Note ABES Automatic multimodal real-time tracking for image plane alignment in interventional Magnetic Resonance Imaging Suivi temps-réel automatique multimodal pour l'alignement des plans de coupe en IRM interventionnelle IRM interventionnelle Suivi temps-réel Vision par ordinateur Suivi optique Fusion de données multi-capteurs Traitement d’images médicales Recalage Filtre de Kalman Interventional MRI Real-time passive tracking Computer vision Optical tracking Multi-sensor data fusion Medical image processing Registration Kalman filter 621.38 610.28 Imagerie par résonance magnétique Imagerie interventionnelle Robotique en médecine Capteurs (technologie) Chirurgie -- Informatique Traitement d'images Emploi en diagnostic En imagerie par résonance magnétique (IRM) interventionnelle, des interventions percutanées minimalement-invasives (biopsies, ablations de tumeurs,...) sont réalisées sous guidage IRM. Lors de l’intervention, les plans de coupe acquis sont alignés sur l’outil chirurgical et les régions anatomiques d’intérêt afin de surveiller la progression de l’outil dans le corps du patient en temps réel. Le suivi d’objets dans l’IRM facilite et accélère les interventions guidées par IRM en permettant d’aligner automatiquement les plans de coupe avec l’outil chirurgical. Dans cette thèse, un système d’alignement automatique des plans de coupe établi sur une séquence IRM clinique est développé. Celui-ci réalise automatiquement la détection et le suivi d’un marqueur passif directement dans les images IRM tout en minimisant le temps d’imagerie dédié à la détection. L’inconvénient principal de cette approche est sa dépendance au temps d’acquisition de la séquence IRM clinique utilisée. Dans un premier temps, les performances du suivi ont pu être améliorées grâce à l’estimation et la prédiction du mouvement suivi par un filtre de Kalman. Puis un capteur optique complémentaire a été ajouté pour réaliser un suivi multi-capteurs, découplant ainsi la fréquence de rafraichissement du suivi de la fréquence de rafraichissement des images IRM. La performance du système développé a été évaluée par des simulations et des expériences utilisant un banc d’essai compatible IRM. Les résultats montrent une bonne robustesse du suivi multi-capteurs pour l’alignement des plans de coupe grâce à la combinaison des qualités individuelles de chaque capteur. Interventional magnetic resonance imaging (MRI) aims at performing minimally invasive percutaneous interventions, such as tumor ablations and biopsies, under MRI guidance. During such interventions, the acquired MR image planes are typically aligned to the surgical instrument (needle) axis and to surrounding anatomical structures of interest in order to efficiently monitor the advancement in real-time of the instrument inside the patient’s body. Object tracking inside the MRI is expected to facilitate and accelerate MR-guided interventions by allowing to automatically align the image planes to the surgical instrument. In this PhD thesis, an image-based workflow is proposed and refined for automatic image plane alignment. An automatic tracking workflow was developed, performing detection and tracking of a passive marker directly in clinical real-time images. This tracking workflow is designed for fully automated image plane alignment, with minimization of tracking-dedicated time. Its main drawback is its inherent dependence on the slow clinical MRI update rate. First, the addition of motion estimation and prediction with a Kalman filter was investigated and improved the workflow tracking performance. Second, a complementary optical sensor was used for multi-sensor tracking in order to decouple the tracking update rate from the MR image acquisition rate. Performance of the workflow was evaluated with both computer simulations and experiments using an MR compatible testbed. Results show a high robustness of the multi-sensor tracking approach for dynamic image plane alignment, due to the combination of the individual strengths of each sensor. Electronic Thesis or Dissertation Text en PDF 6274042 Université de Strasbourg Strasbourg 2014-12-31 https://theses.hal.science/tel-01038023 application/pdf 19722739 https://publication-theses.unistra.fr/public/theses_doctorat/2014/Neumann_Markus_2014_ED269.pdf http://www.theses.fr/2014STRAD004/abes https://theses.hal.science/tel-01038023 https://theses.hal.science/tel-01038023 https://theses.hal.science/tel-01038023 Neumann Markus 1985-06-17 FR 178338621 21015664 https://theses.fr/2014STRAD004 2014STRAD004 https://doi.org/10.70675/2eb530abz57d5z47dczab34z301063bc2c7a 2014-02-25 Robotique Strasbourg 131056549 Doctorat Docteur es non oui Mathelin Michel de MADS_DIRECTEUR_DE_THESE_1 079382983 Bock Michael MADS_PRESIDENT_DU_JURY 165955066 Gangi Afshin MADS_MEMBRE_DU_JURY_1 033658919 Breton Élodie MADS_MEMBRE_DU_JURY_2 129645214 Troccaz Jocelyne MADS_RAPPORTEUR_1 031497977 Quesson Bruno MADS_RAPPORTEUR_2 152976051 École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....) MADS_ECOLE_DOCTORALE_1 MA 156504863 Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....) MADS_PARTENAIRE_DE_RECHERCHE_1 UMR7357 176969721 217648 ddc:620 ddc:610 Mathelin Michel de Bock Michael Gangi Afshin Breton Élodie Troccaz Jocelyne Quesson Bruno École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....) Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....) PDF 6274042