude FRENEL Jesn-Plerre STAMON Georges
Ce travail a été effectué au Laboratoire de Médecine NucLéalre et de
Biophysique en collaboration ovec le Laboratoire d'Optique de Besançon, sous
La direction de Monsieur Le Professeur VIENOT. Je le remercie vivement pour
l'honneur qu'IL me fait en acceptant La présidence de ce jury.
Je remercie MansLeur Le Professeur BIDET, chef de service de Médecine
Nucléaire, qui m'a orientée vers Le traitement des Imoges et m'a accordée Le
temps nécessaire a La réalisation de ce travail.
Je remercie Monsieur HAUDEN et Monsieur CLAVIER de L'Intérêt qu'ils
cnt bLen voulu porter a cette étude en me faisant L'honneur de participer
à ce jury.
Sans L'apport scientifique et amlcaL de Jacques DUVERNOV, ce trovalL
n'aurait jamais vu le jour. Je Le remercie vivement pour ses conselLs et Le
soutien amlcaL qu'IL a eu à mon égard.
J'aimerais associer à ce travail mes amis, Jean-Claude CARDOT, Michel
BAUD et Hélène CHERVET qui m'ont soutenue et aidée fidèlement depuis toujours.
Je n'oublie pas tous mes camarades du service de Médecine Nucléaire,
qui ont contribué â La reaLLsatlon de ce travail, et en particulier Marle-Laure
Allemandet qui a assuré La composition de ce texte.
TABLE DES MATIERES
INTRODUCTION 1
CHAPITRE I : La s c i n t i e r a p h i e 5
1 . 1 . La gamma-caméra 7
1.1.1. Principes 7
1.1.2. Qualités intrinsèques d'une gamma-caméra 9
1.1.3. Qualités extrinsèques 11
1.1.4. La réponse de la caméra 12
1.2. L'ordinateur 14
1.2.1. Le système 14
1.2.2. Les acquisitions 16
1.2.2.1. Le mode "list" 16
1.2.2.S. Le mode "frame" 17
1.2.2.3. Le mode "gated" 17
1.3. Les examens scintigraphiques 19
1.3.1. Les explorations statiques et les explorations dynamiques
1.3.2. La scintigraphic rénale 26
1.3.3. La scintigraphic cardiaque ' 26
CHAPITHE II : Traitement numérique des scintigraphies 31
II.1. Techniques couramment utilisées 33
II.1.1. Traitement des scintigraphies rénales 33
11.1.1.1. Détermination de la fonction d'épuration globale
11.1.1.2. Détermination des clairances séparées 37
11.1.1.3. Détermination-de la réponse impulsionnelle 38
11.1.1.4. Imagerie 45
34
II.1.2. Gammacinëangiographie à l'équilibre
11.1.2.1. Prétraitement
11.1.2.2. Détermination des contours
11.1.2.3. Calcul des paramètres caractéristiques
II.2. Autres techniques de traitement des images
11.2.1. Modification r.e l'histogramme
11.2.2. Lissage
11.2.3. Filtrage
I I . 2 . 3 . 1 . Le f i l t r e i n v e r s e
I I . 2 - 3 . 2 . Le f i l t r e de Wiener pour l e s images
1 1 . 2 . 4 . Les opérateurs de bords
1 1 . 2 . 4 . 1 . Les méthodes l i n é a i r e s
1 1 . 2 . 4 . 2 . Les opérateurs non l i n é a i r e s
CHAPITRE I I I : La transformation de Karhunen-Loeve
I I I . 1 . Formalisme de l a transformation de Karhunen-Loeve
I I X . 2 . Propriétés de l a transformation de Karhunen-Loeve
111.2.1. Erreur de troncature minimale
111.2.2. Mesure de la dispersion
111.2.3. Entropie maximale
111.3. Mise en oeuvre de la transformation
111.4. Le problème à deux classes
111.4.1. Principe
111.4.2. Mise en oeuvre
CHAPITRE IV : Images fonc t ionne l l e s sc int igraphiqueB
I V . 1 . La s c i n t i g r a p h i c rénale
IV. 1 . 1 . Choix des zones d ' i n t é r ê t
I V . 1 . 2 . Normalisation
I V . 1 . 3 . Calcul des images p r i n c i p a l e s
I V . 1 . 4 . Résu l ta t s
as 88
88
91
IV.2 . La s c i n t i g r a p h i e cardiaque
I V . 2 . 1 . Mode de traitement
I V . 2 . 2 . Résu l ta t s
I V . 2 . 3 . Discuss ion
93
96
96
IV.3 . Le problème à deux c l a s s e s
BIBLIOGRAPHIE
j INTRODUCTION/
En médecine, l'image est un outil indispensable pour visualiser,
transporter et conserver l'information. Le médecin isotopiste dispose pour
ses diagnostics d'images scintigraphiques ou de séquences d'images représen
tant le transit du produit radioactif à travers l'organisme.
De nombreux problèmes se posent pour la saisie et le traitement de
cette information.
Il faut pour construire l'image, déterminer un protocole d'enregis
trement qui rende compte de la fonction de l'organe à étudier et qui élimine
le plus possible le bruit inhérent à la radioactivité (faible taux de compta
ge) et à la gammacaméra (distorsion, temps mort). Dans le premier chapitre,
nous décrirons le système d'acquisition des données scintigraphiques : gamma-
caméra et ordinateur ainsi que les différents types d'examens que nous pra
tiquons dans notre laboratoire.
Pour utiliser l'information contenue Hj.ns une image, il faut la ren
dre plus appar—te par un lisssç;s: un filtrage, une modification de la visu
al isaticn ou ui. t enforcement des contours. Dans le cas d'une séquence tempo
relle d'images, i . est possible de déterminer des zones d'intérêt sur une
image représentant l'organe à étudier. Dans un second temps, une courbe de fi
xation du traceur à l'intérieur de ces zones rend compte de la cinétique du
traceur donc de la fonction de l'organe observé. Dans le deuxième chapitre,
nous développerons plus précisément les techniques de traitement d'images
qui sont à notre disposition et exposerons plus particulièrement les appli
cations que nous en faisons avec des scintigraphies rénales et cardiaques qui
réunissent tous i.s problèmes que le médecin peut rencontrer dans l'interpré
tation d'une scintigraphic dynamique.
Une séquence d'images renferme, au sens de la théorie de l'informa
tion, une quantité finie d'information. Cependant le cerveau ne peut tenir
compte que d'une partie relativement faible de cette information. Le problème
qui se pose est alors de ne garder -,.ie l'essentiel et de trouver d, s techni
ques qui permettent de définir et de chois/r :et essentiel. Dans le troisième
chapitie, nous avons développé le formalisme de la transformation de Karhunen-
Loeve qui est la méthode la plus appropriée pour ce tri, puisque seule capa
ble de réaliser une compression de l'information au sens de l'erreur quadra
tique moyenne.
Nous l'avons appliquée, dans le quatrième chapitre* pour l'obtention
d'images fonctionnelles cardiaques et rénales,. La délimitation des contours
d'organes sur une image est souvent imprécise ; pour différencier deux zones
voisines à évolution temporelle différente, nous avons appliqué la transfor
mation de Pukunaga-Koontz qui utilise les propriétés de la transformation de
K?rhunen-Loeve dans le cas de la scintigraphic cardiaque où ventricules et
oreillettes se superposent.
Ce travail a pour but de déterminer si la compression d'information
par la transformation de Karhunen-Loeve apporte des éléments objectifs dans
l'interprétation des scintigraphies dynamiques.
1
CHAPITRE I
F LA SCINTIGRAPHIE /
L'utilisation des isotopes radioactifs en médecine a connu un essor
considérable au cours de ces dernières années.
La scintigraphic consiste à étudier, au niveau d'un organe, le deve
nir d'un radioélément ou d'une molécule marquée, après son introduction dans
l'organisme le plus souvent par voie veineuse.
Les radioéléments utilisés sont pratiquement toujours des émetteurs
gamma, les radiations bêta étant trop facilement absorbées et détectées seu
lement lorsqu'elles sont émises près de la surface cutanée »
Les images scintigraphiques obtenues par ±a gamma-caméra fournissent
non seulement une information sur la morphologie de l'organe étudié, mais éga
lement une information sur sa fonction qui permet de détecter des anomalies
qui peuvent être infra-cliniques. La connexion de la gamma-caméra à un ordi
nateur apports de plus la possibilité d'améliorer la qualité des images et
de quantifier les paramètres caractérisant la fonction étudiée.
Irl- LA GAMMA-CAMERA (photo 1)
I.1.1.-Principes : (57)
sa caméra à scintillation type Anger (Figure I) est constituée d'un
collimateur, d'un détecteur, d'un guide de lumière, de 19 photomultiplicateurs
et d'un circuit de positionnement et de sélection des impulsions.
Le collimateur guide les photons vers le scintillateur* Il en existe
3 types :
- Le collimateur à trou unique (pin hole) permet d'obtenir une
image renversée de la source avec une grandissement fixé par la
distance source-collimateur. Il est donc réservé à l'étude de
petits organes pouvant se trouver le plus près possible du dé
tecteur.
a
FIGURE 1
Pholomulliplicateurs
La caméra à scintillation
Vues en-coupe de différents collimateurs pour caméra à scintillation
a) collimateur type "pin-hole"
b) collimateur multicanaux à canaux parallèles
c) collimateur multicanaux à canaux divergents
- Le collimateur de type droit est une plaque circulaire d'allia
ge de plomb percée de canaux dont le diamètre et la longueur sont
imposés par la résolution. L'épaisseur d'absorbant entre les ca
naux est fonction de l'énergie émise. L'image qui se forme sur le
détecteur est égale en grandeur à la source observée.
- Le collimateur divergent, dont les canaux divergent radialement
d' un foyer géométrique virtuel, augmente le champ de vision de
la caméra mais dans ce cas l'efficacité de transmission n'est pas
uniforme sur tout le champ.
Faisant suite au collimateur la tête de détection comporte un mono
cristal d'iodure de sodium enrichi au thallium de 30 cm de diamètre et de
1,27 cm d'épaisseur. Il est couplé optiquement par l'intermédiaire d'un guide
de lumière aux photocathodes de 19 photomultiplicateurs.
La tête de détection est suivie par un circuit de positionnement :
c'est une matrice de résistances reliées aux photomultiplicateurs qui conver
tit leur sortie en 4 signaux t X , X**, Y , Y~ qui correspondent aux coordon
nées de l'impact du photon sur le cristal. Ces signaux ainsi qu'un signal te
nant compte de l'énergie du photon sont fournis à un circuit de sélection de
l'énergie qui permet de ne transmettra que les impulsions correspondant à
une fenêtre d'énergie donnée.
1.1.2.-Qualités intrinsèques d'une gamma-caméra : (60)
Ce sont les caractéristiques qui définissent les propriétés de la tête
détectrice sans collimateur :
- Largeur à mi-hauteur de la fonction de dispersion linéique :
la source linéique est produite à partir d'une fente (l mm x 5 cm)
ménagée dans un bloc de plomb. La fonction de dispersion est dé
terminée au centre du champ en étudiant l'image de la fente.
10
• FIGURE 2
^ ^ ^ J
^ . ••*"* , ^ , ' ^
S-
IS ••••" i
/ /
/
+
+
*
\ \
l 1 \ \ I 1
t *
/ 2 /
+
+
t / • /
/ / / r
t 1
t t /
t i / /
4
' ; *
*
+ + *
•t i
t
/ /
ï
se ï.
s-8 Q
z n
/ S
Courbes de réponse des gamma-caméras à activité réelle croissante.
- L'homogénéité du champ est étudiée par l'enregi^iLement d'une
source ponctuelle placée de façon à voir le diamètre du cristal
sous un angle constant.
- L'étude de la dispersion est effectuée par transmission à tra
vers une mire plombée représentant un quadrillage.
- La résolution géométrique est étudiée avec une mire à 6 secteurs
dont les espacements et les diamètres des trous sont variables
d'un secteur à l'autre.
- La réponse de l'appareil à taux de comptage croissant est prise
comme test de saturation : c'est l'intervalle de temps minimal
compté à partir de l'apparition d'une impulsion au bout duquel
1'ensemble de comptage peut enregistrer une nouvelle impulsion.
Ce temps est imposé par un blonage électronique. Il est plus
long que le temps mort du détecteur et que le temps de résolution
de l'ensemble de comptage. Il est en général de l'ordre de 10 à
15 M s (Figure 2).
1.1.3.-Qualités extrinsèques :
Ce sont les caractéristiques de l'ensemble détecteur plus collimateur :
- La résolution en énergie mesurée avec un analyseur multicanaux est
définie par -, , où E est l'énergie considérée et A E/E la largeur
à mi-hauteur relative.
- La résolution spatiale étudiée grâce à des fantômes d'émission de
forme radiale.
En conclusion) les qualités d'une gamma-caméra doivent permettre :
- l'étude d'un organe de dimensions restreintes avec recherche
d'une très bonne résolution comme qualité première,
- l'étude d'un organe de taille importante avec recherche d'une
résolution acceptable sur un grand champ,
- l'étude dynamique avec recherche d'une Linéarité conservée le plus longtemps possible avec une bonne sens ibi l i té .
1.1.4.-La réponse de la caméra : (s)
Nous pouvons considérer que la réponse à une source ponctuelle d'activité unité d'un détecteur collimate est le produit de 2 termes l iés à sa sens ibi l i té D(x.y} et à sa résolution spatiale P(x.y).
La sensibi l i té est définie comme étant l'intégrale des événements perçus sur tout le champ de la caméra pour une source ponctuelle :
D(xo.yo) = (1 + fp + fs) . I l Pg (x.y) dx . dy (1) J/champ
où Pg est la réponse du détecteur aux photons primaires fp est la fraction de photons qui  pénétré les parois du collimateur fs est la fraction de photons qui provient d'interactions compton dans la
source ou dans Le collimateur.
La résolution spatiale est déterminée par la forme de la réponse à une source ponctuelle, c'est la fonction de dispersion ponctuelle (FDP).
