Sites Inria

Conférence

3/03/2011

L’anatomie algo-rithmique : une thématique émergente

Depuis plusieurs décennies la qualité des images biomédicales n’a cessé de s’améliorer permettant ainsi de révéler des détails toujours plus fins sur l’anatomie et la physiologie des organismes vivants.  Ainsi, l'imagerie biomédicale permet aujourd’hui de sonder le vivant dans une large gamme d’échelles spatiales (depuis l’échelle moléculaire jusqu’à l’organisme entier) et temporelles (de la milliseconde à plusieurs années).

Loading the player...

Une analyse informatisée est nécessaire pour exploiter la très grande quantité d’informations contenues dans ces images biomédicales. Elle repose notamment sur l’utilisation de modèles algorithmiques du vivant qui visent à reproduire la morphogenèse et le fonctionnement standards ou pathologiques des organes à différentes échelles d’observation.

Le développement de ces modèles requiert la mise en place de nouveaux outils d’analyse capables de décrire  les variations statistiques de l’anatomie  et de son développement  au sein d’une population.  C’est précisément l’objectif de la thématique de recherche émergente baptisée « Anatomie algorithmique » ou « Computational Anatomy  »  en anglais, dont les applications en médecine sont très importantes par exemple pour planifier et simuler des thérapies sur des modèles personnalisés du patient, pour comparer ou fusionner les images anatomiques et fonctionnelles acquises sur une population de sujets, ou pour détecter de façon précoce des pathologies liées à des variations subtiles du développement de la forme d’un organe.

Pour analyser la variabilité des formes anatomiques, on identifie en général des caractéristiques géométriques  décrivant localement cette anatomie (courbes, surfaces, déformations) et on modélise leur distribution statistique  dans une population après une mise en correspondance de groupe. L'anatomie algorithmique est donc une thématique de recherche à l'intersection du traitement d'images, de la géométrie, des statistiques, et de la médecine.  Une difficulté importante provient du fait que ces objets n'appartiennent pas en général à des espaces euclidiens. La structure Riemannienne permet de contourner ce problème en fournissant des notions algorithmiques  et statistiques consistantes. Par exemple, le choix d’une métrique adaptée sur l’espace des matrices symétriques définies positives permet d’obtenir un cadre algorithmique complet pour l’estimation et le traitement d’images de tenseur de diffusion. Pour utiliser des primitives plus complexes comme des lignes ou des surfaces,  le cadre de courants, issu de la théorie de l’intégration géométrique a été transformé par J. Glaunes et S. Durrleman en un environnement algorithmique efficace pour des applications en statistiques de forme biomédicales.

J’illustrerai les avancées récentes obtenues grâce à cette méthodologie dans trois applications biomédicales. En orthopédie, nous avons proposé avec J. Boisvert un modèle statistique articulé de la colonne vertébrale inféré sur une base de 300 images de patients scoliotiques dont les premiers modes de variation se sont avérés remarquablement bien corrélés avec la classification clinique fondée sur des observations empiriques. En cardiologie, nous avons proposé avec J.-M. Peyrat une méthodologie pour construire un atlas statistique des images par résonance magnétique de diffusion à partir desquelles nous avons déterminé la structure moyenne et la variabilité des fibres dans un ensemble de 9 cœurs de chiens.  Avec Th. Mansi, nous avons modélisé l’évolution de la forme du ventricule droit dans la tétralogie de Fallot, une pathologie cardiaque pédiatrique grave. Le modèle statistique estimé présente une interprétation anatomique intéressante qui pourrait permettre de mieux comprendre l’évolution de cette pathologie. Enfin, en neurosciences, nous avons analysé avec P. Fillard et S. Durrleman la forme de structures cérébrales et leur évolution lors de la croissance. L’extension de ces méthodes à des données longitudinales est actuellement un problème important  pour de nombreuses pathologies liées au vieillissement comme la maladie d’Alzheimer.

Mots-clés : Xavier Pennec Le modèle et l'algorithme Colloquium Conférence scientifique

Haut de page

Suivez Inria tout au long de son 50e anniversaire et au-delà !