analyse et modélisation 3d du comportement dynamique du cœur

Analyse et modélisation 3D du comportement dynamique du coeur en imagerie multimodalité
191
Revue de l'ACOMEN, 1999, vol.5, n°2
1. Introduction
L’évaluation non invasive de la fonction cardiaque pré-
sente un intérêt majeur en pathologie cardio-vasculaire
[1]. Elle est utile à la fois dans les phases diagnostiques,
thérapeutiques et interventionnelles. Sachant que le re-
tentissement fonctionnel d’une lésion dépend de sa na-
ture, de sa localisation et de son étendue, il est clair que la
pertinence du diagnostic médical est directement liée à
l’appréciation quantitative qui peut en être faite. Les ano-
malies induites affectent, selon les cas, le rythme, la perfu-
sion, la contraction ou encore le métabolisme myocardique.
Dans ce contexte, l’imagerie médicale constitue un outil
privilégié d’investigation, car elle donne accès à des infor-
mations morphologiques (forme, dimensions, volume),
dynamiques (mouvement, déformation, vitesse) et fonc-
tionnelles (perfusion, activité métabolique). Cependant,
malgré les progrès importants réalisés ces 15 dernières
années [2,3], les systèmes d’imagerie actuels fournissent
des données dont le caractère partiel limite l’évaluation
clinique. Le clinicien établit généralement son diagnostic
en inférant mentalement le comportement dynamique tridi-
mensionnel du coeur, à partir de séquences temporelles
d’images 2D issues soit de projections (angiographies RX)
soit de séries de coupes (scanner X mono- et multi-cou-
pes, IRM, US, TEP). Cette démarche nécessite une grande
expérience. Elle reste difficile et peu précise. La seule ima-
gerie réellement tridimensionnelle utilisée en routine clini-
que est l’imagerie isotopique SPECT. Quant aux méthodes
numériques de traitement, certains auteurs [4] [5] remar-
quent que les analyses, à partir de séquences temporelles
2D, sont limitées par le fait qu’elles ne peuvent accéder
qu’à la fraction projetée du mouvement du coeur dans le
plan image.
Dans cet article, nous proposons une bibliographie com-
mentée des principaux travaux menés actuellement pour
modéliser et analyser le comportement dynamique tridi-
mensionnel du coeur normal et pathologique en s’appuyant
sur les modalités d’imagerie complémentaires disponibles.
ANALYSE ET MODÉLISATION 3D
DU COMPORTEMENT DYNAMIQUE DU CŒUR
EN IMAGERIE MULTIMODALITÉ
I.E. MAGNIN
UMR CNRS 5515 affiliée à l’INSERM, INSA502
- Villeurbanne -
2. Les paramètres cliniques
Les paramètres cliniques qui caractérisent la fonction car-
diaque et intéressent le clinicien sont de nature globale
(fraction d’éjection, masse myocardique, courbe de vo-
lume de la cavité VG au cours du cycle, vitesse de raccour-
cissement des fibres) ou de nature locale (contractilité
segmentaire, déformation pariétale, perfusion, vitesse lo-
cale du déplacement, évolution spatio-temporelle). Ces pa-
ramètres sont intrinsèquement de nature tridimensionnelle
bien qu’ils soient encore, dans la majorité des cas, estimés
à partir de données 2D. Ils caractérisent principalement le
ventricule gauche (VG) du coeur qui assure à lui seul 80%
de la fonction cardiaque.
3. Analyse et modélisation
Le recours au traitement automatique des séquences d’ima-
ges cardiaques en vue d’extraire le plus efficacement pos-
sible les paramètres cliniques nécessaires au diagnostic,
est une obligation, compte tenu des quantités impression-
nantes de données acquises chaque jour en routine hos-
pitalière. Cependant, ces techniques doivent non seule-
ment être capables de réaliser les mesures standards mais,
à plus long terme, pouvoir extraire des images beaucoup
plus d’informations quantitatives que cela n’est fait aujour-
d’hui afin de fournir au praticien de nouveaux indices plus
pertinents pour quantifier la fonction cardiaque en géné-
ral. L’approche 3D constitue l’élément clé de ce progrès.
