François Chung, Ph.D.

Tag: 2009

CBM 2009 - Acte de conférence

CBM 2009 – Acte de conférence

|

Publication

Tobias Heimann, François Chung, Hans Lamecker, Hervé Delingette; Subject-specific ligament models: Towards real-time simulation of the knee joint; CBM 2009: Computational Biomechanics for Medicine IV, London, 2009.

Abstract

We present an efficient finite element method to simulate a transversely isotropic non-linear material for ligaments. The approach relies on tetrahedral elements and exploits the geometry to optimize computation of the derivatives of the strain energy. To better support incompressibilty, deviatoric and dilational responses are uncoupled and a penalty term controls volume preservation. We derive stress and elasticity tensors required for implicit solvers and verify our model against the FEBio software using a variety of load scenarios with synthetic shapes. The maximum node positioning error for ligament materials is < 5% for strains under physiological conditions. To generate subject-specific ligament models, we propose a novel technique to estimate fiber orientation from segmented ligament geometry. The approach is based on an automatic centerline extraction and generation of the corresponding diffusion field. We present results for a medial collateral ligament segmented from standard Magnetic Resonance Imaging (MRI) data. Results show the general viability of the method, but also the limitations of current MRI acquisitions. In the future, we hope to employ the presented techniques for real-time simulation of knee surgery.

Mots-clés

  • knee
  • ligament
  • real-time
  • simulation

Références

Publication

Version publiée (Springer)
Version pre-print (PDF)
Référence bibliographique (BibTeX)

Article associé

3D Anatomical Human (projet INRIA)

MICCAI 2009 - Acte de conférence

MICCAI 2009 – Acte de conférence

|

Publication

François Chung, Hervé Delingette; Multimodal prior appearance models based on regional clustering of intensity profiles; MICCAI 2009: Medical Image Computing and Computer-Assisted Intervention, London, 2009.

Abstract

Model-based image segmentation requires prior information about the appearance of a structure in the image. Instead of relying on Principal Component Analysis (PCA) such as in Statistical Appearance Models (SAMs), we propose a method based on a regional clustering of intensity profiles that does not rely on an accurate pointwise registration. Our method is built upon the Expectation-Maximization (EM) algorithm with regularized covariance matrices and includes spatial regularization. The number of appearance regions is determined by a novel model order selection criterion. The prior is described on a reference mesh where each vertex has a probability to belong to several intensity profile classes.

Références

Publication

Version publiée (Springer)
Version pre-print (PDF)
Poster (PDF)
Référence bibliographique (BibTeX)

Articles associés

Modèle multimodal (projet INRIA)
3D Anatomical Human (projet INRIA)

En savoir plus

MICCAI – Medical Image Computing and Computer Assisted Intervention

Modèle multimodal

Modèle multimodal

|

Projet INRIA @Sophia-Antipolis, France (2009). La segmentation d'images basée modèle requiert une information préalable sur l'apparence d'une structure dans l'image. Au lieu de s'appuyer sur l'analyse en composantes principales (ACP), comme c'est le cas avec les modèles d'apparence statistiques (SAM), nous proposons un nouveau modèle d'apparence basé sur un clustering régional de profils d'intensité qui ne repose pas sur un recalage point à point précis.

Ce modèle multimodal d'apparence, dénommé Multimodal Prior Appearance Model (MPAM), repose sur l'algorithme d'espérance-maximisation (EM) combiné avec des matrices de covariance régularisées et inclut une régularisation spatiale. Le nombre de régions d'apparence est déterminé par un nouveau critère de sélection. Le modèle est décrit sur un maillage de référence où chaque sommet a une probabilité d'appartenir à plusieurs classes de profils d'intensité.

Nous avons testé notre méthode avec 7 maillages du foie segmenté à partir d'images tomographiques (CT) et 4 maillages du tibia segmenté à partir d'images par résonance magnétique (IRM). Pour les deux structures, des profils d'intensité composés de 10 échantillons extraits chaque mm ont été générés à partir de maillages composés d'environ 4000 points.