D(x.y}
La réponse du détecteur est fonction de la distance entre l'objet et
le détecteur. Elle est en général linéaire, c'est-à-dire si T(f) est La trans
formation que fait subir le système à un objet, on a t
T(a.f) =* a T(f) (3)
La réponse est isoplanétique : un déplacement de l'objet entraine un déplacement identique de l'image.
PHOTO 1 : La gamma-caméra
PHOTO 2 : L ' o r d i n a t e u r e t s e s p é r i p h é r i q u e s
14
En f a i t , nous constatons que l a réponse de la caméra n ' e s t pas homo
gène sur tout l e champ de v i s i o n , c ' e s t - à - d i r e que l a forme de La FDP n ' e s t
pas indépendante de l a p o s i t i o n du p o i n t .
Les v a r i a t i o n s d'homogénéité sont dues à des d i s t o r s i o n s s p a t i a l e s
( e f f e t de bordj , à l ' e f f e t des queues de d i s t r i b u t i o n des FDP e t aux v a r i a
t i ons de s e n s i b i t é en fonction de la p o s i t i o n de l a source par rapport aux
d i f f é r e n t s photomult ip l icateurs e t du rég lage de c e s photomult ip l icateurs .
Cependant, en considérant l e s moyennes des FDP mesurées en p l u s i e u r s
points du champ, nous pouvons considérer en première approximation la caméra
comme un système i n v a r i a n t . Dans ces c o n d i t i o n s , l ' équat ion d'un système
objet-image peut s'exprimer ;
I = 0 ft FDP (4)
où a s i g n i f i e la convolution
La gamma-caméra e s t couplée à un c a l c u l a t e u r qui permet après l ' a c q u i
s i t i o n des données d 'e f f ec tuer tout tra i tement mathématique des images.
1 . 2 - L'ORDINATEUR (photo 2)
1 . 2 , 1 . - L e système :
Le système utilisé est un calculateur Informatek de 64 k mots de 16
bits muni d'un opérateur multiplicateur câblé. Il est doté d'un langage As
sembleur, d'un langage Fortran et d'un langage macro-fonction permettant l'en
chaînement et l'exécution automatique de tout type de programmes.
Un interface d'acquisition, convertisseur analogique digital permet de
stocker les données issues de la gamma-caméra. Ces données sont stockées dans
des matrices 64 x 64 où chaque élément contient le nombre -*e coups (radioacti
vité) reçus par le point correspondant.
Lecteur rapide de
ruban perforé
Calculateur MATFK 1026
Caméra I G.E.
Uni té d i s q u e CDC
© Unité BM
Caméra II PICKER
X.
Ordinateurs et périphériques.
16
Une unité da disques (fixe + amovible) constitue une mémoire de masse
de 9 méga-octets où jont stockés les images et les programmes.
Une unité de bande magnétique permet l'archivage des données et de;,
programmes•
Une imprimante alphanumérique Logabax et une imprimante électrostati
que Statos sont les supports des résultats numériques des courbes et des
images.
La télévision possède une mémoire de 64 k mots de 9 bits qui sont ba
layés et rafraîchis continuellement. Cette mémoire est organisée comme une
matrice 256 x 256 où chaque point de coordonnées X, Y est adressé par 16 bits
(8 bits pour X, S bits pour Y). Chacun des mots à 9 bits correspond à un
point sur 1*écrani il peut contenir une valeur entre 0 et 255 (8 bits),-le
9eme bit étant un bit d'adressage vers la mémoire de l'échelle couleur. Cette
mémoire couler •• consiste en 256 mots de 12 bits partagés en 3 groupes de 4
bits correspondant aux couleurs rouge vert et bleu.
Un ensemble de programmes permet d'acquérir» de traiter et de vi
sualiser des données sur la télévision, il est de plus possible de visualiser
une séquence d'images en mode cinéma au rythme désiré*
Une console munie d'un clavier alphanumérique et d'un écran de contrôle
assure la liaison homme-machine (Figure 3).
1.2.2.-Les acquisitions :
L'interface H821 permet divers types d'acquisition en fonction des
données à enregistrer.
1.2.2.1.-Le mode "list"
Dans ce type d'acquisition tout événement provenant de la gammacaméra
est enregistré sur un mot (8 bits pour X, 8 bits pour Y), il est possible de
17
stocker 2 paramètres supplémentaires : 8 b i t s pour l 'énergie et B bi ts pour
un paramètre physiologique. Des impulsions d'horloge sont également enregis
trées à intervalles de temps réguliers ( l m s , 10 ms ou 100 ms) de manière à
pouvoir secondairement reconstituer des images.
Ce Bod* d'acquisit ion est t rès .auple puisqu ' i l ne nécessite aucun
protocole à priori* cependant i l exige une grande place disponible sur le
disque.
1.2.2.2.-Le mode "frame"
Les données sont acquises dans une matrice 64 x 64 ou 128 x 128*
correspondant au champ de la caméra : chaque fois qu'une impulsion est enre
gistrée à la position (x,y) du détecteur, l'élément correspondant de la ma
trice est incrémenté de 1. A la fin de l'acquisition la matrice représente
l'image bid4-jensionnelle de l'organe. Il est possible d'enregistrer des sé
quences d'acquisition à durée et intervalle de temps choisis.
1.2.2.3.-Le mode "gated"
L'acquisition des données de la gamma caméra est synchronisée sur un
signal périodique physiologique par exemple le pic de l'onde R de 1'électro-
cardiogramme*
Les coordonnées (x,y) des événements perçus sont stockées de manière à
fournir un ensemble de 16 images de 64 x 64 points ou de 64 images de 32 x 32
points grâce à un compteur d'images qui est réinitialisé à la détection du
signal de synchronisation.
Les données enregistrées au cours d'une seule révolution sont en trop
petit nombre pour permettre une interprétation statistique valable. On addi
tionne donc les informations provenant d'un grand nombre de cycles (Figure 4).
1 U cycle
Principe de la gamma-cinéangiocardiographie séquentielle
19
Les données sont accumulées sur la mémoire de la télévision et trans
férées périodiquement (2 à 3 fois au cours d'une acquisition) sur le disque.
Un histogramme des cycles est également visualisé sur la télévision, il per
met à l'opérateur de ne conserver que les cycles d'une durée comprise à l'in
térieur d'une fenêtre de manière à constituer des images ayant toutes la
mime durée.
1.3- LES EXAMENS SCINTIGRAPHIQUES (58)
La grande spécificité des marqueurs a permis d'étudier en scintigraphic
presque tous les organes. Nous pouvons considérer qu'il existe 2 groupes d'ex
plorations scintigraphiques : les explorations statiques qui permettent d'ob
server l'état d'un organe et les explorations dynamiques qui suivent le deve
nir de molécules marquées au cours du temps* Parmi ces dernières nous déve
lopperons plus précisément les scintigraphies rénales et les .scintigraphies
cardiaques qui sont le but de notre étude et qui se prêtent bien à tout type
de traitement numérique.
1.3-1.-Les explorations statiques et les explorations dynamiques :
La scintigraphic consiste à injecter par voie veineuse, le plus sauvent,
un produit radioactif (technetium au iode radioactif) fixé sur une molécule
ayant des affinités avec l'organe à étudier'.
Après un temps plus ou moins long, correspondant au métabolisme de la
molécule, on observe la fixation du radioélément sur l'organe considéré.
L'intensité de chaque point de l'image eàt alors fonction de la profondeur
de l'organe et du taux de concentration.
Dans une exploration statique* une image analogique tirée sur papier
polaroid permet d'observer la morphologie et la structure de l'organe consi
déré. Il est de plus possible d'enregistrer ces données sur l'ordinateur de
manière à fournir une quantification d'une partie de l'image par rapport à une autre ou par rapport à un enregistrement précédent. Dans ce type d'exploration, les plus fréquemment entreprises sont :
— les explorations pulmonaires — les explorations osseuses — les explorations thyroïdiennes - les explorations hépato-spléniques — les explorations cérébrales
Une exploration dynamique est une succession d'images répétées, à intervalles de temps connu et qui permet dès 1 ' injection de suivre la cinétique du produit. I l est nécessaire pour des raisons de faible taux de comptage et pour quantifier les paramètres définissant cette cinétique, d'enregistrer la séquence temporelle à l'ordinateur.(47)
La série ainsi constituée permet à l'intérieur de zones d'intérêt, tracées manuellement sur une image, de déterminer des courbes d'évolution temporelle de la radioactivité. I l est alors plus aisé d'intégrer l'information par un traitement de courbes et un traitement d'images.(51}
Parmi ces explorations, les examens les plus fréquents sont ;
- la scintigraphie cérébrale, avec enregistrement dès l ' injection pendant 3 mn. Elle permet une étude comparative de la vascular!-sation des deux hémisphères cérébraux
- la scintigraphie des glandes salivaires, enregistrée pendant deux heures à des intervalles de temps précis, permet d'apprécier la fonction secrétaire et excrétoire des glandes salivaires
- la scintigraphie rénale, que nous développerons fournit des renseignements sur la valeur globale de l'épuration rénale ainsi que la valeur fonctionnelle de chaque rein (Photos 3-4-5-6-7).
ïâ^
î^^iart* 1
• a a a » — « **K
Images analogiques : 3- perfusion 4- captation 5-
excretion
Images digitales
0 0
Les zones d'intérêt
1- rein gauche
2- rein droit
3- coeur
4- vessie
FIGURE S
Néphrogrammes bruts :
1 — nêphrogratnme gauche
2 - néphrografflme droit
3 - courbe vaseulaire
AUTOMATIC DATA PROCESSING IN RENAL ISOTOPIC INVESTIGATIONS
SEPARATE AND OVERALL CLEARANCES AND TRANSIT TIMES
CARDOT JC, BAZIN R, VERDENET J , °ARMENTIER M., BAUO M, QIDET R, KAB. DE BIOPHYSIQUE ET CUN.DE DEFtVWQ CHU » BESANCON - FRANCE
DATA ACQUISITION
fpREPROCESa,]
^DISPLAY'I
MAGES •'Fii RES. opiNT*:,
;cuRVEsi;FiLEÎ a».- .fc.*^«ltl'V It' I'll
\r1AGNj RESULT^
DATA PROCESSING GLOBAL CLEARANCE
MONO AND BICOMPARTIMEN. TAL ANALYSIS TAUXE'S'POLYNOME
SEPARATE CLEARANCES AND TRANStT TIMES
CORRECTED NEPHROGRAMS FROM VASCULAR ACTIVITY ;
SSgSHJ WHOLE-BODY: 3 S ? s i OBERHAUSEN'S AU30RITM
DECONVOLUTION ANALYSIS
Q U I . whora body adMly A M . rénal Eumutoto actMlv during
I n » Msroa!M">t|>TKrranvttnie ajtetcelculalBd b y l M s l square"
Alll./' "Will dl
'... dl
Hill.n.GHUd.c.Alll
...-• : J
26
- la scintigraphic cardiaque, de mise en oeuvre récente, fournit
des renseignements sur l'état contractile du myocarde.
1.3.2.-La scintigraphie rénale : (photo 9) (24 - 46)
Le malade est confortablement installé sur une chaise longue aménagée
spécialement dont le dossier est parallèle à la gamma-caméra et incliné à
45°. Un butterfly est mis en place dans une veine du bras, il permet d'effec
tuer l'injection rapide et ensuite des prélèvements sanguins successifs.
Dès l'injection de 5 mCi de DTPA Technetium l'ordinateur enregistre
les données suivant le protocale : 12 images de 5 secondes
30 images de 10 secondes
24 images de 1 minute,
soi!; au total 30 minutes d'acquisition.
Sur des images paramétriques, l'opérateur détermine 4 zones d'intérêt (photo 8)
2 zones englobant les parenchymes rénaux gauche et droit, une zone cardiaque
et une zone vesicale. Les courbes d'activité temporelle correspondantes sont
rangées dans un fichier. Elles permettent la détermination de paramètres spé
cifiques : (figure 5)
- clairance globale : la clairance représente la quantité de
sang totalement épuré par minute
- clairances proportionnelles de chaque rein
- néphrogrammes corrigés de l'activité vasculaire
- fonctions de transfert
1.3.3.-La scintigraphie cardiaque : (photo 10)
Après injection intraveineuse de 20 mCi de Technetium, le malade est
placé en position allongée. Différents angles d'incidence de la caméra sont
essayés de manière à séparer le plus nettement possible les ventricules gauche
et droii: et les oreillettes.
PHOTO 10
La scintigraphie cardiaque
T
PHOTO 11 : Les 16 images du cycle cardiaque
29
L'enregistrement 3ur ordinateur commence par une phase d'acquisition
de l'êlectrocardiogranune de manière â connaître la -iurée moyenne du cycle
cardiaque et de fixer des bornes inférieure et supérieure hors desquelles
les cycles ne seront pas pris en compte dans l'enregistrement final.
Puis commence pendant 10 mn, l'enregistrement proprement dit, en posi
tion oblique antérieure gauche (OAG), puis oblique antérieure droite (OADJ,
Cet enregistrement est' la somme de 600 à 700 cycles cardiaques découpés en
16 images. Le découpage est synchronieê sur le pic de l'onde R de l'électro
cardiogramme. Ch'.que image dure l/16ème du temps moyen des cycles précédents.
Un prétraitement permet ensuite de zoomer, lisser et filtrer les ima
ges qui sont sauvegardées sur bande magnétique.
Ultérieurement, le traitement consiste à déterminer des zones d'inté
rêt ventriculaires, auriculaires et de bruit de fond sur des images fonction
nelles de manière à évaluer les paramètres caractérisant les performances
cardiaques : (photo 11)
- fraction d'éjection ventriculaire gauche
- fractions d'éjection régionale du ventricule découpé en secteurs
- fraction de régurgitation
Nous développons dans le chapitre suivant les problèmes posés par le
traitement numérique des scintigraphies et les solutions ^-oposées pour four
nir au médecin une interprétat ion aussi fiable e t reproductible que possible.
