Author: "Images et Modèles" - Searchworks@Jio Institute Digital Library Search Results

Your search keyword '"Images et Modèles"' showing total 660 results

Start Over Author "Images et Modèles"

660 results on '"Images et Modèles"'

1. A Sparse Reconstruction Framework for Fourier-Based Plane-Wave Imaging

Author: Francois Varray, Yves Wiaux, Adrien Besson, Jean-Philippe Thiran, Denis Friboulet, Herve Liebgott, Miaomiao Zhang, Rafael E. Carrillo, Olivier Bernard, Heriot-Watt University [Edinburgh] ( HWU ), 2 - Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), 3 - Imagerie Ultrasonore, Signal Processing Laboratory [Lausanne] ( LTS5 ), Ecole Polytechnique Fédérale de Lausanne ( EPFL ), Heriot-Watt University [Edinburgh] (HWU), Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Imagerie Ultrasonore, Signal Processing Laboratory [Lausanne] (LTS5), and Ecole Polytechnique Fédérale de Lausanne (EPFL)
Subjects: Inverse problems, Point spread function, Acoustics and Ultrasonics, [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, Image quality, Computer science, ComputingMethodologies_IMAGEPROCESSINGANDCOMPUTERVISION, Image registration, [ SPI.SIGNAL ] Engineering Sciences [physics]/Signal and Image processing, Iterative reconstruction, 01 natural sciences, 030218 nuclear medicine & medical imaging, 03 medical and health sciences, symbols.namesake, Magnetic resonance imaging, 0302 clinical medicine, 0103 physical sciences, Image Processing, Computer-Assisted, Electronic engineering, Electrical and Electronic Engineering, 010301 acoustics, Instrumentation, [ SDV.IB.IMA ] Life Sciences [q-bio]/Bioengineering/Imaging, Ultrasonography, [SPI.ACOU]Engineering Sciences [physics]/Acoustics [physics.class-ph], Fourier Analysis, [ SPI.ACOU ] Engineering Sciences [physics]/Acoustics [physics.class-ph], Phantoms, Imaging, Two dimensional displays, Signal Processing, Computer-Assisted, k-space, Sparse approximation, Models, Theoretical, Fourier transform, Compressed sensing, Computer Science::Computer Vision and Pattern Recognition, Image reconstruction, Array signal processing, symbols, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, Algorithm
Abstract: International audience; Ultrafast imaging based on plane-wave (PW) insonification is an active area of research due to its capability of reaching high frame rates. Among PW imaging methods, Fourier-based approaches have demonstrated to be competitive compared with traditional delay and sum methods. Motivated by the success of compressed sensing techniques in other Fourier imaging modalities, like magnetic resonance imaging, we propose a new sparse regularization framework to reconstruct high-quality ultrasound (US) images. The framework takes advantage of both the ability to formulate the imaging inverse problem in the Fourier domain and the sparsity of US images in a sparsifying domain. We show, by means of simulations, in vitro and in vivo data, that the proposed framework significantly reduces image artifacts, i.e., measurement noise and sidelobes, compared with classical methods, leading to an increase of the image quality.
Published: 2016

2. Evaluation of noise and blur effects with SIRT-FISTA-TV reconstruction algorithm: Application to fast environmental transmission electron tomography