3.1. Segmentation 3D des cavités
La mesure des paramètres les plus courants, comme la frac-
tion d’éjection, nécessite la délimitation de la surface
endocardique VG afin d’en estimer le volume et ceci, aux
deux instants caractéristiques du cycle à savoir la
télédiastole et la télésystole. En terme de traitement
d’image, ceci se traduit par la nécessité de segmenter la
cavité VG, c’est à dire d’en définir les contours le plus
précisément possible. Plusieurs équipes se sont intéres-

I.E. MAGNIN
192 Revue de l'ACOMEN, 1999, vol.5, n°2
sées à la segmentation 3D du VG à partir d’une segmenta-
tion réalisée soit coupe par coupe en échographie US [6]
en utilisant un modèle de Fourier pour les contours 2D [7]
ou pour la surface 3D [8, 9], soit directement sur l’ensem-
ble des coupes du volume en IRM en s’appuyant sur une
représentation paramétrique de la surface [10, 11] (Figure
1). De même, un modèle de représentation triangulée ba-
sée sur un concept de graphe a été proposé [12, 13]. La
segmentation d’images fonctionnelles SPECT 3D a égale-
ment été abordée à partir d’un modèle a priori de forme
géométrique simple de type balle de fusil [14] ou à l’aide
d’un modèle paramétrique à base de fonctions exprimées
dans un système de coordonnées adapté à la forme du VG
[15].
- FIGURE 1 -
Représentation de la surface de l’endocarde VG
à l’aide d’une surface paramétrique de type B-spline.
Une approche de segmentation 3D avec adaptation d’une
surface a des données US par réseau de neurone a été
également proposée [16]. Lorsque la segmentation est réa-
lisée sur toutes les images du cycle, il est possible d’accé-
der à l’évolution temporelle de la cavité VG par l’analyse
de sa dynamique.
Les méthodes capables d’extraire automatiquement les
parois endocardiques et épicardiques VG sont encore peu
nombreuses et surtout trop peu robustes aux variations
de la qualité des images pour pouvoir être utilisées de
façon fiable en routine clinique.
3.2. Estimation de mouvement 3D
La qualité des données limite les traitements qui peuvent
leur être appliqués. A ce propos, les images angiogra-
phiques 3D fournies par le scanner X 3D, Dynamic Spa-
tial Reconstructor (DSR) sont uniques par leur résolution
spatiale isotrope de 0,9 mm, leur résolution temporelle et
leur excellent contraste cavité/muscle. Ces données ont
permis d’estimer les champs de déplacement 3D de la paroi
endocardique du coeur gauche (Figure 2), ventricule et
oreillette, à l’aide d’une méthode différentielle d’estima-
tion de mouvement comme le montrent Gorce et al. [17], en
s’appuyant sur les travaux antérieurs de Fitzpatrick [18] et
de Song et Leahy [19]. L’hypothèse de base d’une mé-
thode différentielle d’estimation de mouvement est la con-
servation du niveau de gris des points de l’image au cours
du mouvement: il convient donc de noter qu’une telle hy-
pothèse ne porte pas directement sur les caractéristiques
du mouvement cardiaque, mais sur les propriétés des ima-
ges traitées.
Cette technique d’estimation du mouvement, utilisée avec
succès sur les données angiographiques X, serait mal adap-
tée aux traitement de séquences IRM, en supposant que
l’on puisse disposer de données spatialement isotropes,
lorsque les variations de contraste au cours du cycle de-
viennent prépondérantes. La Figure 2a, représente les vec-
teurs de vitesse de déplacement de l’endocarde au cours
du cycle sur un coeur gauche de chien . La Figure 2b
représente le module de cette vitesse au cours du cycle
cardiaque complet. On observe deux zones de vitesses
importantes, au niveau de l’atrium et de l’apex. Ces deux
régions sont séparées par une zone de vitesses plus fai-
bles, correspondant à la base du ventricule gauche. L’orien-
tation des vecteurs vitesse, visible sur la figure, montre
que le mouvement localisé sur l’apex du ventricule gauche
caractérise une dilatation (vecteurs sortants), contraire-
ment à celui observé sur l’atrium qui caractérise une con-
traction (vecteurs invisibles donc rentrants). A l’instant
suivant (Figure2b) la contraction de l’atrium est terminée
alors que la dilatation du ventricule gauche est encore
visible et caractérisée par la zone de mouvements située
plus haut, juste en dessous de la base du ventricule. Ces
résultats font apparaître l’inhomogénéité et la complexité
de la répartition spatiale de la vitesse lors des phases de
mouvement important (milieu de diastole ou de systole).