CHAPITRE II
h RAITEMENT NUMERIQUE DES SCINTIGRAPHIES
33
Nous étudierons dans ce chapitre l e s traitements d'images e t de cour
bes couramment u t i l i s é s dans notre s e r v i c e , part icu l ièrement appliqués aux
sc in t igraph ie s rénale e t cardiaque. Nous c i t erons e n s u i t e l e s autres t r a i t e
ments d'images n é c e s s a i r e s pour résoudre un problème d'ordre moins général
e t répondant à cer ta ines ex igences bien préc i ses t e l l e s que la mise en é v i
dence dé différent/-<is d ' i n t e n s i t é minimes, ou le renforcement d'un contour ou
encore un f i l t r a g e .
I I . 1- TECHNIQUES COURAMMENT UTILISEES
Le problème l e p lus important à résoudre pour t r a i t e r une s c i n t i g r a
phic dynamique e s t de conc i s er l e s données de manière à connaî tre l e s con
tours de l 'organe à é t u d i e r . Nous pouvons ensu i te déterminer l e s paramètres
caractér i sant la fonct ion à é t u d i e r .
Les organes s e prêtant l e plus à ce type de tra i tement sont :
- l e r e i n parce que l e s phénomènes peuvent ê t r e d é c r i t s par des
modèles mathématiques relat ivement s imples ,
- l e coeur parce que la gamma-cinéangiographie s é q u e n t i e l l e per
met en q u a n t i f i a n t l e s var ia t ions d ' a c t i v i t é de chaque point
d'apprécier l e s performances cardiaques du p a t i e n t .
I I .1 .1 . -Tra i tement des s c in t igraphies rénales :
I l e s t pos s ib l e à p a r t i r d'une seule i n j e c t i o n de déterminer :
- la fonct ion d'épuration par l e ca l cu l des clairancÊS
- l a valeur f o n c t i o n n e l l e de chaque r e i n par l ' a n a l y s e des
néphrogrammes ••
- des anomalies l o c a l e s du t r a n s i t par l ' imager ie fonc t ionne l l e .
II.1.1.1.-Détermination de la fonction d'épuration globale :
Mesure des clairances {22 - 25)
La clairance d'une substance éliminée par le rein est le quotient du
débit urinaire de cette substance par la concentration plasmatique.
Si V est le volume d'urine excrété pendant l ' i n te rva l l e de temps At
U la concentration urinaire dans cet in terval le de temps
P la concentration plasmatique
V U Cl — ( 5 J
P. û t
Les mesures de clairance reposent sur l'hypothèse suivante : la quan
tité de substance éliminée par le rein (clairance d'excrétion) est propor- ;
tionnelle à la quantité de substance dans le sang en amont du rein (clairance j
plasmatique).
Si q ( t ) es t la quantité de traceur dans tout l'organisme et Q(t) la
quantité dans le plasma, Cp£t) la concentration plasmatique à l ' i n s t an t t t
Vp le volume plasmatique, on a :
Q(t) = Cp(t) x Vp ( B ) .
l'hypothèse précédente s ' éc r i t :
- j j | - K o.Q(t) (7)
où a est le coefficient de proportionality :
-|3-= a . Cp(t) x Vp (8)
Or a . Vp es t le volume de sang épuré par minute ( c 'es t donc la clairance
plasmatique
la concentration plasmatique s'exprime par :
-g- = cip - Cp(t) / 1 0 )
soit : q(t) => Clp I . Cp(t) . dt + este (n)
à t a 0 q(t) = q quantité injectée
à t » œ q(tï = 0
l'expression de la clairance est alors :
a CX p - ^ (12)
Cp(t) . dt f> Pour calculer 1? dénominateur de cet te expression* nous disposons de
la courbe cardiaque que nous supposons être le r e f l e t de l ' ac t iv i t é plasma
tique. I l faut donc extrapoler Cp(t) de 30 mn à l ' inf in i» (19)
Sapirstein a démontré que cette courbe est biexponentielle : -X , t - U
Cp(t) * A x e x + A 2 e * (13)
il faut ensuite étalonner la courbe plasmatiaue exprimée en taux de comptage
pour la ramener à une concentration exprimée dans les mêmes conditions que
Cp(t) au même instant, il faut multiplier tous les points de la courbe par :
C20 n = -7 (M)
la clairance s'exprime alors par
c i , - q ° - X l - * 2
nUj^j^-AjAg)
1 M4-II- M ii i
- ': :TJ-
i U J==UU i! i !! !!•
IL
b ! 1 w* T" ?w II
i
- ': :TJ- i l - • i t i y L î !
1 w*
z^':i.\'z. :i:i.
4;. y:. I r t i -l î î r
ii!i yJTii..iH f
fin mi ni! i \
4-z^':i.\'z. :i:i.
4;. y:. I r t i -l î î r
ii!i yJTii..iH f
fin mi ni! i \ i 4 iHI «xi?
........
...
Mili iiii- i j f It intlrht 4~ r !/!!-1444- iiii-t -: r ;•:•]•:• Iflr w, ni Tîl il 1 î ïlf
=T:V •-••.• l:r:v •—••-: r ;•:•]•:• Iflr w, ni Tîl il 1 î ïlf
4-iti •14-14- ÏÏ 1 ii-ii#IHi • if!!' .iiii li-ii •14-14-
î J .*:r:t :r:v m Tli "i#iri i iî ti •T:: :-;: :?:" !f!!7
-H* 1 Iti;
l l H 111 11-!!- l-l-ll-l!- !•
:r : : -:f::
• . T : : :r::-
m i^: : :
:J.;> /-ii -iiii 11!!!!!!!!!!! ! !!H _:!:; .:}.;: .:i.:^_
; m i^: : :
:J.;>
--H Mi î-i:
_!_L
4l!-;U, il-!!-!- ..!-.! .1111. i j_;iiLL| ... . ::":=:: :::: = : :
r!fl-""If::
vlf!!v
Héphrograrnés corriges :
1 - rein - ro i t
2 - rein auche
37
Les 4 coefficients sont déterminés, soit de façon manuelle après comptage
des divers prélèvements sanguins, soit de façon automatique à l'ordinateur
grâce à la courbe vasculaire.
II.1.1.2.-Détermination des clairances séparées :
La mesure des clairances séparées donne la valeur fonctionnelle de
chaque rein, il est nécessaire de connaître l'évolution de l'activité rénale
en fonction du temps.
En étudiant la structure du nêphrogramme (figure 5) nous constatons
qu'il comporte 3 segments :
- un segment rapidement ascendant dû à l'envahissement vasculaire
- un segment ascendant avec une pente plus faible correspondant à la
captation du produit par le rein
- un segment descendant représentant la phase de vidange vers la vessie.
Si la captation du rein était nulle, la décroissance de la courbe ré
nale serait identique à celle de la courbe vasculaire. Le nêphrogramme réel
comme le montre la figure 6 est le résultat de la soustraction de la courbe
rénale par la courbe vasculaire multipliée par un coefficient égal au rapport
des elongations des 2 courbes à la fin de l'envahissement vasculaire (point
d'angulation). (65)
En faisant l'hypothèse que la quantité de traceur dans le rein est
proportionnelle à l'amplitude du nêphrogramme corrigé (hypothèse vraie pendant
la phase ascendante, c'est-à-dire tant qu'aucune molécule n'est sortie de la
zone rénale). Nous pouvons déterminer les clairances gauche et droite :
C 1 g " C(t)
C 1 = i-C l d = C(t)
du
dt (16)
(17)
la clairance totale étant :
Cl = Cl + Cl (18)
La clairance d'un rein est :
q a
01 . — * -E "d
. ci d - -
soit Cl » Cl . 8
"a soit Cl » Cl . 8 *g + < ! d
et Cl. - Cl . d
"d et Cl. - Cl . d % * q.
q
qrt — " g (Cl - Cl.) ( w ,
(20)
(21) 'g
II. 1.1.3.-Dé terminât ion de la réponse impulsionnelle :
Si nous considérons que le rein est un système linéaire, c'est-à-
dire que l'amplitude du nêphrogramme est directement proportionnelle à la
dose administrée, nous pouvons écrire t (4)
R(t) = I(t) A H(t) ( z 2 )
où R(t) est le nêphrogramme. l ( t ) la fonction d'entrée c'est-à-dire la courbe plasmatique et M(t) la réponse du rein qui caractérise l 'état de ce rein.
La détermination de H(t) se fa i t suivant ?, algorithmes différents :
A algorithme Itératif
B uti l isation des transformations de Fourier des différents membres de 1*expression précédente
- algorithme i térat i f (31 )
La convolution peut s'écrire :
RCt) = J I {t - Tï . H(T) dT (23)
FIGURE 7
s= \±L -i-j-i-i- : s= V
"V -j-4-!•!-
1;H-:: y • \
..... .......... - • - 4
!
. ...
,LtL
v ; : ,LtL
v : : : : : ;
M • • • • • - • • • • : • • • • • • > S \ '. . '. „ =•
NL-"S : , ; A - - . . . y - "s. X
•444- i 5 t^VN :A si-/ - N ^
•444--- xr\ &
si-/ - N ^ !!u!Ij444lfj;nTp &
si-/ - N ^
..i.i.L.i..Li..LJ..i..L.i.i.:L. L....Z -44-4-4-4-44 i-*!44-r-* * - - W -- : -.. i..;..:...1..:.. i..:..:...t.. !..i..:..:.. M A T " i :
Fonctions de transfert 1 - rein droit 2 - rein gaucne
40
soi't en discrétisant à des instants 0, 1, 2,... '60 (multiple de 30 secondes) :
T=t B(t) = ï I{t - T) . H(T) (24)
T=0
T=t-1 H(t) =1 I(t - T) . H(T) + 1(0) . H(t) (25)
T=0
T=t-1 -„.,.. . R(t) -ï I(t - T) . H(T) S o l t ! T-0
H(t) ES ( 2 6, KO)
Le problème est de connaître les conditions de départ pour déterminer
pas à pas les termes de cette -lourfoe.
(27)
l'injection n'étant pas instantanée I Q n'est pas connut nous utilisons I,
(voisin de I_ car les images sont de courte durée) comme borne inférieure ;
la valeur H(l) sera plus exacte en prenant ensuite ri(2) = H(l}. .
Cette courbe permet de définir un temps de transit tel que :
«4.' • - % " «-»
La répartition des temps de transit caractérise les nephrons, c'est le
temps que met la molécule pour aller du glomêrule au calice : (figure 7).
Lorsqu'il y a stase, la distribution des temps de transit présente
un plateau en fin de courbe.
Lorsqu'il y a stase intermittente, la courbe est accidentée et *«
partage entre un temps de transit augmenté et une anomalie de vi
dange est difficile à discerner. .
- utilisation de la transformation de Fourier (20 )
Le produit de convolution s'exprime dans un espace réciproque par un produit
de transformées de Fourier !
r{t) = i(ti fi h(t) (29)
R(u) = I(u) x H(uî (30)
où ù est la fréquence, variable réciproque de t .
A l'aide de programmes utilisant des algorithmes de transformée rapide de Fourier, nous avons déterminé S(u) et I(u), H(u) est alors :
H(u) = R ( u ) (31)
Ku)
et par transformation inverse :
h(t) = TF [H(U) ] (32)
Cette méthode rapide donne cependant de moins bons résultats que la / méthode itérative à cause du faible taux de comptage et du bruit statistiotte
et physiologique» Les hautes fréquences se.trouvent coupées. Nous avons/alors
adapté un filtre de Wiener qui est la réponse habituelle face aux problèmes
de bruit dans les systèmes linéaires. /
Principe du filtre de Wiener : (17 - 27) /
:. / Soit r(t) le signal de réponse à un signal x(t) à travers dh système caractérisé par h(t) et un bruit aléatoire n(t) . , L'équation d'un tel système peut s'écrire :
r(t) = l ( t ) fi h(t) + n(t) (33)
soit dans l'espace réciproque :
R(uî = I(u) , H(u) + N(u) (34)
Le problème est de trouver une estimation de H à partir de la mesure de R,
soit :
H - H (R) (35)
telles que certaines conditions soient vérifiées :
H non biaisé, c'est-à-dire E(H) = H(u> .
H donnant une erreur quadratique minimale :
E ( . lH(uï - H(u) | 2 ) * mini (36)
H non biaisé signifie r
E (H) s H (37)
Comme H(u) est fonction de la mesure de R(u) qui est elle-même une
fonction linéaire de la valeur de H(u), il faut que H soit une fonction li
néaire de R ;
H - kj R + ^ (38)
H(u) = k L (H(u) . I(u) + N(u) ) + k 2 (39)
en valeurs moyennes :
B(H) = E | k 2 (H) . ( I î I + Klkj N(u)| + E ] k 2 [ (40)
par définition, le bruit est de moyenne nulle et E(H) doit être égal à H(u)
donc ;
E(k2i = 0 (41)
il reste :
H(u) = k± R(u) (42)
La valeur de k qui minimise l'erreur quadratique est définie par
(43) aa
k E TlHCu) - H(u) I 2 ] = 0
a k E fldCj H(u) I(u) * kj N(u) - H(u)l 2 1 = 0 (44)
^5-; E (k, HT + k, N - H) (k, H I + k, N - H ) = 0 (45) o k- i 1 1 1
en n'écrivant que les termes dépendant de k et en annulant les termes en N. puisque
E(N) = 0
il reste : * 2 2 * 2 2 k E(H I ) + le E(N ) - E(H . 1 1 = 0
k,* I 2 E(H2) + k * E(N2) + I E(H2) = 0
I (u)
ll(u)l 2 E (N2) EtH 2)
Généralement on pose
puissance moyenne du bruit P N = E(N }
(46)
(47)
(4S)
(49) I ai
le filtre peut alors s'écrire :
"1 = uf1*-* (50)
La difficulté est d'exprimer au mieux ces différents paramètres ; nous connais
sons :
I, = partie imaginaire de la courbe vasculaire
Nous avons alors :
Ps = I R
2 + I x
2 (51)
Deux sources de bruit ont été raodélisées. D'une part en prenant une
zone sous le rein nous cherchons à évaluer la fixation au cours du temps des
tissus qui sont en avant e t en arr ière du re in . D'autre part , pour tenir
compte du type d'émission de photons, associée à un brui t en racine carrée,
nous ajoutons un terme de forme gaussienne. Le brui t s'exprime par :
n (tï + VTTti (52}
la fonction de t ransfer t :
H(u) = k 1 R(u) (53)
le réponse impulsionnelle est la transformée de la fonction de transfert :
h(t) = T F TH(U)1 (54)
Nous obtenons une bonne corrélation entre ces deux méthodes de déter
mination de la réponse impulsionnelle (itérations ou Wiener) dans le cas où
la courbe rénale présente un maximum puis décroît c'est-à-dire dans le cas
où le rein vidange. Far contre lorsque le rein capte mais ne vidange pas,
c'est-à-dire lorsque la courbe de fixation est constamment ascendante, si la
méthode itérative donne de bons résultats, la méthode de "Wiener" fournit une
réponse impulsionnèlle négative qui n'a plus aucun sens physique. Nous pour
suivons une étude de ce problème en imposant des contraintes supplémentaires
de positivité à la détermination des courbes.