Le principal avantage de notre approche est que les régions d'apparence sont extraites sans nécessiter un recalage point à point précis. Un autre avantage est qu'un modèle peut être construit avec un nombre restreint d'ensembles de données (en fait, un seul ensemble suffit). En outre, le modèle est multimodal, et donc en mesure de faire face à une grande variation au niveau de l'apparence.

Références

Articles associés

MICCAI 2009 (acte de conférence)
Ph.D. Thesis 2011 (thèse de doctorat)

ORASIS 2009 - Acte de conférence

ORASIS 2009 – Acte de conférence

|

Publication

François Chung, Jérôme Schmid, Olivier Clatz, Nadia Magnenat-Thalmann, Hervé Delingette; Reconstruction 3D des structures anatomiques des membres inférieurs; ORASIS'09: Congrès des jeunes chercheurs en vision par ordinateur, Association Française pour la Reconnaissance et l'Interprétation des Formes (AFRIF), Trégastel, 2009.

Abstract

Dans cet article, nous nous intéressons à la modélisation des structures anatomiques des membres inférieurs telles que les os, les muscles et les tendons. La méthode proposée commence par une acquisition d'images par résonance magnétique (IRM) durant laquelle les membres inférieurs d'un sujet sont scannés. Des modèles 3D sont ensuite générés après une segmentation manuelle des structures anatomiques. Cependant, la surface des modèles générés n'est pas lisse. De plus, les modèles ne sont pas attachés alors qu'ils devraient l'être anatomiquement. Nous décrivons donc les différentes étapes pour contraindre les modèles à être corrects au niveau anatomique et nous discutons de leur validation. L'objectif de cette méthode est de pouvoir réutiliser ces modèles dans des méthodes de segmentation automatique.

Mots-clés

  • IRM
  • segmentation
  • modélisation 3D
  • membres inférieurs

Références

Publication

Version publiée (HAL)
Version pre-print (PDF)
Présentation (PDF)
Référence bibliographique (BibTeX)

Articles associés

Reconstruction 3D (projet INRIA)
3D Anatomical Human (projet INRIA)

En savoir plus

ORASIS’09
AFRIF – Association Française pour la Reconnaissance et l’Interprétation des Formes

Reconstruction 3D

Reconstruction 3D

|

Projet INRIA @Genève, Suisse (2009). Dans ce travail, nous nous intéressons à la reconstruction 3D des structures anatomiques des membres inférieurs telles que les os, les muscles et les tendons. Notre méthode commence par une acquisition d'images par résonance magnétique (IRM) durant laquelle les membres inférieurs d'un sujet sont scannés. Des modèles 3D sont ensuite générés après une segmentation manuelle des structures anatomiques.

Cependant, la surface des modèles générés n'est pas lisse. De plus, les modèles ne sont pas attachés alors qu'ils devraient l'être anatomiquement. Différentes étapes consécutives sont nécessaires pour contraindre les modèles à être corrects au niveau anatomique. L'objectif de notre méthode est de pouvoir réutiliser ces modèles avec des méthodes de segmentation automatique.

Ce travail est une collaboration entre:

  • INRIA Sophia-Antipolis - Institut National de Recherche en Informatique et en Automatique (FR);
  • UNIGE - Université de Genève (CH).

Notre méthode de modélisation nous a permis de générer la plupart des structures anatomiques des membres inférieurs. Nous avons ainsi pu créer un total de 109 modèles dont les os, les muscles, les tendons et la peau. En ce qui concerne les os, nous en avons modélisé 6 au total. Plus précisément, la hanche, le fémur, la rotule, le tibia, le fibula et l'os du pied. Enfin, nous avons modélisé 34 muscles au total. Pour chaque muscle, nous avons modélisé une paire de tendons (proximal et distal) dont le rôle est d'attacher les muscles aux os. Les modèles générés ont été évalués et validés par un expert médical.

Références

Articles associés

ORASIS 2009 (acte de conférence)
3D Anatomical Human (projet INRIA)

En savoir plus

INRIA Sophia-Antipolis – Institut National de Recherche en Informatique et en Automatique

Langues

Articles récents

Catégories

Actualités

Les récentes & Les populaires

Recherche