L’observation animée des contraction/ dilatation du VG au
cours du cycle, témoigne d’une excellente concordance
avec la physiologie [17].
L’estimation du mouvement 3D n’a pas encore été réalisée
de façon similaire, ni sur des données IRM car celles-ci
sont actuellement des séquences multicoupes anisotro-
pes, ce qui rend impossible l’estimation 3D vraie du mou-
vement, ni sur des données US pour une raison liée a une
acquisition de données 3D encore imparfaite, qui plus est

Analyse et modélisation 3D du comportement dynamique du coeur en imagerie multimodalité
193
Revue de l'ACOMEN, 1999, vol.5, n°2
très limitée par la qualité des images acquises (bruit de
speckle, signal enveloppe). L’analyse du mouvement n’est possible actuellement qu’en segmentant les cavités au préalable et en suivant leur déformation au cours du cycle.
a.
b.
- FIGURE 2 -
Données acquises en angiographie 3D (DSR, Mayo Clinic).
Distribution 3D de la vitesse instantanée de la paroi endovasculaire d’un ventricule gauche de coeur de chien
a) à un instant, b) au cours d’un cycle cardiaque.
3.3. Modélisation du mouvement 4D du VG
Les premières études sur la dynamique VG ont porté sur
des approches globales simples comme la caractérisation
de la paroi libre [20], la modélisation des phases de con-
traction et dilatation [21] ou encore des méthodes de mise
en correspondance de points de la cavité aux instants suc-
cessifs de la séquence [4, 22]. Ces approches sont limitées
dans le premier cas par la simplicité des modèles de mou-
vement mis en oeuvre et dans le deuxième cas par la com-
plexité à obtenir des données de correspondance réelle-
ment tridimensionnelles. Plus récemment, des travaux de
modélisation du comportement 4D de la cavité ont vus le
jour.
L’imagerie nucléaire est la seule modalité qui permette
aujourd’hui des études quantitatives de la perfusion en
ischémie myocardique en pratique clinique. Dans ce ca-
dre, une méthode automatique [15] de mise en correspon-
dance et d’alignement en vue de l’analyse quantitative de
la perfusion myocardique en tomoscintigraphie a été ré-
cemment proposée. La restauration spatio-temporelle du
coeur 4D en tomographie par émission de positons (TEMP)

I.E. MAGNIN
194 Revue de l'ACOMEN, 1999, vol.5, n°2
a fait également l’objet de travaux récents par Murcia [14].
A cause de la nature très bruitée des images, l’auteur
s’oriente vers une méthode géométrique et modélise le VG
sous la forme d’un objet multicouche constitué de surfa-
ces en U emboîtées. L’ajustement aux données de l’enve-
loppe myocardique (surfaces endo- et épicardiques) s’ob-
tient par minimisation iterative d’une fonction coût (de
gradient). Cette étape est repétée pour chaque instant de
la séquence. Le mouvement du VG est inféré par la mise en
correspondance des surfaces enveloppes, aux instants
successifs du cycle. L’interpolation linéaire des paramè-
tres du modèle entre ces surfaces, permet d’accéder au
mouvement volumique du myocarde. L’auteur souligne
néanmoins que la méthode d’estimation de mouvement
choisie ne prend en compte ni la composante de torsion ni
le caractère local du mouvement. Le modèle consiste à
reconstruire récursivement le VG a un instant donné du
cycle, en s’appuyant sur les projections acquises sur l’en-
semble de la séquence. La résolution du problème s’effec-
tue dans un cadre statistique. Malgré le manque de robus-
tesse de la méthode, vis à vis de la loi d’évolution, les
premiers résultats obtenus sur des données cliniques sont
qualitativement intéressants.