I I . 1 . 1 . 4 . - I m a g e r i e :
Nous ave ".s vu \ue t o u t l e t r a i t e m e n t mathématique d ' u n e s c i n t i g r a p h i c
r é n a l e repose su r l e enoix c o r r e c t de zones d ' i n t é r ê t . De p l u s l e médecin
" l i t ' * p lu s fac i lement ;ne image p l u s proche des formes q u ' i l a coutume ca
r e n c o n t r e r qu'une c o u r t e ob tenue pa r un procédé mathématique ( 8 2 ) . La n é c e s
s i t é d ' o b t e n t i o n d ' im ;es c a r a c t é r i s t i q u e s nous a donc c o n d u i t à é t u d i e r
d i v e r s e s r e p r é s e n t a t i f i s du phénomène :
a ) Les images paramét, i q u e s ( 1 - 7 7 ) c o n s t r u i t e s ^n a s s i g n a n t à chaque p o i n t
de l ' image une va l eu r uimérique dépendante d 'un phénomène phys io log ique t e l
que : (photo 12)
Tmax = temps -oulé e n t r e l e moment de l ' i n j e c t i o n e t l e sommet de
la courbe r e p t i s e n t a n t l a phase de c a p t a t i o n
T% = i n t e r v a l s de temps écoulé e n t r e l e moment où l a courbe culmine
e t l ' i n s t a n t CJ l a c o n c e n t r a t i o n du t r a c e u r a diminué de moi t ié
PI = index de a e r s i s t a n e e , c ' e s t l a somme du nombre de coups e n t r e
Tmax e t Tmax+]Q mn normal i sée pa r l e p i c compté à Tmax :
. y»Tmax+10 P 1 - -as- / , c ( t' • d t ( 5 S »
J Tmax
Ces deux imag s (Tî£ et PI) représentent la phase de vidange des reins.
Ensuite nous envisageons deux paramètres caractérisant l'anaiomie des reins :
T5I = est la omme intégrale des activités pendant tout le temps de
1*examen
Cmax = activi ê maximum de chaque point
Ces images calculées ur un certain nombre de sujets sains et pathologiques
n'ont pas donna lea résulte ta que luisnnit prévoir la littérature (52).
PHOTO 12 : Images paramétriques
0 H
PHOTO 15 r image de phase
47
I I
| b) Les images de^Fourier (30)
Une image d'amplitude et une image de phase ont été construites en utilisant
pour chaque pixel, soit l'amplitude, soit la phase de la première harmonique
de la transformée de Fourier de l'évolution temporelle de ce pixel. Les
images de phase ont permis parfr ~s de mettre en évidence certains contours
litigieux notamment à la superpcsition du foie et du rein (Photo 13).
i
Conclusion :
1 L'intérêt des images fonctionnelles, telles que nous les avons décri
tes, est, d'une part, d'avoir pu attirer l'attention de l'observateur sur
de petites anomalies locales, nor objectivées par le reste de l'examen, mais
cette qualité est inconstante. D'autre part, elles constituent une aide à
là détermination des contours, ce qui peut améliorer sensiblement la fiabi
lité de la mesure des clairances séparées et faciliter l'interprétation du
néphrogramme isotopique (52).
i
II.1.2.-QammE-inéangiograph-e à l'équilibre
Le but de cet examen est d'étudier l'état contractile du myocarde au
moyen de paramètres tels que les fr étions d'éjection, la fraction de régur
gitation que nous développerons après avoir exposé les techniques de traite
ment d'images et de détermination des contours (9).
II.1.2.l.-Prétraitement (26)
La série enregistrée est constituée d'un cycle de 16 images, résul
tant de la somme de 600 cycles cardiaques consécutifs.
PHOTO 14 : Amplitude e t phase
de la première harmonique de la transformée de Fourier
49
I
i
; Le champ de la caméra est de 30 cm et la surface cardiaque couvre _e luart
de l'image, il est donc nécessaire d'agrandir la zone cardiaque de manière à
conserver dans une matrice 64 x 64, 1 * infdrmatior - La technique de zoom con
siste à recop. r* dans plusieurs pixels l'intensité contenue dans une cellule.
b) Débruitage :
Pour éliminer l'apport des tissus qui entourent le coeur dans l'expression
de l'activité cardiaque, nous déterminons une zone de bruit de fond [ 2 x 5
canaux) correspondant au parenchyme pulmonaire et soustrayons à toutes les
images de la série l'activité moyenne calculée dans cette zone.
c) Lissage 9 P2 i n*^ :
De manière à donner aux images un aspect continu et non plus en pavés, il
' est nécessaire de les lisser.
1 d) Çglçui d^g_^giage.g_de ^ " T ^ î d ^ : (Pboto 14)
Nous construisons une image d'amplitude et une image de phase à partir de la
première harmonique de la transformée de Fourier de la courbe temps-activité
de chaque pixel.
L'image d'amplitude représente les variations maximales d'activité de chaque
pixel au cours du temps et l'image de phase visualise le retard relatif des
changements d'activité en chaque point.
II.1.2.2.-Détermination des contours :
A l'aide des images d'amplitude, de phase et de diastole, nous déter
minons avec un curseur le contour des ventricules gauche et droit. .Ces zones
d'intérêt permettent de déterminer sur la courbe temps-activité correspon
dante la systole qui se produit à l'instant du minimum puisque le ventricule
est le plus contracté. (Photos 15-16)
PHOTO 15 : Diastole et contour diastolique
PHOTO 16 : Imaee de systole, ou sont reportés les contours diastolique et systoligue
Connaissant l'image de systole, les images précédentes permettent de
tracer les zones d ' in té rê t systoliques ainsi qu'une zone de bru i t de fond.
II .1.2.3.-Calcul des paramètres caractérist iques :
Ces paramètres sont de deux types suivant q u ' i l s permettent de con
naître la fonction cardiaque globale ou d'apprécier sa cinétique régionale.
La fraction d'éjection ventriculaire gauche s'exprime (13) Î
r c _ [ c T D - (BF x SD) ] - [ C I S - ( B F X 5 S ) ] ( S 6 )
C T D - (BF X SD)
ou C_ est le nombre de coups dans la zone ventriculaire gauche (VG) en
diastole
C_ 5 nombre de coups dans le VG en systole
BF nombre moyen de coups dans une zone comprise entre le contour diasto—
lique et systolique et située au niveau de la paroi latérale du ven
tricule gauche
5D surface diastolique du VG
SS surface systolique du VG
L'indice de régurgitation est le rapport des volumes d'éjection sys-
toliques ventriculaires gauche et droit, cet indice permet de quantifier les
régurgitations valvulaires (10 ).
CD„_ - CS
iR = J"* ™ (57)
CS„_ nombre de coups en systole dans le VG
1 52
FIGURE a
Découpage du VO. en OAD en 16 secteurs angulair
I
PHQTQ 17 : Fraction d'éjection régionale sectorisée,
où les segmenta_7-B-9 (cf figure S) correspondent à une zone pathologique
La cinétique régionale ventriculaire gauche est étudiée par la re
présentation des fractions d'éjection sectorisées (14). La contraction du
ventricule étant considérée comme isotrope autour du centre de gravité ( nous
découpons 16 secteurs correspondant dans l'espace à des quartiers d'orange
(figure 8) et calculons pour chacun d'eux une fraction d'éjection :
VT - VT
F - W .(58)
La visualisation des résultats sur la télévision est obtenue sous forme
d'image sectorisée.
La zone centrale se contracte toujours et moyenne ainsi la fraction
régionale des tranches, une mise à zéro de la zone centrale (1/3 ou 1/4 de
cette zone) sur las images diastolique et systolique améliore considérable
ment la sensibilité de la méthode. (Photo 17)
Le dernier paramètre que nous étudions est l'image de phase (11-23-61) (Photo 1=
En effet La phase de chaque point est proportionnelle au temps de contraction
si bien que des anomalies locales provoquent une augmentation de la phase.
La représentation de l'histogramme des valeurs de phase permet de sélection
ner les limites inférieure et supérieure de façon à apprécier visuellement
un écart de 5° de déphasage entre 2 points voisins. (Photo 19)
PHOTO IB : Image de phase. La zone dyskinétique apparaît en rouge
PHOTO 19 : HistOEramme des phases.
II.2.-AUTRES TECHNIQUES DE TRAITEMENT DES IMAGES
Le traitement d'une image est l'application d'une transformation à
cette image pour obtenir une autre représentation où l'information la plus
pertinente est renforcée aux dépens des données intéressantes (74Ï-
Il existe, dans notre bibliothèque mathématique un ensemble de pro
grammes permettant de modifier la représentation d'une image scintigraphi-
que, de dëbruiter une image compte-tenu du type d'organe et du matériel uti
lisé, de renforcer les bords d'organes ou d'effectuer une compression d'in
formation répartie sur une séquence.
II.2.1.-Modification de l'histogramme (78-79-BO)
La représentation habituelle à l'aide d'une échelle linéaire de niveaux
de giisn'est pas toujours adaptée au type d'images que nous utilisons, en
effet la mise en évidence de petites anomalies nécessite le renforcement de
certaines zones de l'image par rapport à d'autres.
Pour que ls quantité d'information transmise par l'échelle de
gris soit maximale, il faut que chaque niveau ait la même population (50) ;
la technique d'égalisation des niveaux consiste donc à répartir dans les H
niveaux de l'échelle de gris, l'ensemble des N points de l'image de façcn
à ce que chaque niveau contienne (N/M) points. Aux bornes initiales equidis
tant es H'., nous substituons des bornes B. déduites des précédentes suivant
l'expression :
»ii - Bi * irîr <Bj - V ( 5 9 )
où r . est Le nombre de points entre B' et B, et n, le nombre de points entre B! et B' , . Les points de la matrice résultante se trouvent affectés j j+1 de l'intensité, du niveau auquel i l s appartiennent, (Figure 9)
JUL
M
..«OU-r l*1
ECHELLE DENSITE
NOMBRE DE POINTS
Modification des bornes.
. i
r. , > " \«,-> t .*> | "" v^
v i ra y v i ra |,- -•flï£ 1 1 £.-!**«
Y ^ -V'Uf - t . *
1 r
-*«; r • . W
• „" ^ k* .
PHOTO 20 : Modification des niveaux de gris dans toute l'image.
PHOTO SI
Egalisation des niveaux
de gris à L'intérieur
d'une fenêtre.
59
Cette égalisation peut se faire dans toute l'image de manière à seg
menter des régions qui apparaissent comme des plages de densité uniforme et
de surface importante. (Photo -10)
Ce traitemei t peut également s'effectuer à l ' i n t é r i e u r d'une "fenêtre".
Nous attriLuons la nouvelle densité au centre de la fenêtre e t nous construi
sons l'image de proche en proche en faisant gl isser la fenêtre* (Photo 21)
Chaque point de l'image a ainsi une densité qui l e f a i t so r t i r de fa
çon optimale par rapport à son contexte immédiat et non plus par rapport à
toute l'image.
l 'égalisa tien des niveaux de gris fac i l i t e la visualisation des dé
t a i l s feux dépens de l'impression d'ensemble. De plus en choisissant les seuils
de détection supérieur e t infSrieur, nous dilatons l ' éche l le aux environs du
pic qui pose un problème.
Malgré une adaptation diff ic i le à ce type d'images où les formes p r i
mitives ne sont pas respectées e t un certain accroissement de faux posi t i fs ,
cet te méthode est un complément de la visualisation simple pour le médecin
interprétant.
II.2.2.-Lissage
La numérisation d'une image scintigraphique nécessite l'utilisation
de signaux discrets pour représenter un objet continu. Il est donc nécessaire
pour se rapprocher des formes initiales d'imposer certaines contraintes de
continuité entre des points voisin- (39).
Nous possédons plusieurs types de lissage :
- Lissage moyen dans une matrice 9 x 9 (38)
- A partir d'une image f(x,y) nous construisons une image lissée
g(x,y) où l'intensité de chaque point est obtenue en prenant la
moyenne des points voisins, soit la relation :
g(xfy) = -jj- 2 f ( x' v ) <6°)
n»m
où M est le nombre de points inclus dans le voisinage du point (x,y) et (n,m)
les coordonnées de ces points.
- Lissage en spirale (18) : l'activité moyenne au voisinage du point
lx,y) est calculée en considérant une spirale autour de ce point. Les
points ayant une valeur trop différente de la moyenne ne sont pas in
clus dans le lissage.
Ce lissage produit une modification de la forme (allongée le long des
isocontours) et de la taille (plus petite dans les zones de fort taux
de comptage)
- Le filtre de Canterbury (29 -42 ) : chaque image originale est
lissée 3 fois puis 4 fois* les images lissées 7 fois sont soustraites
des images lissées 3 fois.
