Recalage et fusion d'informations multimodales pour l'optimisation de la thérapie de resynchronisation cardiaque - Université de Rennes Accéder directement au contenu
Thèse Année : 2012

Registration and the fusion of multi-modality data for cardiac resynchronization therapy (CRT) optimization

Recalage et fusion d'informations multimodales pour l'optimisation de la thérapie de resynchronisation cardiaque

Résumé

This work is based on the registration and the fusion of multi-modality data for cardiac resynchronization therapy (CRT) optimization. Local descriptors of the electro-mechanical coupling of the heart are extracted from anatomical, functional and mechanical data acquired from CT-scan volumes (CT), speckle tracking echocardiography (STE) and electro-anatomical mapping (EAM). The proposed approach is based on the registration of multi-modality data on a 3D+t model of the left ventricle (LV) computed from CT segmented surfaces. It consists in two steps : (1) the semi-interactive registration of EAM data and CT images ; (2) the registration of STE data on the dynamic model for which two automatic methods (one static, the other dynamic) have been developed. These step consider a radial based projection and an interpolation (radial basis function) of the electrical data on the proposed model as well as the synchronization and matching (by dynamic time warping) of temporal instants between the EAM and STE data. These methods allow the possibility to compute, under different cardiac stimulation modes, local activation times, voltage maps, mechanical delays and local electro-mechanical delays. The vizualisation (by 3D and 2D maps) of these descriptors gives the means to characterize the intra-segments electro-mechanical coupling of the LV. These methods have been applied on simulated and real data. They show the feasibility of extracting local descriptors of the cardiac function that are significant for the optimization of stimulation probes implantation in CRT.
Ces travaux portent sur le recalage et la fusion d'informations multimodales dans le cadre de l'optimisation de la thérapie de resynchronisation cardiaque (CRT). Des descripteurs locaux du couplage électromécanique cardiaque sont extraits à partir d'informations anatomiques, fonctionnelles, électriques et mécaniques issues de volumes scanner (CT), d'échocardiographie par ''speckle tracking'' (US) et de cartographies électroanatomiques (EAM). L'approche proposée repose sur le recalage des données multimodales sur un modèle 3D+t du ventricule gauche (VG) calculé à partir de surfaces segmentées. Cette approche procède en deux temps : (1) un recalage semi-interactif des données EAM et d'images CT ; (2) un recalage de données US avec le modèle dynamique pour lequel les deux méthodes automatiques (statique et dynamique) ont été développées. Ces techniques intègrent un mode de projection radiale et une interpolation de mise en correspondance temporelle (par Dynamic Time Warping) des données EAM et US. Ces méthodes offrent la possibilité de calculer, sous différents modes de simulation cardiaque, les délais d'activation électrique, les cartes de voltage, les délais mécaniques et les délais électromécaniques locaux. La visualisation (cartographies 3D et 2D) de ces descripteurs permet de caractériser le couplage électromécanique intra-segments du VG. Ces méthodes ont été appliquées sur données simulées et réelles. Elles ont montré leur pertinence quant à la possibilité d'extraire des descripteurs locaux de la fonction cardiaque significatifs pour l'optimisation de la pose de stimulateur en CRT.
Fichier principal
Vignette du fichier
TAVARD_FranA_ois.pdf (22.94 Mo) Télécharger le fichier

Dates et versions

tel-00756323 , version 1 (22-11-2012)

Identifiants

  • HAL Id : tel-00756323 , version 1

Citer

François Tavard. Recalage et fusion d'informations multimodales pour l'optimisation de la thérapie de resynchronisation cardiaque. Traitement du signal et de l'image [eess.SP]. Université Rennes 1, 2012. Français. ⟨NNT : 2012REN1S043⟩. ⟨tel-00756323⟩
541 Consultations
894 Téléchargements

Partager

Gmail Facebook X LinkedIn More