Deux modèles de comportement 4D du VG, basés l’un sur
une analyse modale du mouvement [23], l’autre sur des
transformations continues et régulières de l’espace et du
temps [15] ont permis d’approcher le comportement moyen
du ventricule au cours d’un cycle. A partir de tels modè-
les, le mouvement de la paroi peut alors être décomposé en
mouvements élémentaires en vue d’une analyse quantita-
tive. Ces transformations s’appuient en général sur l’exis-
tence d’une correspondance explicite point à point de l’ob-
jet aux différents instants de la séquence. Une telle corres-
pondance n’étant pas disponible en pratique, l’extension
du modèle au cas d’une correspondance purement géo-
métrique est possible [15].
La restitution spatio-temporelle du VG en 4D à partir de
séquences d’images écho-cardiographiques acquises à
l’aide d’un nouveau type de sonde tournante a également
été abordée. La superposition du mouvement de rotation
de la sonde et du mouvement de balayage du secteur
échographique conduit à une surface d’exploration réglée
conique. Le modèle de restitution du mouvement global et
local du VG au cours du cycle cardiaque s’appuie sur une
représentation approchée de la forme du VG par un ellip-
soïde dont la déformation globale non rigide est paramètrée
selon les trois directions orthogonales du repère centré
sur la cavité. L’estimation du modèle local passe par un
algorithme itératif d’estimation des données manquantes
par transformation globale discrète de Fourier. L’auteur
propose également une modélisation spatio-temporelle de
la déformation du VG, à l’aide d’un modèle harmonique de
Fourier (MH4D) qui intègre explicitement la variable tem-
porelle. Ce modèle est générique et peut s’adapter à une
répartition quelconque des données.
Les travaux que l’on vient d’évoquer ont pour objectif de
caractériser le comportement dynamique global et local du
cœur par le biais d’un modèle de déformation 4D. Une ap-
proche complémentaire a également été étudiée. Il s’agit
de considérer l’évolution temporelle de descripteurs lo-
caux de la surface en déformation judicieusement choisis.
3.4. Vers des descripteurs pertinents
de la dynamique cardiaque
Quelques équipes s’intéressent à l’analyse de l’évolution
locale de la forme des parois ventriculaires au cours du
cycle. Parmi elles nous citerons les travaux de Park et al.[24]
qui traitent d’un modèle déformable physique permettant
de paramètrer les changements locaux de la forme, ceux de
Friboulet et al.[25] et de Clarysse et al.[26, 27] qui propo-
sent respectivement une estimation et un suivi automati-
que de la courbure locale 3D de l’endocarde au cours du
cycle. Le suivi de ces paramètres de forme fournit des lois
d’évolution locale. La différence de comportement local
de la courbure entre un VG sain et un VG ischémié a pu être
mise en évidence grâce à des simulations du comporte-
ment dynamique de la paroi endocardique, obtenu par syn-
thèse d’image. L’étape suivante consiste à identifier ces
lois afin d’en extraire des paramètres simples susceptibles
de fournir au praticien une description quantitative pré-
cise de la dynamique ventriculaire gauche [28].
3.5. Suivi et analyse des déformations
pariétales
Méthodologiquement, l’estimation des déformations pa-
riétales à partir de séquences d’images est un problème
complexe, car aucune des modalités d’acquisition, excepté
les techniques dites de marquage tissulaire Tagging [29]
ou SPAMM (Spatial Amplitude Modulation of
Magnetization) [30] en imagerie par résonance magnéti-
que, ne donnent d’information explicite de mouvement ou
de correspondance locale.
Le marquage tissulaire (Figure 3) a été utilisé pour estimer
la torsion et le cisaillement circonférentiel - longitudinal
[31], le raccourcissement circonférentiel [32] et les dépla-
cements radiaires [33] du VG. Cependant ces indices sont
souvent estimés en 2D. quelques études récentes se sont
attachées à extraire des descripteurs 3D plus fiables pour
décrire le mouvement. Les contraintes mécaniques
intrapariétales ont été approchées par [34] [35] grâce au
suivi des points d’intersection des marquages réalisés
dans les 3 directions de l’espace. D’autre équipes [24, 36,

Analyse et modélisation 3D du comportement dynamique du coeur en imagerie multimodalité
195
Revue de l'ACOMEN, 1999, vol.5, n°2
37, 38, 39] ont également exploité ces informations pour
tenter d’approcher le mouvement et la déformation locale
des parois en combinant modèle de mouvement des surfa-
ces et trajectoire de points caractéristiques fournis par le
tatouage magnétique [15].
a. b.