II.2.3.-Filtrage (3 Ch.8)
Nous avons vu que si la dégradation introduite pa_- le système est in
variante, la distribution spatiale de l'intensité d'une image est liée à
l'objet dont elle est issue par la formule :
i(x.y) = 0(x,yj S h(x,y) + n(x,y) (61)
ou h(x,y) est la réponse impulsionnelle du système
n(x,y) est le bruit présent dans l'image, S indique la convolution
Les techniques utilisait la transi ornée rapide de Fourier ont permis de dé
terminer mathématiquement un objet compte tenu de l'iraagî :
Ku.v) s 0(u,v) x H(u,v) + M(u,vî (62)
II.2.3.1.-Le filtre inverge (53)
La réponse impulsionnelle du système est le résultat de l'acquisition
d'une source ponctuelle (fonction delta), soit h(x,y)- Le bruit dû à la na
ture aléatoire de Za désintégration radioactive est de la forme :
Dans ces conditions, en tous les points (u,v) où H(u,v) n'est pas nul, il est
possihle d'écrire :
0(u,v) - l ^ v ) - N f U ' V ) (63) H(u,v) H(u,v)
Nous choisissons le domaine de définition où les fréquences de cou
pure (fc) sont :
fc = Vu^c + Vc 2 (64)
Nous réalisons ainsi un filtre passe-haut pour augmenter la netteté et
un filtre passe-bas pour atténuer le hruit. Ces deux améliorations se font
aux dépens l'une de l'autre, il faut donc trouver un compromis entre elles
pour déterminer les fréquences f. _ et f du domaine de définition, inf sup
II.2.3.2.-Le filtre de Wiener pour les images : (2-35 Ch.14)
Ce filtre ne caractérise pas le signal et le bruit par leur forme
analytique mais par leurs propriétés statistiques,
- le bruit est supposé de moyenne nulle :
<N;x)> = 0 (6E)
- l'objet est défini à partir de l'image i(x) tel que :
3(x) = i(x) B m(x) (66)
où m(x) est le filtre cherché.
Le critère de validation est celui des moindres carrés, c'est-à-dire
que nous cherchons un écart quadratique minimum :
<lÔ(u) - 0(u) | 2 >= m i n i ( 6 7 !
Pour 0, nous convoluons l'image avec un opérateur à dé f in i r H ( u ï (
s o i t :
0 = I x H = 0 x H x M + N x M (ES)
l 'équation a minimiser peut s ' é c r i r e :
2 < |M.0H + M.N - 0 | > = mini (69)
-g^j- (MOH + MN - 0) (M*0*H*+M*N*-0*) = 0 (70)
Corapte-tenu de l ' é q u a t i o n ( 6 5 ) f nous trouvons :
M = B — (71)
l H l a • S & .
S ' i l e s t p o s s i b l e de déterminer l a f o n c t i o n de t rans fer t avec assez
de précision» l a d i f f i c u l t é d 'appl icat ion d'un t e l f i l t r e ré s ide dans l a dé
termination du rapport s i gna l sur bru i t qui permettra de connaitre l e rapport
des puissances .
Dans le laboratoire (15) une solution a été apportée à ce problème en
prenant un bruit en pondéré par un coefficient k variable, et pour puis
sance de l'objet la puissance de l'image. L'itération de la déconvolution en
prenant à chaque fois pour objet le dernier objet calculé permet d'améliorer
nettement les résultats du filtrage.
II.2.4.-Les opérateurs de bords (59)
Contrairement au lissage, il est intéressant pour déterminer des zo
nes d'intérêt de renforcer les contours ; les opérateurs de bord peuvent alors
être considérés comme des filtres que l'on convolue avec l'image non plus
pour améliorer la qualité de l'image* mais pour mettre en évidence des points
situés sur les bords d'une région.
Parmi toutes les formes de bord, celles que nous rencontrons le plus
• fréquemment sont une combinaison bruitée d'un échelon et d'une rampe suivant'
le schéma suivant :
échelon rampe bord réel
Figure 10: Différentes formes de borda
he bord est caractérisé par la hauteur h de l'échelon et la pente 6 de la
rampe.
Nous classerons les méthodes de traitement des bords en 2 classes
(67 Ch 17) ;
- les méthodes linéaires, les plus simples à mettre en oeuvre
- les méthodes non linéaires utilisant des combinaisons d'intensité
de pixels voisins
II.2.4.1.-Les méthodes linéaires :
a) La differentiation_spatiale :
La méthode la plus simple consiste à reconstruire une image G(i,j) à partir des différences entre les points de l'image in i t ia le I ( i | j ) f te l le que :
G(i,j) = Ki. j+1) - K i . j ï (72)
pour détecter un bord horizontal et :.
G(i,j) » I ( i - l , j> - I ( i ( j ) (73)
pour détecter un bord vertical.
Pour accentuer les bords, on ut i l i se la différence entre les pentes opposées sur une ligne, soit 1*expression :
G(i , j ; = [ i (i,j> - I ( i , j -1 ) ] - [ l U . J + O - K i . j î ] (74)
G(i,j) - 2 I ( i , j ) - I ( i . j - l ) - I ( i , j+1) (75)
et les expressions similaires pour les différences de pente verticale et diagonale.
cî L'opérateur gradient :
Sans avoir à tenir compte d'une direction, l'opérateur gradient fournit une bonne estimation du bord puisque le gradient est maximum dans la direction du
changement maximum, i l s'exprime :
G(i>J) . V<-!ir + (-^) 2 («> où - I T - Ki t l . J ) - Ki-i ,J) t 7 7 )
o i
et "tf " Hi-J*1' ~ «i.J-i) ( 7 8 )
d) Le masque directionnel ;
Un bord de direction donnée peut être détecté en augmentant l'apport d'une
région dans cette direction et en diminuant l'influence de la région opposée.
L'image résultante est la convolution de l'image initiale avec l'un des mas
ques :
'•»{! i i ) •"'(:: î D
ou une combinaison de ces masques.
(79)
e) L'opérateur Laplacien :
Le Laplacien d'une fonction est sa dérivée seconde. Dans le cas discret, en
utilisant les expressions calculées pour le gradientt la nouvelle image aura
pour valeur :
8(i,J) = [l(i,j) - 1(1-1,j)] - pti+l.j) - I(i.j)] ( 8 0 )
+ [Ki.j) - I(i,o-D] - [l(i,j+l> - I(i,j>]
OU ,J) - 4 l(i.J) - ["l(i-l,j> + I(i+l,j) + I(i,j+1) + I(i.j-l)]
(81)
ce qui revient à convoluer l'image avec un masque dont l'expression est :
1
h = (82)
L'avantage de cet opérateur sur les précédents est qu'il tient compte simul
tanément des 8 voisins les plus proches et qu'il ne privilégie aucune direc
tion (69).
II.2.4.2.-»Les opérateurs non l inéa i res :
Ces opérateurs u t i l i sen t des combinaisons non l inéaires des intensi
tés des pixels compris généralement dans une fenêtre 3 x 3 ou 5 x 5.
a) Gradient de Roberts :
Cet opérateur u t i l i s e une combinaison des éléments croisés où le terme moyen
s 'obtient par :
G(i , j ) m I I ( i , j ) - I ( i+ l f j+1) 1 + j l ( i , J+ l ) - I ( i + l , J ) | (83) | l ( i , j ) - I ( i+ l f j+l) 1 + fi
I l est à noter que ces opérateurs sont d'autant plus efficaces que le bord
est plus net, c ' es t -à -d i re que les intensités de pixels voisins sont diffé
rentes .
b) Gradient de Sobel :
Four tenir compte d'éventuelles fluctuations, Sobel a proposé un masque qui
pondère l 'apport des 8 termes voisins dû pixel considéré, en numérotant les
pixels voisins du" pixel I suivant l 'expression ;
(84)
l'image résultante est définie par :
(i.JÏ = "Vx2 + 0(1, Jï = .*X 2 + Y 2 (85)
X - (A2 + 2A 3 + A 4) - (AQ + ZJ^ + Ag) (86)
Y = (AQ + 2A X + A 2) - (A6 + 2Ag + A^ï (8 7 >
Cet opérateur a une meilleure immunité contre le bruit car il tient
compte simultanément des 8 voisins au lieu de 4 précédemment (68-16).
D'autres opérateurs sont proposés qui tiennent compte du type d'ima
ges, c'est-à-dire qui imposent des contraintes supplémentaires aux masques
décrits précédemment (37-34-76-21).
(83)
La liste des techniques de traitement des images scintigraphiques
n'est pas exhaustive, cependant elle reflète les nombreuses possibilités
offertes à l'opérateur pour rendre une image plus "lisible". Il n'existe mal
heureusement pas de critère universel qui permette de choisir à priori telle
ou telle méthode.
(84)
1
CHAPITRE I I I
L» TRANSFORMATION DE KARHUNEN-LOEVE
-. J
Nous avons vu dans l e précédent chapitre que tout tra i tement des don
nées scint igraphiques par l ' ord inateur débutait par la détermination de zones
d ' i n t é r ê t . I l e s t donc n é c e s s a i r e de trouver cer ta ins t r a i t s communs à l a
séquence de N images temporel les de manière à séparer une information u t i l e
d'une information redondante e t diminuer a i n s i l e nombre d'images à étudier
(66 - 4 0 ) .
Les techniques de Fourier (30)» qui tronquent l e s i g n a l à la
première harmonique, ont permis de f i g e r le t r a n s i t du produit r a d i o a c t i f
dans l 'organisme. Cependant e l l e s n é c e s s i t e n t une connaissance à p r i o r i du
s i g n a l e t ne diminuent pas l e b r u i t . La transformation de Karhunen-Loeve
conserve la quantité t o t a l e d'information contenue dans la s é r i e en rempla
çant l e s valeurs i n i t i a l e s des i n t e n s i t é s des H images par un ensemble de va
r i a b l e s indépendantes, mais c l a s s é e s par variances d é c r o i s s a n t e s . L ' e f f e t de
compression e s t obtenu en é l iminant l e s variables dont l e s var iances sont l e s
p lus f a i b l e s e t en représentant l e s données i n i t i a l e s dans ce nouvel espace.
•Les quelques éléments l e s p lus s i g n i f i c a t i f s de c e t t e base représentent l e
phénomène en ne réduisant que de façon minimale la quant i té t o t a l e d ' in for
mation.
I I I . 1.-FORMALISME DE LA TRANSFORMATION DE KARHUNEN-LOEVE (35)
So i t X un vecteur a l é a t o i r e â n dimensions. I l peut ê t r e entièrement
d é f i n i par une combinaison :
i=N X s J ] y » * . « * Y (Sa)
i=i l 1
où dp et Y sont des vecteurs tels que :
* = (*lP * a ... * n ) (89) *T (90)
Si $ est une matrice non nulle, faite de n colonnes indépendantes :
| * | * 0 (91)
Si d'autre part, nous Imposons à cette matrice de former une base orthogo
nale, c'est-à-dire que !
»,T *,={ (92) i
Il i=j
Ainsi l e s colonnes de $ recouvrent intégralement l ' e spr e contenant
X, e l l e s sont appelées v e c t e u r s de base . Dans ces c o n d i t i o n s , £ peut s 'expri
mer : T
y± = * 4 X {93Î
chaque composante de Y contribue a i n s i à représenter l e phénomène X,
Pour e f f e c t u e r une compression de l ' in format ion , i l ne faudra!* con
server que m composantes de Y t e l l e s que :
m < n (94)
le vecteur représenté serait alors Xm tel que :
i=m i=n
*•• S y i * i \ E , b i *i ( 9 5 )
i a l i=m+l
l ' e rreur commise sur l a détermination des données i n i t i a l e s Xa s e r a i t AX :
AX • X - Xm = X - Î J . « . - " b j * j (9S1
Un
Comme X et û X sont des grandeurs aléatoires , le critère de mesure
de l 'eff icacité de la troncature est l 'erreur quadratique moyenne ;
(91) £ ZCmï = E ( 4 X ) Z
A { " £ * (yi-bi' **• JL** h j ' *i
(92) en vertu de la propriété d'orthogonal ité :
ant
xpri-
• - g . E . y i - v Sn-i
Ï98)
(99)
(100)
A chaque base choisie correspond une erreur quadratique, celle qui
(93) minimise £ est définie par :
3", (101)
(94)
(95)
X :
(96)
(97)
ô E(y. - b,) = 0 = -2 E y. + 2 b<
soit : bj = E |y1|
Si bien que l'erreur quadratique peut s'écrire :
^(m) - • 2 E jy. - EfyJ2
l=m+l L J
(102)
(103)
(101)
en remplaçant les y. par leur valeur dans la définition initiale, nous obte
nons :
SZm = E *i T E | • - E(X)1 |x - E(X)1 T *.
- 2- +i -x *i
SO!
te: le.
so:
pa.
où C n ' e s t r ien d'autre que l a matrice de covariance de X. Nous pouvons ùonc
d ire que Le choix l e plus jud ic i eux pour la base de données <)> e s t c e l u i qui
s a t i s f a i s l 'équation aux va leurs propres :
C x +i B X i +i ( 1 0 6 ï
C'est-à-dire que les $. sont les vecteurs propres de la matrice de tova*
riance des données initiales et que dans ces conditions l'erreur quadratique
optimale est :
g2 oPt = 2 Xi a o 7 )
La matrice de covariance est déjà une description statistique du phé
nomène puisque les termes diagonaux : ^
a 2 = EIX^ - E (x i)l 2 dos) ^
représentent la variance de chaque représentat ion du phénomène e t l e s termes
latéraux : - _
U2 = E ( x ± - E { x i î ) [x. - E ( X j ) ) l (109)
sont les covariances des représentations prises deux à deux* C e
mi
Dans l e cas d'une descr ip t ion décorreLée du phénomène, l e s termes de
covariance sont nuls e t l a matrice e s t d iagonale . L'observation de l a valeur
des covariances donne donc une info '.ion sur la capac i t é du système à dé
c r i r e l e phénomène : p l u s l e s termes hors diagonale sont importants, moins
l e système e s t adapté. d i
La transformation de Karhunen-Loeve c o n s i s t e donc à décr ire un phé
nomène a l éa to i re mesuré dans une base dont l e s é léments sont corré l ê s à l 'aide
ce la base des vecteurs propres de la matrice de covariance où l e s éléments
ionc
L07)
ahé-
108)
s o n t d é c o r r e l é s . Ces v e c t e u r s p r o p r e s r angés pa r v a r i a n c e d é c r o i s s a n t e permet
t e n t de diminuer l e nombre de données à t r a n s m e t t r e en ne s é l e c t i o n n a n t que
l e s m v e c t e u r s l e s p lu s s i g n i f i c a t i f s .
