Journal de génie informatique et des technologies de l'information

Stabilisation vidéo et suivi de la région d'intérêt dans le domaine de l'IRM cardiaque

Gino S, Goitein O, Konen E et Spitzer H

Stabilisation vidéo et suivi de la région d'intérêt dans le domaine de l'IRM cardiaque

La stabilisation des séquences d'IRM cardiaque (CMRI), telles que la perfusion de premier passage myocardique, devrait permettre une amélioration significative du diagnostic médical. Une telle stabilisation est cruciale en raison du mouvement du diaphragme, tout au long des cycles respiratoires et cardiaques. Le défi ci-dessus est également valable de manière générale en vision par ordinateur pour la stabilisation vidéo et le suivi de la région d'intérêt (ROI) d'objets non rigides. Nous proposons un nouvel algorithme de suivi et de stabilisation CMRI, inspiré des mécanismes corticaux du système visuel humain (HVS), pour les voies de bord et de région. L'algorithme pondère de manière adaptative ces voies en fonction de l'état de la ROI. La ROI est suivie via un pipeline en deux étapes ; un moteur grossier extrait d'abord une approximation linéaire du mouvement, suivi d'un moteur fin, qui permet la déformation des bords. Le mouvement de la ROI est ensuite estimé par approximation linéaire commune pour la stabilisation. La stabilisation vidéo est obtenue en résolvant le problème de suivi de la ROI, tout en gardant sa position initiale fixe. L' algorithme automatique proposé a été testé sur plusieurs vidéos CMRI. La qualité de stabilisation a été évaluée à l'aide d'outils basés sur des mesures de similarité inter-images (ITF) et de similarité structurelle (SSIM). De plus, les résultats ont été évalués cliniquement sur une échelle de 1 à 5 par deux radiologues. Les évaluations techniques et cliniques ont été utilisées pour comparer nos résultats avec les méthodes concurrentes de pointe, où nos résultats ont été généralement favorisés par rapport aux concurrents (7 cas sur 10, 1 cas est controversé, c'est-à-dire préféré cliniquement uniquement). Notre algorithme parvient à stabiliser la coupe CMRI de perfusion pour de longues rafales d'images, ce qui indique le potentiel de permettre un meilleur diagnostic médical .