Modélisation et suivi par modèle d’état harmonique du mouvement ventriculaire gauche du cœur en Imagerie par Résonance Magnétique

Modélisation et suivi par modèle d’état harmonique du mouvement ventriculaire gauche du cœur en Imagerie par Résonance Magnétique

Modeling and tracking of the cardiac left ventricular motion by a linear harmonic model in MRI sequence

M. Oumsis A. D. Sdigui  B. Neyran  I. E. Magnin 

Laboratoire d’informatique, Equipe des Interfaces Homme-Machine ENSIAS, Université Mohammed V Souissi Rabat Maroc

CREATIS, UMR CNRS 5515, affilié à l’INSERM, Lyon, France INSA 502/69621 Villeurbanne Cedex (France)

Page: 
501-516
|
Received: 
18 May 2000
| |
Accepted: 
N/A
| | Citation

OPEN ACCESS

Abstract: 

In this article, we propose a new method for modeling the left ventricular motion of the heart from a magnetic resonance imaging (MRI) sequence. We propose to model the space-time trajectory of the points of the endocardial (respectively epicardial) contour of the left ventricle (LV) using a harmonic model of movement, which is linear and can describe the dynamics of the leftventricle throughout the cardiac cycle. This new model is based on the assumption of quasi-periodicity of the cardiac cycle and uses a Kalman filter as estimation tool.

We first refer to the main works in the field, then describing our method. We give the way to get the space-time trajectories of the contour points of the LV. We present the model with the selected state equations and the Kalman filter based motion estimate. We propose two methods of calculation. The direct one provides a solution for a fixed rank of the harmonic model. The recursive one allows progressively go from rank n to rank n + 1 without prior choice. The model is validated on simulated data by direct comparison with the traditional Fourier decomposition approach. It is shown that it fits well the studied trajectories. The results obtained on real cardiac sequences are particularly interesting because they demonstrate the capability of our method to discriminate unambiguously normal cases from pathological cases.

Résumé

Dans cet article, nous proposons une nouvelle méthode de modélisation du mouvement ventriculaire gauche du cœur à partir d’une séquence d’images acquises en imagerie par résonance magnétique (IRM). Nous proposons de modéliser la trajectoire spatio-temporelle des points appartenant au contour endocardique (respectivement épicardique) du ventricule gauche (VG) à l’aide d’un modèle de mouvement harmonique, linéaire, capable de décrire la dynamique du VG sur l’ensemble du cycle cardiaque. Ce modèle s’appuie sur l’hypothèse de quasi-périodicité du rythme cardiaque. Il utilise un filtre de Kalman comme outil d’estimation.

Après une analyse commentée des travaux récents dans le domaine, nous détaillons les différentes étapes de la méthode. L’obtention des trajectoires spatio-temporelles des points de contours est décrite. Nous présentons le vecteur d'état canonique retenu et les équations d’état correspondantes, suivies de l’estimation des paramètres du mouvement par filtrage de Kalman. Nous proposons deux méthodes de calcul du modèle d'état harmonique, l’une directe qui fournit une solution pour un ordre fixé du modèle harmonique, l’autre récursive qui permet le passage progressif d’un ordre n à l’ordre n + 1 du modèle. Ce modèle est validé sur des données simulées par comparaison directe avec l’approche classique utilisant la décomposition de Fourier. On montre qu’il est nettement plus robuste en présence du bruit sur les trajectoires étudiées. Les résultats obtenus sur des séquences d’images cardiaques réelles sont particulièrement intéressants car ils permettent déjà d’identifier sans ambiguïté les cas normaux des cas pathologiques.

Keywords: 

Modeling, tracking of the movement, left ventricle, harmonic model, Kalman filter

Mots clés

Modélisation, suivi du mouvement, ventricule gauche, modèle harmonique, filtre de Kalman

1. Introduction
2. Méthode
3. Expériences
4. Discussion Et Conclusion
  References

[1] P. Alais, M. Fink, B. Richard, Les images ultrasonores. La recherche, 1979 10(101) : p. 645-650.

[2] J. Barron, D. Fleet, S. Deauchemin, Performance of optical flow techniques, Int. J. Comput. Vis.,1994 12 : p. 43-77.

[3] J. Bittoun, De la résonance magnétique nucléaire à l’imagerie par résonance magnétique, La revue du Praticien, Paris, 1996 46 : p. 803-810.

[4] C. C. Bonciu, Restitution 4D du ventricule gauche du cœur par échocardiographie, Thèse de doctorat, Université d’Orléans, 1997, p. 265.

[5] J. Declerck, Etude de la dynamique cardiaque par analyse d’images tridimensionnelles, Thèse de doctorat, Université de Nice Sophia-Antipolis, 1997, p. 253.

[6] C. Delhomme, D. Casset-Senon, D. Babuty, J. C. Charniot, Etude par tomographie cavitaire isotopique de 36 cas de prolapsus valvulaire mitral, Archive des maladies du cœur et des vaisseaux, ISBN 0003-9683, 1996 : p. 1127-1135.