106) III.a.-PROPRIETES DE LA TRANSFORMATION DE KAHHUNEN-LOEVE
I I I . 2 . 1 . - E r r e u r de t r o n c a t u r e minimale :
Comme nous l ' avons vu précédemment c e t t e e r r e u r est. éva luée p a r l a
somme des va l eu r s p ropres é l i m i n é e s . En r é é t i q u e t t a n t l e s v e c t e u r s p r o p r e s ,
p a r o r d r e de va r iance d é c r o i s s a n t e :
X l > A 2 > X 3 **' > A n t l l 0 )
i l e s t p o s s i b l e de c o n n a î t r e exactement l ' e r r e u r r e l a t i v e commise en conse r
vant m v e c t e u r s propres :
s. A tf.-iS^ (Ul)
i=n
£ X i 109! 1=1
C e t t e e r r e u r peut deveni r t o u t à f a i t n é g l i g e a b l e ( < 1 %) l o r s q u e l e s p r e
miè re s v a l e u r s propres son t t r è s g r a n d e s .
de
3Ur I I I . 2 . 2 . - M e s u r a de l a d i s p e r s i o n :
2 3 l a d i s p e r s i o n d e s t d é f i n i ? comme la va leur moyenne du c a r r é de l a
d i s t a n c e i t r e l e s couples de v e c t e u r s .
5_ d 2 = E(X i - X ) 2 (112)
' a i * * d ' = E(X. - X.) (X. - X.) (113)
:s i J i J
: E (X± X% + X X.) - E (X. X± + X t X )
E j XT X - 2 E [xTl . E[X]
Y étant l i é à X par : Y
la dispersion de Y est :
t | ) T X
2 t r C » 2 t r ( tfrT Cx i|» ) = 2 t r Cx
(114)
(115)
(116)
(117)
(118)
la représentation Y a la même dispersion que le phénomène i n i t i a l , de même
que pour l 'er reur de troncature en ne conservant que m composantes, l 'erreur
sur la dispersion es t :
i=n £ 2 d - 2
iérfl (119)
la contribution de chaque élément à la dispersion to ta le est égale à 2 fois
la valeur propre correspondante.
donc prop
"1" l'orf qui c
qui s rêgin
III .2.3.-Entropie maximale :
L'entropie est la quantité d'information véhiculée par la distribu
tion X, e l le s'exprime : -
(120)
La difficulté réside dans la détermination de la fonction de densité
p. de la distr ibution. Watanabe (81) a démontré en u t i l i s a n t lès propriétés
d'orthogonalitê e t de normalisation de la transformation de Karhunen-Loeve,
que les p, danB l'espace des nouvelles coordonnées sont une combinaison des
C'est L ' équ
(114)
(115)
(116)
C117)
(118)
A et que :
- 2 X.Log \ i 4= 2 Pi Log p^ (121)
Les éléments rangés par ordre de variance décroissante impliquent
donc que l'entropie perdue est minimale dans le choix de la base des vecteurs
propres,
III.3.-MISE EN OEUVRE DE LA TRANSFORMATION
Une série dynamique est constituée de N images prises à des instants
me 1.1 t ,.. t ; nous nous proposons d'étudier le comportement temporel de
•reur l'organe à étudier. L'évolution temporelle est décrite par une fonction f (t)
qui est le nombre de coups dans la cellule i à l'instant t.
(119) Nous cherchons à mettre en évidence un régime commun à tous les f (tï
qui sont corrélés entre eux par leur ordre d'apparition dans le temps. Ce
régime commun sera constitué de scènes décorrélées entre elles. "ois
La nouvelle base est constituée par les N vecteurs propres 111 . ( t ) i
de la matrice de covariance des f ( t ) . Cette matrice C s'exprime :
C = C q, p = 1, . . . N (122) h n - "
(120)
C pq = r f
i ( t p ) - <fiïtp)>1 \^t\) -<**tt q»l usa»
DÛ < f i <V > = ~N~ 2 f ( V U 2 4 )
gité fcg C'est l ' intensité observable à l ' instant t sur les N pixels de l'image.
L'équation aux éléments propres de la matrice de covariance est : j " e (
i e S C iji ,. = A t m,_ (125Î
où A. est le kième élément de la matrice diagonale des valeurs propres,
associé au vecteur propre qi. .
La transformation de Karhunen-Loeve consiste donc à développer
sur la base des <f . (t) : P1' R ré
a k f k (t) (126) d a
me
en vertu de la propriété d 1 orthogonal!té t le coefficient a . s1 obtient par le
produit scalaire :
a i
k = f ^ t ) . H>k(t) (127)
i _i d e
Les composantes a . sont appelées les composantes principales de f ( t ) . a) Une image principale k e s t alors -construite en repérant chaque pixel i
par son coefficient a k «
Les valeurs propres rangées par ordre décroissant permettent de ne
conserver que n images principales pour décrire la quas i - to ta l i té du phéno
mène i n i t i a l e t de connaître exactement la perte d'information £
„ J§n+1 ( 1 2 8) où
£> b) Il est également possible de reconstituer la série en se limitant aux m
vecteurs propres les plus significatifs :
f^tï - ^ *\ * k <*> ( 1 2 9 ï
k*l
On obtient ainsi un lissage temporel de l'évolution de la scene, le bruit
étant porté par les vecteurs propres de rang élevé, ce lissage a pour effet
de débruiter la série'.
79
III.A.-LE PROBLEME A DEUX CLASSES (transformation de Fukunaga Koontz)
Nous avons vu que la transformation de Karhunen-Loeve permettait de
determiner des images principales représentant un régime commun à tous les
pixels• Si à l'intérieur d'une même scène existent deux régions voisines à
régime temporel très différent, il serait intéressant de connaitre exactement
dans la zone de chevauchement la part de l'un et de l'autre de chacun des .
deux régimes, c'est-à-dire comme précédemment trouver un opérateur ip qui per
mette d'extraire'le régime R,
III.4.1.-Principe :
Fukunaga et Koontz {2) ont proposé un opérateur ip déterminé à partir
de la matrice de covariance C de la réunion des deux domaines :
C s ± Y * \t*-(*J - m(t il IVt t ) - m(t )] M • + N £-* L p P J L q q - l
1 * i=l (130 î
+ v t v 2" [g i (v - m (v] t i ( v - -<v] 1 2 i-1
où m est la moyenne des deux ensembles :
m(t ) f(t ) + s'V (131)
Les matrices de covariance de chacun des deux domaines sont définies'par :
ci • «i" 2 l [ f i ( v • ""p'I [ r i ( v • ra(v] t i 3 2 )
Ces matrices ne sont pas les vraies matrices de covariance de chaque domaine
puisque la moyenne u t i l i s ée est la moyenne globale. Les différentes matrices
de covariance sont r e l i ées par :
N, N-te) - (c,) (134)
Le j
aux
Soit $ la matrice des vecteurs propres de la matrice (C)
* - {* ! <*> ¥„<*>}
L'équation aux éléments propres de (C) peut s ' éc r i r e :
(C) . ( $ ) = {Aï (<&)
où A est la matrice diagonale des valeurs propres :
( A ) = |
- ( > • . . : )
(135)
(136)
(137)
Compte-tenu de l 'orthogonali tê des vecteurs propres, on peut écrire :
«* . c . * - [A] (138)
£A] est la matrice (C) diagonalisée dans la base des vecteurs propres.
(139)
où I est la matrice identité.
A" 1 . $ t . c . d> = i
COI
pre
En appliquant la rotation (139) aux matrices C" et C nous obtenons:
(133)
A* . <j>T - Ct . 4 . \~% (140)
aux éléments propres :
( \~4 . $ * . Cx . 4)> . \~h e x = H L e t (141)
où |i. est la première valeur propre, associée à e.
En multipliant (139) de part et d'autre par e. :
X"* • • C - 4» X~* • el = J el = e ! (142)
En remplaçant C par son expression dans (134) il vient :
:i3S)
;i36)
139)
** hrW • C i + ' ^ r °] * **ei •ei (143)
'137) S o i t : N N
X "V s^ç ci+ x"* •.,. • x-*•' c 2 . g^ç « x* - -! u->
et en remplaçant la première expression par sa valeur dans (141), il reste ;
138» (i - IV»! = *"*•'• «a • • * *"* «i <" 5>
Nous constatons que e. e s t également vecteur propre de l a matrice :
k'* . 0 * . C . $ A."* (146)
correspondant à la valeur propre (1 - p . ) qui e s t l a p l u s p e t i t e valeur pro
pre de ce domaine.
Le vecteur propre dominant de la matrice C ayant subi une rotation
d> et une normalisation À est le dernier vecteur propre de la matrice C_
ayant subi les mêmes transformations.
En conclusion la première valeur propre |i- représente la quantité
d'information eAt) transportée par e.(t) sur le phénomène 1, ce même vecteur
propre transporte la quantité d'information (1 - p.) sur le phénomène 2. Les
valeurs propres rangées par ordre décroissant indiquent que e.(t) est spéci
fiquement adapté au phénomène R. et élimine un maximum d'information sur le
phénomène R_. L'opérateur recherché y est donc identique à e.(t), il est
défini par :
-^A—jur* «p*, ( C i) (*)] [ t l t , J = ^ J, ( t,J (147)
111,4,2.-Mise en oeuvre :
La matrice de covariance totale est calculée à partir des précédentes :
N, N, (c> • T T T N T ' V + -B7T5- [c>> ( 1 4 B 1
Nous déterminons ensuite la matrice des vecteurs propres ( d> ) et la
matrice diagonale (A) de (C).
pr-
So
ra"
Ap:
Noi
av<
Su:
Après avoir ' o i s i deux domaines R. e t R_ s p é c i f i q u e s des organes à ré}
étudier par exemple une rég ion en haut du f o i e e t une rég ion en bas du rein, e s
sei
3 lr l 1MB) car
Lei
l a
S a i t A la matrice transformée : di:
N d o ' A = {.Kr4 . ( * ) T . (C^l . ( 4 ) . ( A . ) " 4 . M l u (149) c o .
ion
C 0
t é
i c i -
le 3t
;i47)
L'équation aux éléments propres de (A) s ' éc r i t :
(A) [E] = ( | l ) . (E) (150)
où (E) est la <natrice des vecteurs propres dont nous ne conservons que la
, t première colonne e (t).
Les Soit ensuite R_ le domaine de superposition des régimes R et R_. Il est ca
ractérisé par les f^tt),- c'est-à-dire l'intensité du ième pixel à l'instant t.
Après avoir "blanchi" les données initiales à 1 aide des q> de C :
Fâ{t) = K* $ * . f^tï • US1)
Nous les projetons sur le vecteur propre e.(t) et une image est reconstruite
avec :
a \ = el ' ^ * T * f l ( t ) ( 1 5 2 3
Sur cette image les régions où R. est prépondérant apparaissent nettes et les
> & régions où R, est prépondérant sont floues, la limite entre les deux régimes
?in, est ainsi plus facile à déterminer.
;er.
Le but de ce travail est de calculer les canaux principaux qui réali
sent la compression de la variance dispersée dans la série dynamique. Ces
148) canaux sont les vecteurs propres de la matrice de covariance de la séquence.
Les images principales rassemblent les contributions prélevées dans toute
la séquence et associées à chaque cause de variance observée dans cette se—
J-a quence.
Dans le cas où les comportements temporels de deux zones sont très
distincts, une rotation de la matrice de covariance et un blanchiment des
données favoriseront le régime prépondérant et l'image projetée montrera la
149] conbribution de zones de superposition à ce régime.
CHAPITRE IV
L IMAGES FONCTIONNELLES SCINTIGRAPHIQUES
i t.
87
L'analyse en composantes pr inc ipa le s e t l ' a n a l y s e f a c t o r i e l l e con
n a i s s e n t un grand développement en médecine nucléa ire (5 -6 -7 -32-43-44-45-56-
62-63-70-71-72-73) . E l l e s sonc u t i l i s é e s s o i t pour c l a s s e r - u n individu à
l ' i n t é r i e u r d'une populat ion, s o i t pour représenter une f o n c t i o n biologique
compte-tenu de c e t t e populat ion .
Nous avons, pour notre par t , appliqué la transformation de Karhunen-
Loeve aux sc int igraphies r é n a l e s e t cardiaques dans l e but de r é a l i s e r une
compression d'information c ' e s t - à - d i r e de conserver 2 ou 3 images c a r a c t é r i s
t i q u e s de la fonct ion b io log ique à é tud ier . La transformation de Fukunaga-
Koonts a ensuite é t é appliquée à l a gammacinéangiographie pour essayer de
séparer plus nettement o r e i l l e t t e s e t ventr i cu le s dans l e s régions de super
p o s i t i o n .
1V.1.-LA SCINTIGRAPHIE REMALE
Notre étude a porté sur 10 c a s , s o i t 20 r a i n s ayant des patholog ies
d i f f é r e n t e s . Comme nous l ' avons expliqué au chapitre I» une sc in t igraph ic
rénale e s t const i tuée de 66 images consécutives de durée d i f férente» répar
t i e s en 3 groupes :
- 12 images de 5 secondes
- 30 images de 10 secondes
- 24 images de 60 secondes
Pour appliquer la transformation de Karhunen-Loeve, i l e s t nécessa ire
d ' u t i l i s e r des données comparables, nous avons dû ;
- sé lect ionner l e s données qui entrent dans l ' é t u d e par le choix de
zones d ' i n t é r ê t appropriées
- normaliser ces données de manière à l e s rendre comparables l e s unes
aux autres .
sa
IV.1.1.-Choix des zones d'intérêt :
Dans un premier temps, nous avons utilisé le contour rénal déterminé
sur des images représentant des additions partielles ou totales des 66 ima
ges. Nous avons alors à traiter : 500 points x 66 fichiers.
Nous avons ensuite traiter les mêmes dossiers en utilisant une zcne
rectangulaire de 1000 points englobant le rein.
IV.1.2.-Normalisation :
Trais types de normalisation ont été appliqués à la scintigraphic :
- Normalisation simple :
Ce prétraitement consiste r ramener à 5 secondes toutes les séquences de la
série, c'est-à-dire à diviser par deux les images de 10 secondes et par
douze les images d'une minute.
- Normalisation de chaque point :
Nous avons considéré que chaque pixel possédait au cours du temps une in
tensité maximale identique à celle de tous les autres pixels,
- Normalisation de chaque image :
En vertu du principe de conservation, nous avons envisagé une séquence où
chaque image aurait une intensité globale fixe égale à l'intensité moyenne
de la série.