4. Conclusion
Les travaux présentés dans ce document sont parmi les
plus récents en matière d’analyse et de modélisation 3D
du comportement dynamique du ventricule gauche du cœur
in vivo. On note d’ailleurs qu’aucun d’entre eux ne traite
de la dynamique du cœur dans son ensemble. Les recher-
ches actuelles en traitement et analyse d’images cardia-
ques tentent de prendre en compte de plus en plus, les
informations complémentaires extraites des différentes
modalités d’images disponibles. Des premiers résultats de
fusion de données anatomiques et fonctionnelles en IRM
[40], en IRM et SPECT [41] ou PET [42] ont été publiés
récemment. Ces travaux restent majoritairement 2D ce qui
en limite actuellement la portée.
5. Remerciements
Ce travail a été réalisé dans le cadre de l’action incitative
"Cœur battant" soutenue par le GDR ISIS (unité CNRS
6740).
6. Références bibliographiques
1. Magnin IE, Mathieu C, Friboulet D, Clarysse P, Intérêt de l’ima-
gerie cardiaque 3D: acquisition, segmentation, quantification», Sym-
posium echocardiographie et analyse d’images ventriculaires, Di-
jon, 1993:119-132.
2. Robb RA, X-Ray computed tomography: advanced systems and
applications in biomedical research and diagnosis. In: Three-
dimensional biomedical imaging, vol.1, Boca Raton: CRC Press,
1985:107-162.
- FIGURE 3 -
Coupe petit axe du coeur en IRM de marquage tissulaire.
a) télédiastole, le marquage initial est régulier; b) télésystole, le marquage après déformation.
3. Robb RA, Ritman EL, Harris LD, Digital Image processing in X-
ray computed tomography : high-speed volume imaging with the
DSR, in Cardiac Imaging and image processing, S.M. Collins and
D.J. Skorton (Eds), 1986; 14:361-406.
4. Amini AA, Owen RL, Anandan P, Duncan JS, Non-rigid motion
models for tracking the left-ventricular wall in: Colchester ACF,
Howfes DJ, eds. Lecture notes in computer science : Information
processing in medical imaging, Berlin: Springer-Verlag,1991:343-
357.
5. Mailloux GE, Bleau A, Bertrand M, Petit Clerc P, Computer
analysis of heart motion from two dimensional echocardiograms.
IEEE Tran.s Biomed. Eng., BME, 1987;34(5):356-364.
6. Eiho S, et Al., Reconstruction of 3D images of pulsating left
ventricle from 2D sector scan echocardiograms of apical long axis
view, Proc. Computers in Cardiology 1982:19-24.
7. Léger C, Contribution au suivi volumique en temps réel du ventri-
cule gauche par échocardiographie. Thèse, Université d’Orléans,
1993:212 p.
8. Bonciu C, Restitution 4D du ventricule gauche du cœur par
échocardiographie, thèse, 1997, Université d’Orléans. 265 p.
9. Staib LH, Duncan JS, Model-based deformable surface finding for
medical images. IEEE Trans. Med. Imag., 1996;15(5):720-731.
10. Clarysse P, Jaouen O, Magnin IE, Morvan JM, 3D
Representation and Deformation Analysis of the heart Walls from
X-Ray and MR images, Computers in Cardiology, Bethesda,
1994:657-660.
11. Bardinet E, Modèles déformables contraints: application à l’ima-
gerie cardiaque, thèse, 1996, Université de Paris-Dauphine.
12. Reissman PJ, Modélisation et mise en correspondance par py-
ramides actives : application à l’imagerie cardiaque par résonance
magnétique, thèse, 1997, INSA deLyon.
13. Reissman PJ, Magnin IE, Modeling 3D Deformable Object with
the Active Pyramid, The Int. Jour. of Pattern Recognition and
Artificial Intelligence, 1997;11(7):1129-1139.
14. De Murcia J, Reconstruction d’images cardiaques en tomogra-
phie d’émission monophotonique à l’aide de modèles spatio-tem-
porels, thèse, 1996, INPG, Grenoble.
15. Declerck J, Etude de la dynamique cardiaque par analyse d’ima-
ges tridimensionnelles, thèse, 1997, Nice Sophia Antipolis.