Recherche sur l’Alignement 3D/2D des Vaisseaux Sanguins Basé sur la Recherche Arbre Monte Carlo et la Régularisation de Manifold

Dans les interventions vasculaires, les technologies d’imagerie en temps réel améliorées peuvent pallier les lacunes de la navigation DSA telles que le manque d’informations en profondeur et l’utilisation excessive d’agents de contraste toxiques, en projetant les images de l’angiographie par tomodensitométrie (CTA) préopératoire sur les images de l’angiographie numérique par soustraction (DSA) peropératoire. Parmi ces techniques, l’alignement 3D/2D des vaisseaux est une étape clé. Cette recherche propose une méthode d’alignement 3D/2D basée sur la correspondance des graphes vasculaires.

I. Contexte et Motivation de la Recherche

L’angiographie numérique par soustraction (DSA) est la principale méthode d’imagerie pour les interventions vasculaires mini-invasives, permettant d’obtenir des images 2D en injectant un agent de contraste dans les vaisseaux d’intérêt. Bien que le DSA ait une haute résolution spatiale et temporelle, il manque d’informations en profondeur, et l’utilisation excessive de l’agent de contraste augmente la charge sur le patient. Par conséquent, la combinaison des images des vaisseaux 3D extraits des images CTA préopératoires avec les images DSA peropératoires est l’application pratique de la technologie d’alignement 3D/2D, fournissant des informations de profondeur des vaisseaux aux radiologues interventionnels pour soutenir la manipulation des fils-guides ou des cathéters.

Cet article, rédigé par He Jingjun (Jianjun Zhu) et al., des institutions telles que la société Hanglok-Tech et l’hôpital Zhongda de l’Université du Sud-Est à Nankin (Zhongda Hospital, Southeast University), a été publié en mai 2024 dans l’IEEE Transactions on Medical Imaging.

II. Méthodes de Recherche

Origine des Données et Prétraitement

La recherche a utilisé des données cliniques de trois hôpitaux ainsi que des données publiques pour former un modèle de segmentation basé sur l’apprentissage profond, et a utilisé des données simulées pour les expériences. Les modèles de graphes vasculaires ont été obtenus via la segmentation des vaisseaux CTA 3D et DSA 2D.

Alignement 3D/2D Basé sur la Correspondance des Graphes Vasculaires

Cette recherche utilise la méthode de recherche Arbre Monte Carlo (MCTS) pour réaliser l’alignement 3D/2D, en décomposant la correspondance des vaisseaux en états corrélés continus et en construisant une structure d’arbre. Chaque nœud de l’arbre de recherche enregistre l’état courant de correspondance des vaisseaux ainsi que les résultats de l’alignement. En étendant itérativement une partie de l’arbre de recherche et en évaluant les scores des nœuds, nous trouvons le nœud avec le plus haut chevauchement pour réaliser l’alignement.

Alignement Non Rigide avec Régularisation de Manifold

Dans l’alignement non rigide, une correspondance dense entre les vaisseaux 3D et 2D est nécessaire. Cet article introduit la régularisation de manifold dans le modèle de déformation des vaisseaux, en construisant un terme de régularisation de manifold dans la fonction objectif et en simplifiant la formule de calcul du gradient, améliorant ainsi l’efficacité de l’alignement non rigide.

III. Résultats Expérimentaux

La recherche a été validée sur les données cliniques des artères hépatiques, des artères coronaires et de l’aorte, et comparée avec sept méthodes d’alignement rigide et trois méthodes d’alignement non rigide.

Expériences d’Alignement Rigide

Les expériences d’alignement rigide ont été effectuées avec des données simulées pour tester les performances de diverses méthodes sous différents angles de rotation et conditions de bruit. Les résultats expérimentaux montrent que la méthode proposée dépasse les méthodes existantes en précision d’alignement et en efficacité de calcul. En particulier, dans des situations avec de grands angles de rotation, notre méthode montre une forte indépendance de la pose.

Expériences d’Alignement Non Rigide

L’alignement non rigide a été testé avec des données simulées contenant du bruit et des déformations. Les résultats montrent que la méthode d’alignement non rigide basée sur la régularisation de manifold dépasse les méthodes existantes en termes d’erreur d’alignement et de temps de calcul. En particulier, dans des situations avec un fort bruit, notre méthode montre une bonne robustesse.

Alignement des Graphes Vasculaires Coronaires Générés

Cet article utilise les données CTA et DSA des artères coronaires pour générer 24 paires de graphes vasculaires et tester diverses méthodes sous interférences de bruit et de déformation. Les résultats montrent que notre méthode a un avantage significatif en termes d’erreur d’alignement et de temps de calcul.

Alignement Manuel des Vaisseaux

Des données des artères hépatiques, de l’aorte et des coronaires annotées manuellement ont été utilisées dans les expériences pour éliminer le bruit superflu et vérifier l’efficacité de notre méthode dans des applications cliniques. Les résultats d’analyse montrent que notre méthode performe remarquablement en précision et en efficacité d’alignement.

IV. Conclusions de la Recherche

Cet article propose une méthode d’alignement 3D/2D des vaisseaux sanguins basée sur les informations topologiques des vaisseaux, combinant la recherche Arbre Monte Carlo et la régularisation de manifold. Dans l’alignement rigide, notre méthode construit un arbre de recherche de correspondance des vaisseaux et effectue une recherche itérative, améliorant considérablement l’efficacité de la recherche et la précision de l’alignement. Dans l’alignement non rigide, le modèle de déformation basé sur la régularisation de manifold résout efficacement le problème de la correspondance de déformation, améliorant encore les résultats de l’alignement.

Les résultats expérimentaux, validés sur les données des artères hépatiques, coronaires et aortiques, montrent que notre méthode dépasse les méthodes existantes en précision et en efficacité d’alignement. Cet article explore également les méthodes de construction et de correspondance des graphiques vasculaires, décrivant en détail les méthodes pour calculer la correspondance maximale et son application dans la construction de modèles de déformation.

Points Forts et Importance

La méthode de recherche couvre l’alignement vasculaire rigide à non rigide, en utilisant de nouvelles méthodes de correspondance des graphes vasculaires et la régularisation de manifold, améliorant la précision et l’efficacité de l’alignement. Cette recherche a non seulement une grande valeur scientifique, mais elle soutient également techniquement les applications pratiques dans la navigation chirurgicale. En particulier, la méthode de régularisation de manifold proposée peut être appliquée à d’autres tâches d’alignement interdimensionnels basées sur la structure topologique.

Limites et Perspectives

Bien que notre méthode performe bien dans les expériences, la dépendance à la topologie de la ligne centrale des vaisseaux demeure une limitation, car les erreurs dans la génération de la structure topologique peuvent affecter les résultats d’alignement. Les directions futures incluent l’utilisation de stratégies de calcul plus efficaces pour améliorer encore la réactivité en temps réel et explorer l’alignement rapide et précis directement utilisant les images CT et DSA sans étapes de prétraitement.

Grâce à la validation par des expériences sur les structures anatomiques vasculaires typiques et à une comparaison systématique avec diverses méthodes existantes, la méthode 3D/2D d’alignement des vaisseaux proposée dans cet article démontre une robustesse et une efficacité prometteuses, avec le potentiel de jouer un rôle encore plus important dans les applications cliniques réelles.