IV.1.3.-Calcul des images principales :
Le temps de calcul de 60 images principales d'un rein est de 60 mi
nutes. Une sortie sur imprimante des 60 valeurs propres correspondantes nous
a permis de constater que A valeurs propres, au plus, permettaient de con
naître 90 à 95 % de l'information et que dès la 5ième image, on ne représen
tait que du bruit.
1 ^ ^ f i ^ ë S ^ J S ^ P ^ ^ 1 ^ ^
PHOTO 22 : Zones d'intérêt ;
1 - 1ÛOO points sur rein gauche
2 - 1000 points sur rein droit
3 - contour du rein gauche
4 - contour du rein droit
PHOTO 23 1 - Amplitude de Fourier 2 - Phase de Fourier 3 - Addition de 30 fichiers 4 - KL1
Afin d'éviter des répétitions nous avons adopté la convention sui
vante :
KL1 désigne la projection de la série sur le premier vecteur propre
KL2» KL3, KL4 désignent les projections de cette même série sur les 2e,
3e et 4e vecteurs propres.
IV. 1.4.-Résultats
L'étude préliminaire sur 10 cas à pathologie différente, nous a per
mis de tirer un certain nombre de conclusions ;
. La zone d'intérêt la plus optimale est un rectangle de 1000
points ; en effet, La zone épousant le contour du rein peut tronquer une par
tie de celui-ci dans le cas où l'image choisie pour déterminer cette zone ne
rend pas compte de toute l'information : zone mal ou tardivement irriguée,
zone muette, (cf photo 22).
. Seule la normalisation qui consiste à utiliser 60 images de 5 se
condes a été retenue. Les autres normalisations nécessitaient un temps de
calcul plus long et comme elles ne s'imposent pas par des raisons cliniques
particulières, elles n'ont pas été retenues. .
. Dans tous les cas, 1 ' image KL1 reflète 1 ' intensité moyenne de cha
que pixel. Une étude du premier vecteur montre que toutes les composantes ne
sont pas égales, cette intensité moyenne est donc une somme pondérée des élé
ments de la série* La pondération a pour effet de déhruiter chaque image de
la série dans sa contribution à l'image résultante. Mieux qu'une image d'ad
dition, qu'une image paramétrique ou qu'une image de Fourier, elle est une
image anatomîque aidant la détermination des contours (cf photo 23).
KL2 rein gauche "KL3 rein droit
PHOTO 24 : Les composantes KL2 et KL3
93
. Les images KL2, KL3 et KL4 n'ont pas une signification constante.
Suivant les pathologies étudiées elles permettent de visualiser plus nette
ment le bassinet, les cavités pyêlo-calicielles (photos 3-4-6} ou des diffé
rences de régime entre rein, foie et rate (photo 24).
Par rapport aux traitements temporels des scintigraphies, la supé
riorité des images fonctionnelles obtenues par la transformation de Kahrunen-
Loeve réside dans le fait que nous tenons compte de toute l'information répar
tie sur la séquence sans contrainte à priori. Elles permettent une approche
plus juste de la cinétique rénale.
Cependant, la signification inconstante des images KL2, KL3, KLd
fait de cette méthode lourde en temps machine, une aide au diagnostic qui
ne peut remplacer l'analyse visuelle de la séquence analogique.
IV.2.-LA SCINTIGRAPHIE CARDIAQUE
IV,2.1.-Mode de traitement :
Le traitement se fait sur la totalité de l'image zoomée et sur l'en
semble des 16 images du cycle, soit une matrice (4096, 16) à traiter.
Le problème de la normalisation ne se pose pas puisque les images ont
toutes la mime durée (l/16ème du cycle cardiaque) et contiennent toutes une
intensité équivalente.
Le temps de calcul des 16 images fonctionnelles est de 30 minutes.
Nous constatons que la composante KLl contient environ 90 % de L'information,
KL2 environ 5 % et KL3 de l'ordre de 2 %. Au delà l'information se chiffre
en dixièmes de % et les images correspondantes n'ont aucune signification.
PHOTO 25 : KL1 - Coeur
Haut : image de phase
'jrr'Tv^^.^^7,?^y''^B.'tj;'^!!S
PHOTO 27 : Combinaison de composantes
Gauche : KL2 - KL3 Droit : KL2 - KL3 - KL4
96
IV.2.2.-Résultats :
L'image KL1 d'une gammacinéangiographie correspond à une intensité
moyenne, on pourrait la comparer à une image d'intensité moyenne dëbruitée,
les composantes du premier vecteur propre n'étant pas égales. (Photo 25}
La composante KL2 permet mieux que l'image de phase de la première
harmonique de Fourier de situer la paroi interauriculoventriculaire. (Photo 26)
Si les composantes KL3 et KL4 n'ont pas de signification apparente,
elles ont permis dans certains cas de visualiser des troubles de cinétique
par une combinaison 1KL2 - (KL3 + KL4) . (Photo 27)
L'handicap de la transformation de Karhunen-Loeve par rapport à la
transformation de Fourier est qu'elle nécessite un temps de calcul de 20 mi
nutes au lieu de 2 minutes en utilisant des algorithmes rapides de transfor
mée de Fourier Cependant dans 1 t ... où tous les cycles n'ont pas la même
durée (cas fréquent) les dernièrt ï- ges sont inégalement remplies et les
images de Fourier n'ont plus aucun sens puisqu'elles supposent un phénomène
périodique, tandis que les images de Karhunen-Loeve conservent tout leur sens.
IV.2.3.-Discussion :
L'utilisation de la transformation de Karhunen-Loeve semble logique
car elle permet d'utiliser la presque totalité de l'information contenue dans
la séquence d'acquisition. Les premiers résultats le confirment, il reste ce
pendant deux problèmes qui empêchent la mise en pratique quotidienne de cet
algorithme :
- le temps de calcul : même si ces ralculs peuvent être effectués par
macrofonctions pendant la mit, le traitement se fait en différé î
97
- l a s i g n i f i c a t i o n exac te des images KL2, KL3 e t KL4 n ' é t a n t pas
c o n s t a n t e , i l s e r a i t n é c e s s a i r e de f a i r e une é tude su r modèle qu i
t i e n d r a i t compte de l ' i n f l u e n c e des a n o m a l i e s .
IV.3.-LE PROBLEME A DEUX CLASSES
Nous avons a p p l i q u é c e t t e méthode à l a gammacinéangiographie à l ' é q u i
l i b r e où i l e s t d i f f i c i l e de déterminer l e s s é p a r a t i o n s e n t r e o r e i l l e t t e s s t
v e n t r i c u l e s dans l a zone de s u p e r p o s i t i o n .
Nous avons dé te rminé une zone exc lus ivement v e n t r i c u l a i ~ e de 100 p o i n t s
e t une zone exc lus ivement a u r i c u l a i r e , p u i s c o n s t r u i t une image r é s u l t a t de
la t ransformat ion de Fukunaga-Koontz en p r e n a n t pour régime dominant, c e l u i
du v e n t r i c u l e • Le temps d ' e x é c u t i o n de ce programme e s t de 4 minu tes .
Les images ob tenues su r une dizain*, de d o s s i e r s montrent un r e n f o r
cement du contour v e n t r i c u l a i r e , ce qui permet un cho ix p l u s o b j e c t i f dans
l a dé te rmina t ion des c o n t o u r s .
Nous avons c o n s t a t é q u ' i l e s t t r è s impor t an t que l e s régimes à sépa
r e r a i e n t un comportement t o u t à f a i t d i f f é r e n t s i n o n l ' image r é s u l t a n t e e s t
pauvre en i n fo rma t ion .
1
CONCLUSION /
101
La présentation des diverses possibilités de traitement des scinti
graphies dynamiques montre la nécessité de trouver une méthode de compression
de l'information répartie sur la séquence. La transformation de Fourier ne
répond pas à toutes les exigences. Certains auteurs (49-55) s'appliquent à
développer des algorithmes de Walsh-Hadamard.
Pour notre part, à partir des méthodes et algorithmes développés
dans le domaine multispectral (33-26-54), nous avons cherché à détecter dans
chaque image de la série des domaines homogènes suivant un critère de com
portement temporel.
Les premiers résultats obtenus ont permis de tirer certaines conclu
sions :
- La première image principale K.L1 reflète dans tous les cas une in
tensité moyenne de l'évolution temporelle ; l'apport de la transformation de
Karhunen-Loeve réside dans le fait que l'image principale est débarassée du
bruit qui serait cumulé dans la simple moyenne de la série d'image. Elle cons
titue la plus belle image anatomique, d'où son intérêt pour aider à la déter
mination des contours ; elle pourrait être jointe au dossier scintigraphique
adressé au médecin traitant.
- Les images suivantes n'ont d'intérêt que jusqu'à la quatrième com
posante. Leur signification n'est pas constante, 11 serait nécessaire de
trouver certains critères objectifs pour valider l'interprétation dans tous
les cas.
- Le temps de calcul des images principales est un gros handicap pour
une utilisation quotidienne de cet algorithme en milieu hospitalier.
102
Ces remarques nous incitent à tirer des leçons pour une utilisation
courante de ces méthodes en gammaci né angiographie principalement :
. Nous devons définir et implanter des algorithmes de transformation
de Karhunen-Loeve rapide (41-48), étudier la possibilité d'éviter le calcul
de la matrice de covariance en utilisant l'équivalence asymptotique entre
la transformation de Karhunen-Loeve et la transformée de Fourier, lorsque
les données traitées montrent un régime stationnaire. Leur matrice de cova
riance présente alors la structure circulante (75) et ses vecteurs propres
se réduisent à des exponentielles complexes analogues à celles qu'utilise la
transformation de Fourier.
. Dans un second temps, nous pourrons étudier des algorithmes récur-
sifs, tels que le filtre de Kelman (36-64) : à la fin de l'acquisition les
images principales sont disponibles, à la différence de la méthode, précé
dente où les données sont traitées en différé.
- Nous devons également valider sur modèle l'interprétation des ima- .
ges principales de Karhunen-Loeve .: le modèle comportera 16 images représen
tant un cycle. Chaque image contenant 3 zones pour un sujet sain (oreillettes,
ventricules, superposition auriculoventriculaire) ou davantage pour les sujets
pathologiques. Ce modèle permettra l'interprétation du contenu de l'image
principal? en terme de régime à évolution temporelle dominante dans la sé
quence .
Nous validerons définitivement la méthode par l'étude systématique
de l'image principale sur une collection de cas normaux et différentes patho
logies.
1.1
/ BIBLIOGRAPHIE /
1 - AGHESS HJ, GREEN MV, REDWOOD DR e t a l - F u n c t i o n a l imaging methodology
r e c e n t c l i n i c a l and r e s e a r c h a p p l i c a t i o n s . Proc IVe I n t e r n a t i o n a l Con-i
ference on informat ion*
2 - ANDREWS HC - I n t r o d u c t i o n t o mathematical p a t t e r n r e c o g n i t i o n .
Wiley - I n t e r s c i e n c e - John Wiley & Sons, 1972, p 32 -37 .
3 - ANDREWS HC, HUNT BR - D i g i t a l image r e s t o r a t i o n . P r e n t i c e . Ha l l s i g n a l
p rocess ing s e r i e s Englewaod C l i f f s . New J e r s e y - 07632.
4 - APPLEDDRN CR, OPPENHEIM BE - A Z t ransform approach t o renogram decon-
v o l u t i o n . Informat ion p r o c e s s i n g in medical imaging» INSERM, 1979, 88 ,
p . 367-380.
5 - BARBER DC - The use of p r i n c i p a l components in t h e q u a n t i t a t i v e a n a l y s i s
of gamma-camera dynamic s t u d i e s . Phys. Hed. B i o l . (GBR), I960, 25 , ( 2 ) ,
p . 283-292.
6 - BARBER DC, DUTHIE HL - P r i n c i p a l components : a new approach t o the ana
l y s i s of g a s t r i c emptying . Dynamic s t u d i e s wi th r a d i o i s o t o p e s i n Médecine
1974, 1, p . 185-196.
7 - BAZIN J .P - F a c t o r a n a l y s i s of dynamic s c i n t i g r a p h i c d a t a a s a model l ing
method. An a p p l i c a t i o n t o t he d e t e c t i o n of m e t a s t a s e s . I n f . Medical
Process ing imaging, 1979, 88 , p . 345-366.
8 - BERCHE C, DI PAOLA R - Analyse f r e q u e n t i e l l e e t f i l t r a g e des images s c i n -
t i g r a p h i q u e s . I - J . B i o l . 4 Hed Nucl. ATEN, 1974, 36, p . 16-28.
9 - BERTHOUT P- - Etude de l a f r a c t i o n d ' é j e c t i o n e t de l a c i n é t i q u e p a r i é
t a l e du v e n t r i c u l e gauche par l a gammacinéangiographie s é q u e n t i e l l e .
Co r r é l a t i ons avec l a v e n t r i c u i o g r a p h i e de c o n t r a s t e monoplane. Thèse de
Médecine, U n i v e r s i t é de Franche-Comté, 1980, 136 p .
10 - BERTHOUT P., FAIVRE R., VERDENET J et ai - Intérêt de ia mammaeinôangio
graphie au Te 99 m dans la détermination des régurgitations valvulaires.
9ème Colloque de Cardiologie de Langue Française. Lausanne, Septembre
1981, C.R. du Congrès» p- 56.
11 - BERTHOUT P, BASSAND JP, FAIVRE R et ai - Apport de l'analyse temporelle
de Fourier dans l'évaluation quantitative de la cinétique ventriculaire
gauche régionale. Communication au Symposium International de Cardio
logie, Nancy, Septembre 1981, Abstracts p- 62-63.
1 2 - BERTHOUT P, BASSAND JP, CARDOT JC et al - Application de l'analyse tem
porelle de Fourier à la gammacinéangiographie à l'équilibre t intérêt
dans l'étude de la cinétique ventriculaire gauche globale et régionale.
Arch. Hal. Coeur (sous presse).