[7] B. Friedland, On the effect of incorrect gain in Kalman filter, IEEE Transactions., 1967 AC12 : p. 610.

[8] M. S. Grewal, A. P. Andrews, Kalman filtering, theory and practice, Englewood Cliffs, NJ : Prentice Hall, Info Syst. Sciences series, 1993.

[9] Y. Houdas, Physiologie cardio-vasculaire, Paris : Vigot, 1990, p. 365.

[10] R. E. Kalman, A new approach to linear filtering and prediction problems, Transactions. ASME, 1960 82(D) : p. 35-45.

[11] R. E. Kalman, R. S. Bucy, New results in linear filetring and prediction theory, Transactions . ASME, J. Bas. Eng., 1961 83(D) : p. 95-108.

[12] A. Lingamneni, P. A. Hardy, K. A. Powell, N. J. Pelc, R. W. White, Validation of cine phase-contrast MR imaging for motion analysis, J. Magn. Reson. Imaging, 1996 : 625-635.

[13] Q.H. Liu, X.M. Xu, B. Tian, Z.Q. Zhang, Applications of nonuniform fast transform algorithms in numerical solutions of differential and integral equations, IEEE Transaction on geoscience and remote sensing, 2000 38 (4) Part 1: p. 1551-1560.

[14] I. E. Magnin, C. Mathieu, D. Friboulet, P. Clarysse, Intérêt de l’imagerie cardiaque 3D : acquisition, segmentation, quantification, Symposium Echocardiographique et analyse d’images ventriculaires, 1993: p. 112-132.

[15] J. McEachen, A. Nehorai, J. Duncan, A recursive filter for temporal analysis of cardiac motion, IEEE workshop on Biomedical Image analysis, 1994 : p. 124-133.

[16] F. G. Meyer, R. T. Constable, A. J. Sinusas, J. S. Duncan, Tracking Myocardial Deformation Using Phase Contrast MR Velocity Fields: A Stochastic Approach, IEEE Transactions on Medical Imaging, 1996 15(4) : p. 453-465.

[17] J. Murcia, Reconstruction d'images cardiaques en tomographie d'émission monophotonique à l'aide de modèles spatio-temporels, Thèse, Spécialité : Signal-Image-Parole, Institut National Polytechnique de Grenoble, 1996, p. 179.

[18] C. Nastar, Modèles physiques déformables et modes vibratoires pour l’analyse du mouvement non-rigide dans les images multidimensionnelles, Thèse de doctorat, Ecole Nationale des Ponts et des Chaussées, 1994, p. 181.

[19] S. J. Orphanidis, Optimum signal processing ; an introduction, Mc GrawHill, New-York, 1988.

[20] M. Oumsis, Modélisation et suivi du mouvement d’objets élastiques dans une séquence d’images en imagerie cardiaque, Thèse de 3ème cycle, Université Mohammed V Rabat, 1999, p. 115.

[21] J. Park, D. Metaxas, A. Young, Deformable models with parameter functions : application to heart-wall modeling, IEEE Computer Vision and Pattern Recognition, 1994 : p. 437-442.

[22] J. Park, D. Metaxas, L. Axel, Analysis of left ventricular motion based on volumetric deformable models and MRI-SPAMM, Medical Image Analysis, 1996 1(1) : p. 53-71.

[23] N. J. Pelc, M. Drangova, L. R. Pelc, Y. Zhu, D.C. Noll, B. Bowman, R.J. Herfkens, Tracking of cyclic motion with phase-contrast cine RM velocity data, J. Magn. Reson. Imaging, 1995 5 : p. 339-345.

[24] J. C. Radix, Filtrage et lissage statistiques optimaux linéaires, CEPADUESEDITIONS 1984.

[25] O. Ratib, B. Friedli, A. Righetti, I. Oberhaensli, Radionuclide evaluation of right ventricular wall motion after surgery in tertralogy of fallot, Pediatric Cardiology, 1989 10 : p. 25-31.

[26] A. P. Sage, J. L. Melsa, Estimation theory with application to communication and control, Mc Graw-Hill, New-York, 1971.

[27] J. P. Thirion, Fast non-rigid matching of 3D medical images, Medical Robotics and Computer Aided Surgery, 1995: p. 47-54.

[28] R. C. Todd, K. Rath, A. Sinusas, J. Gore, Development and evaluation of tracking algorithms for cardiac wall motion analysis using phase velocity MR imaging, Magnetic Resonance in Medicine, 1994 32 : p. 33-42.

[29] Y. D. Zhu, M. Drangova, N. J. Pelc, Fourier tracking of myocardial motion using Cine-PC velocity data, Magnetic Resonance in Medicine, 1996 35: p. 471-480.

[30] Y. D. Zhu, M. Drangova, N. J. Pelc, Estimation of deformation gradient and strain from Cine-PC velocity data, IEEE Transactions on Medical Imaging, 1997 16(6) : p. 840-851.