Analyse de séquences d'images médicales
Notre équipe a largement contribué au développement et aux applications de la méthode d'analyse
factorielle des séquences d'images médicales (AFSIM). L'AFSIM est une méthode d'analyse de
séquences d'images dynamiques ou spectrales, permettant de résumer le contenu de la séquence
au moyen d'un petit nombre d'images et de courbes associées, en supposant un modèle de superposition
linéaire des structures d'intérêt sous-jacentes. Elle permet en particulier de décomposer
un processus dynamique complexe en une somme de processus plus simples, ou un signal spectral en différentes
composantes (photons primaires et photons diffusés en imagerie scintigraphique par exemple).
Depuis plus de 10 ans, nous travaillons à l'amélioration des performances de cette approche
et à l'élargissement de ces applications.
Nos principaux résultats méthodologiques concernent:
- La détermination des métriques optimales pour l'AFSIM de données présentant des propriétés statistiques connues.
- L'introduction d'a priori dans l'analyse, facilitant l'identification d'une solution unique.
- La détermination des propriétés statistiques des facteurs et des images factorielles résultant d'une AFSIM.
- La généralisation de l'analyse factorielle pour la recherche de solutions dans un espace de dimension supérieur au nombre de facteurs.
Les applications les plus récentes de nos travaux concernent:
- La correction de la diffusion en imagerie monophotonique planaire ou SPECT.
- La correction de la contamination croisée en imagerie SPECT double-isotope.
- La création d'images synthétiques fusionnant des informations de perfusion et de fonction en tomographie cardiaque PET ou SPECT synchronisée à l'électrocardiogramme.
- La caractérisation de la dynamique de fixation de la choline marquée au Carbone 11 en PET dans des tumeurs cérébrales et dans des zones adjacentes nécrosées.
Nous avons également contribué au développement du logiciel
Pixies implémentant l'AFSIM, existant dans des versions freeware et commercialisées.
Pour en savoir plus...
Publications relatives à ces travaux
- N. Freedman, R. Chisin, R. Rubinstein, Y. Shoshan, T. Siegal, I. Buvat. Factor Analysis (FA) in the evaluation of dynamic PET brain tumor imaging with C-11 choline.
J. Nucl. Med. 43, 249P, 2002. Poster (PDF)
- S. Hapdey, M. Soret, C. Riddell, H. Benali, I. Buvat. Generalized spectral factor analysis using Klein-Nishina priors for cross-talk correction in simultaneous 99mTc/123I brain SPECT. J. Nucl. Med. 42, 139P, 2001.
- I. Buvat, S.L. Bacharach, A.N. Kitsiou, V. Dilsizian, H. Benali, R. Di Paola. Fused images for combined assessment of myocardial perfusion and function. J. Nucl. Med, 41, 157P, 2000. Poster (PDF)
- I. Buvat, S. Hapdey, H. Guillemet, H. Benali and R. Di Paola. Generalized factor analysis of medical image series (FAMIS) for accurate quantitation. Eur. J. Nucl. Med., 27, 966. 2000.
Présentation orale (PDF)
- I. Buvat, S. Hapdey, H. Benali, A. Todd-Pokropek, R. Di Paola. Spectral factor analysis for multi-isotope imaging in nuclearĘ medicine. Information Processing in Medical Imaging. A. Kuba, M. Samal and A. Todd-Pokropek eds,
Springer, Berlin, 442-447, 1999. Article (PDF)
- I. Buvat, H. Benali, R. Di Paola. Statistical distribution of factors and factor images in factor analysis of medical image sequences. Phys. Med. Biol. 43, 1695-1711, 1998. Article (PDF)
- H. Benali, I. Buvat, F. Frouin, J.P. Bazin, R. Di Paola. Foundations of factor analysis of medical image sequences: a unified approach and some practical implications. Image and Vision Computing. 12, 375-385, 1994.
- I. Buvat, H. Benali, F. Frouin, J.P. Bazin, R. Di Paola. Target apex-seeking in factor analysis of medical image sequences. Phys. Med. Biol. 38, 123-138, 1993. Article (PDF)
- H. Benali, I. Buvat, F. Frouin, J.P. Bazin, R. Di Paola. A statistical model for the determination of the optimal metric in factor analysis of medical image sequences. Phys. Med. Biol. 38, 1065-1080, 1993.
Article (PDF)
- F. Frouin, L. Cinotti, H. Benali, I. Buvat, J.P. Bazin, P. Millet, R. Di Paola. Extraction of functional volumes from medical dynamic volumetric data sets. Comput. Med. Imaging Graph. 17, 397-404, 1993.
Contact
Irène Buvat : buvat@imed.jussieu.fr