13 - BERTHOUT P, CARDOT JC, VERDENET J et al - Gammacinéangiographie au Te
99m : application à l'étude de la cinétique ventriculaire gauche globale
et régionale* Communication à la Société de Médecine de Franche— Comté»
janvier 1981.
14 - BERTRAND A et coll _ Nancy
Communication personnelle
15 - BIDET R, BIDET AC, SPEICH PV - Intérêt et limites du filtrage de Wiener
en Médecine Nucléaire. Communication au XXIIe Colloque de Médecine Nu
cléaire de Langue Française, Toulouse, Septembre 1981.
16 - BIJAOUI A, FROESCHLE M - A new algorithm to determine image edges.
Astr. Astrophys-, 1980, §7, (1-2), p. 250-251.
17 - BIRAUD YG - Les méthodes de déconvolution et leurs limitations fonda
mentales. Revue de Physique Appliquée, 1976, 11^ p. 203-214.
18 - BIZAIS Y, LEMORT JP - Tra i tement e t v i s u a l i s a t i o n des images gamma-
angicencépha lograph iques . I n t e r n a t i o n a l J o u r n a l of Nuclear Medicine
and Biology, 1977, 5 , p . 71-75 .
19 - BLAUFOX HD, FUNK-BERTRAND JL - Radionucl ides i n nephrology. Grune and
S t r a t ' i n , New-York and London.
20 - BRACEWELL RN - The F o u r i e r t ransform and i t s a p l i c a t i o n s . Mac Graw -
H i l l Hook Company, 1978.
21 - CAMLLERAPP J , CUZON R - U t i l i s a t i o n du c o n t e x t e pour l a d é t e c t i o n
d ' o b j e t s f a ib l emen t c o n t r a s t é s .
I . R . I . S . A . - Rennes.
22 - CAROOT JC - Mesure des c l a i r a n c e s s épa rées en e x p l o r a t i o n i so top ique
r é n a l e . Rapport du CES de Médecine N u c l é a i r e , Sac l ay , 1976.
i 23 - CARDOT JC, BERTHOUT P , FAIVRE R e t a l - Ca lcu l de l a r é g u r g i t a t i o n p a r
! l a gammaciënangiographie à l ' é q u i l i b r e . I n t é r ê t de l a s o u s t r a c t i o n a u r i
c u l a i r e d r o i t e . Communication au XXIIe Col loque de Médecine Nuc léa i re
de Langue F r a n ç a i s e , Toulouse, Septembre 1981 . Actes du Congrès, p .105-6
2d - CARDOT JC, BAUD M, VERDENET J e t a l - E x p l o r a t i o n i s o t o p i q u e r é n a l e au
DTPA. Aide au d i a g n o s t i c . Communication à l a S o c i é t é de Médecine de
Franche-Comté, a v r i l 1979.
25 - CARDOT JC, BAZIN R, VERDENET J e t a l - T r a i t e me n t automatique des i n f o r
mations dans l ' e x p l o r a t i o n i so top ique r é n a l e . Ca lcu l des c l a i r a n c e s g l o
ba l e s e t s é p a r é e s e t du temps de t r a n s i t à p a r t i r de d i f f é r e n t e s métho
d o l o g i e s . C.R. du Collogue BIOSIGMA, 1978, 2 , p . 481-484. -
26 - CARDOT JC, BERTHOUT P , VERDENET J e t a l - Gamma-cinëangiographie à
l ' é q u i l i b r e ; méthodolog ie . Communication à l a S o c i é t é de Médecine de
Franche-Comté, j a n v i e r 1981.
27 - CARLTON E, KATZ S - A computer program for Wiener filtering of evoked
potentiel data. Computer Programs in Biomedicine, 1979, 9_, p. 149-159.
28 - CHARRAUT D - Méthodes optiques et hybrides d'analyse, de classification
et de datation d'écritures cursives. Thèse Docteur en Physique. N° 260,
1977, Université de Besançon, Faculté des Sciences.
29 - CORNFIELD JR - Development of a fast image enhancement filter for rou
tine use. Copenhagen, Conf on Nuclear Medicine, 1975.
30 - DECONÏNCK F, BOSSUYT A, LEPOUDRE R et al - The temporal Fourier trans
form applied to functional isotopic imaging Information Processing on
medical imaging, INSERM, 1979, 88, p. 397-408.
31 - DIFFEY BL, HALL FM, CORNFIELD JR - The 99m Tc-DTPA dynamic renal scan
with deconvolution analysis. J. Nucl. Med., 1976, 7, (5), p. 351.
32 - DI PAOLO R, PEDÏEL C, BAZIN JP - Factor analysis and scintigraphy.
Information processing in Scintigraphy. C Raynaud an3 T Pokropeks Eds.
CEA, Orsay, 1976, p. 91-123.
33 - BUTEfiftOY J, LEGER J - Karhunen-Loeve analysis of multispectral data
from landscapes. Optics Coram., 1980, 32, p. 39-44.
34 - FORD OK - Sliding mean edge estimation. Electron. Letters, 1978, 14,
(19.t, p. 610-611.
35 - FUKUNAQA K - Introduction to statistical pattern recognition. Academic
Press, New-York, 1972.
36 - GODARD JP, MINIER M - Application du filtrage de Kalman à l'étude d'un
processus biologique. Automatisme, FRA, 1978, 23, (7-8), p* 183-189-
109
37 - GOLDMAN S - Information theory* Dover publications INC, New-York,
p. 129-134.
38 - GONZALEZ RC, WINTZ P - Digital image processing. Addisor-Wesley Publis
hing Company, 1977.
39 - GWIAZDOWSKA BA, SKRZYPCZAK T, TOLWINSKI J - The influence of smoothing
procedures on the noise reduction and resection degradation of scinti
graphic images. Nuklearmedizin, 19B0, 19, (2), p. 85-90.
40 - HANUISE G - Le traitement des images par ordinateur. Off. Nation et
Recherche aérospatiale, note technique, 1975, p. 1-35.
41 - HARALICK R - A fast two-dimensional Karhunen-Loeve transform. Efficient
Transm. Pict. Inf. Semin., 1975, p. 144-159.
42 - HOUSTON AS - An attempt to optimize two zero summation filters for use
in radioisotope scintigraphy. International Journal of Nuclear Medicine
and Biology, 1976, 3_, p. 111-119.
43 - HOUSTON AS - Radioisotope renal function studies using principal compo
nents. SITEL ULG Seminar on Pattern Recognition, Liège 1977, vol. 2.
44 - HOUSTON AS, MAC LEOD MA - An intercomparison of computer assisted data
processing and display methods scintigraphy using mathematical tumours.
Ph/s. Med. Biol., 1977, 22, (6), p, 1097-1114.
45 - HOUSTON AS, MAC LEOD MA, SAMPSON - Principal components analysis as an
aid to classification of renal dynamic studies. Eur. J. Nucl. Med., 1979,
4, p. 295-239.
46 - ITTI R> FLOYNAC R, MARCHAL C et al - Le traitement automatique des études
fonctionneles rénales par les radioisotopes. J. Biol et Méd. Nucl. ATEN,
1974, (36), p. 38-47.
47 - ITTI R, PHILIPPE L - L'analyse des courbes dynamiques en médecine nu
cléaire. J. français de Biophysique et de Médecine Nucléaire, 1977, 1,
(3), p. 84-93.
48 - JAIN - A fast Karhunen-Loeve transform for digital restoration of ima
ges degraded by white and colored noise. IEEE Trans. Computers, 1977,
26, n° 6, p. 560-571.
49 - JEANSCULIN R - Compression d'images numérisées utilisant la transforma
tion de Walsh-Hadamard. Etude et comparaison de quelques méthodes.
Automatisme, 1976, 21, (3-4), p. 98-101.
50 - KETCHAM DJ - Real time images enhancement techniques. Image processing,
1976, 74, p. 120-124.
51 - KNOWLES LG - Application of the computer to rapid dynamic studies.
Seminars in Nuclear Medicine, 1978, VIII. (2), p. 1-17-154.
52 - LAMIELLE C - Intérêt des images fonct onnelles en scintigraphic rénale.
Thèse de Médecine. Université de Franche-Comté, n° 81-71, 1981.
53 - LARMINAT Wi. LEMORT JP, RONSIN B - Traitement d'images médicales : fil
trage linéaire appliqué à la scintigraphie. Congrès AFCET. IRIA -
Chatenay-Malabry, 1978, p. 798-808.
54 - LOWITZ GE - Stability and dimensionality of Karhunen-Loeve multispectral
image expansions. Pattern Recognition, 1978, 10, p. 359-363-
55 - LOWITZ GE, MATRA SA, VELIZY FB - The alpha transform : A. Walsh-Hadamard
generalization which adapts to image statistics- Internation Joint
Conference on Pattern Recognition. Kyoto (Japan) 1978.
56 - MACLEOD MA, HOUSTON AS - A comparison of three methods of assessing renal
function. Eur. J. Nucl. Med., 1981, 6, p. 183-189.
57 - MEYNIEL G - Traité de Médecine Nucléaire. Bases théoriques. Flammarion
Médecine, 1975, p. 6Q-78.
58 - MEYNIEL G - Traité de Médecine Nucléaire. Explorations isotopiques.
Flammarion Médecine) 1975.
59 - MORCOS GHRAB V - Detection automatique deB contours : application à
l'analyse quantitative des images de scintigraphie rénale. Thèse docteur
Ingénieur {électronique), Paris, 1979.
60 - MORETTI JL, MENSCH B, GUEY A et al - Etude comparée de 4 typi.5 de caméras.
Journal de Biologie et Médecine Nucléaire ATEN, 1974, 36, p. 29-37.
61 - OPPENHEIM AV, LIM JS - The importance of phase in signals. Proceedings
Of the IEEE, 1981, 69, (5), p. 529-541.
62 - OPPENHEIM BE - Functional renal imaging using factor analysis. Colloques
de l'INSERM. inf. Processing in medical imaging, 1979, 88, p. 321-334.
63 - OPPENHEIM BE - Identification of renograms by factor analysis. Informa
tion processing in medical imaging. Brill and Price, p. 481-498. Nation.
Tech. Inform, service, Springfield, 1978.
64 - PERRIOT-MATHONNA D - Contribution à l'étude et à la mise en oeuvre
d'algorithmes de filtrage de Kalman adaptatif. Thèse docteur ingénieur,
- Université Paris sud, n" 385, 1979.
65 - PIEPSZ A, DOBBELEIR A, ERBSMANN F - Measurement of separate kidney
clearance by means fo 99m Tc-DTPA complex and a scintillation camera,
Eur. J, Nucl. Med., 1977, 2, p. 173-177.
66 - FONCIN J - Utilisation des méthodes de transformation en compression et
traitement des images. Traitement images, Journal Etud. Cent. Nat. Edud.
Paris. 1974, p. 61-69.
67 - PRATT WK - D i g i t a l image p r o c e s s i n g . A Wiiey . I n t e r s c i e n c e p u b l i c a t i o n .
.John Wiley e t s o n s . New-York, 1978.
68 - ROBINSON G - D e t e c t i o n and coding of edges u s i n g d i r e c t i o n a l masks.
2\it. Enfe-ng. USA 1977, 16, ( 6 ) , p . 580-585.
69 - ROSENF LD A - P i c t u r e p roces s ing by computer . Academic p r e s s . New-York,
1969, p . 94-103 .
70 - SCHMIDLIN P - Q u a n t i t a t i v e eva lua t i on and imaging of unc t ions u s ing
p a t t e r n r e c o g n i t i o n methods. Phys. Med. B i o l . , 1979, 24, 2 , p . 385-395.
71 - SCHMIDLIN P - P a t t e r n r e c o g n i t i o n i n r enography . Colloques de I'INSERH.
Inf. P roces s ing in medical imaging, 1979, 88 , p . 335-344.
72 - SCHMIDLIN P - F a c t o r a n a l y s i s of sequence s c i n t i g r a m s . Informat ion p r o
cess ing i n medica l imaging, p . 472-480. N a t i o n a l Technica l Informat ion s e r v i c e . S p r i n g f i e l d , ( V i r g i n i a ) , 1978.
73 - SCHMIDLIN P, CL0RINS J , KUBE0CH R - E v a l u a t i o n of dynamic s t u d i e s by
means of f a c t o r a n a l y s i s . IAEA SMR10/27. Vienne 1977, p . 397-407.
74 - SHARP PP, CHESSER RB, SMITH DB - Assessment o f s c in t i g r am q u a l i t y .
IEE P r o c , 1930, 127, ( 5 ) , p . 185-192.
75 - TOU JT, GONZALEZ RC - Pattern recognition principles. Ed. Robert Kalabo. University of Southern California, 1974, p. 191-197.
76 - TRETIAK 0J - A parametric model for edge detection. International computer software and publications conference. Chicago, 1979.
77 - ULLMAN V, KUBA J - Dynamic scintigraphy : calculation and imaging of regional distribution of quantitative parameters. Eur. J. Nucl. Med., 1978, 3, 153-160.
78 - VEitDENET J - Optimisation d'images scintigraphiques. DEA Optique et
traitement d'images. Université de Besançon* 1979.
79 - VERDENET J, CARDOT JC, BAUD H et al - Scintigraphic image contrast
techniques : globil and local arec histogram equalization. Eur. J. Nucl.
Med., 19B1, 6, p. 261-264.
80 - VERDEHET J, DUVERNOY J, CHERVET H et al - Optimisation du contraste
dans une image scinuigraphique. Annals of the world Assu- -J.QH j.or
Medical Informatics. Proceedings of the second annual WAMI Meeting.
Versailles, mars 1979» 199-202.
81 - WATANABE S - Karhunen-Loeve expansion and factor analysis theoretical
remarks and applications. Conf. Inform. Theory. Statist. Decision
Functions, and random processes! Prague, 1965, p. 635-660.
82 - ZAJICEK G - Digital pictures analysis of the renal tubulus. Computers
biomed., 1979, 12, £3), p. 291-29B.
V U et PERMIS D ' I M P R I M E R POUR LE PRESIDENT DE L' UNIVERSITÉ LE DOYEN DE LA FACULTE PES SCIENCES
ET DES TECHNIQUES A BESANÇON, le JZ-^tO.JSJsl
le Doyen
J. BULABOIS