Author: Hussein Banjak, Thomas Grenier, Thierry Epicier, Siddardha Koneti, Lucian Roiban, Anne-Sophie Gay, Isabelle Magnin, Françoise Peyrin, Voichita Maxim, Imagerie Tomographique et Radiothérapie, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Images et Modèles, Matériaux, ingénierie et science [Villeurbanne] (MATEIS), Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS), IFP Energies nouvelles (IFPEN), Imagerie et modélisation Vasculaires, Thoraciques et Cérébrales (MOTIVATE), European Synchrotron Radiation Facility (ESRF), ANR-15-CE09-0009,3DCLEAN,Tri-Dimensionnel Nano-laboratoire catalytique environnemental(2015), ANR-11-IDEX-0007,Avenir L.S.E.,PROJET AVENIR LYON SAINT-ETIENNE(2011), ANR-11-LABX-0063,PRIMES,Physique, Radiobiologie, Imagerie Médicale et Simulation(2011), 4 - Imagerie Tomographique et Radiothérapie, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ), 2 - Images et Modèles, Matériaux, ingénierie et science [Villeurbanne] ( MATEIS ), Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Centre National de la Recherche Scientifique ( CNRS ) -Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), IFP Energies nouvelles ( IFPEN ), 1 - Imagerie et modélisation Vasculaires, Thoraciques et Cérébrales ( MOTIVATE ), and European Synchrotron Radiation Facility ( ESRF )
Subjects: [ INFO.INFO-TS ] Computer Science [cs]/Signal and Image Processing, Computer science, ComputingMethodologies_IMAGEPROCESSINGANDCOMPUTERVISION, 02 engineering and technology, Iterative reconstruction, 01 natural sciences, Poor quality, [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, Robustness (computer science), Environmental TEM, Fast acquisition, 0103 physical sciences, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, Computer vision, Segmentation, Instrumentation, Tilt series, 010302 applied physics, [ INFO.INFO-IM ] Computer Science [cs]/Medical Imaging, business.industry, Reconstruction algorithm, 021001 nanoscience & nanotechnology, Atomic and Molecular Physics, and Optics, Electronic, Optical and Magnetic Materials, Electron tomography, Artificial intelligence, Tomography, 0210 nano-technology, business, Nanocatalysts
Abstract: International audience; Highlights The proposed SIRT-FISTA-TV algorithm is adapted to tomography reconstruction from tilt series of images such as recorded in Transmission Electron Microscopy. It produces reconstructed volumes with clear and sharp edges, and thus, the segmentation step was quite easy to perform after 3D reconstruction.SIRT-FISTA-TV can suppress noise artifacts without affecting spatial resolution.SIRT-FISTA-TV is robust to blurred data and gives better results than conventional reconstruction algorithms.SIRT-FISTA-TV is very well adapted to 3D reconstruction of experimental data (i.e. tilt series of projections) collected during very rapid tilt series acquisitions (down to 5 seconds) in situ or operando environmental TEM for studying dynamics of nanomaterials such as nanocatalysts.Fast tomography in Environmental Transmission Electron Microscopy (ETEM) is of a great interest for in situ experiments where it allows to observe 3D real-time evolution of nanomaterials under operating conditions. In this context, we are working on speeding up the acquisition step to a few seconds mainly with applications on nanocatalysts. In order to accomplish such rapid acquisitions of the required tilt series of projections, a modern 4K high-speed camera is used, that can capture up to 100 images per second in a 2K binning mode. However, due to the fast rotation of the sample during the tilt procedure, noise and blur effects may occur in many projections which in turn would lead to poor quality reconstructions. Blurred projections make classical reconstruction algorithms inappropriate and require the use of prior information. In this work, a regularized algebraic reconstruction algorithm named SIRT-FISTA-TV is proposed. The performance of this algorithm using blurred data is studied by means of a numerical blur introduced into simulated images series to mimic possible mechanical instabilities/drifts during fast acquisitions. We also present reconstruction results from noisy data to show the robustness of the algorithm to noise. Finally, we show reconstructions with experimental datasets and we demonstrate the interest of fast tomography with an ultra-fast acquisition performed under environmental conditions, i.e. gas and temperature, in the ETEM. Compared to classically used SIRT and SART approaches, our proposed SIRT-FISTA-TV reconstruction algorithm provides higher quality tomograms allowing easier segmentation of the reconstructed volume for a better final processing and analysis.
Published: 2018

3. Feature extraction with regularized siamese networks for outlier detection: application to lesion screening in medical imaging

Author: Alaverdyan, Z., Lartizien, C., 2 - Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ), Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), and Rayet, Béatrice
Subjects: FOS: Computer and information sciences, [SDV.IB.IMA] Life Sciences [q-bio]/Bioengineering/Imaging, ComputingMethodologies_PATTERNRECOGNITION, [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, Computer Vision and Pattern Recognition (cs.CV), education, Computer Science - Computer Vision and Pattern Recognition, ComputingMethodologies_IMAGEPROCESSINGANDCOMPUTERVISION, [ SPI.SIGNAL ] Engineering Sciences [physics]/Signal and Image processing, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, health care economics and organizations, [ SDV.IB.IMA ] Life Sciences [q-bio]/Bioengineering/Imaging, [SPI.SIGNAL] Engineering Sciences [physics]/Signal and Image processing
Abstract: Computer aided diagnosis (CAD) systems are designed to assist clinicians in various tasks, including highlighting abnormal regions in a medical image. A common approach consists in training a voxel-level binary classifier on a set of feature vectors extracted from normal and pathological areas in patients' scans. However, many pathologies (such as epilepsy) are characterized by lesions that may be located anywhere in the brain, have various shapes, sizes and texture. An adequate representation of such a heterogeneity requires a significant amount of annotated data which is a major issue in the medical domain. Therefore, we built on a previously proposed approach that considers epilepsy lesion detection task as a voxel-level outlier detection problem. It consists in building a oc-SVM classifier for each voxel in the brain volume using a small number of clinically-guided features El Azami et al., 2016. Our goal in this study is to make a step forward by replacing the handcrafted features with automatically learnt representations using neural networks. We propose a novel version of siamese networks trained on patches extracted from healthy patients' scans only. This network, composed of stacked autoencoders as subnetworks, is regularized by the reconstruction error of the patches. It is designed to learn representations that bring patches centered at the same voxel localization 'closer' with respect to the chosen metric (i.e. cosine). Finally, the middle layer representations of the subnetworks are fed to oc-SVM classifiers at voxel-level. The method is validated on 3 patients' MRI scans with confirmed epilepsy lesions and shows a promising performance., Comment: Accepted to Conf\'erence sur l'Apprentissage automatique (CAp) 2017
Published: 2018
Full Text: View/download PDF

4. Time samples selection in spiral acquisition for sparse magnetic resonance spectroscopic imaging

Author: Hélène Ratiney, Magalie Viallon, Rémy Prost, Jabrane Karkouri, Fabien Millioz, RMN et optique : De la mesure au biomarqueur, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM), Images et Modèles, Department of Radiology, University Hospital of Geneva, Centre de Recherche et d'Application en Traitement de l'Image et du Signal (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-École Supérieure Chimie Physique Électronique de Lyon-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), 5 - RMN et optique : De la mesure aux biomarqueurs, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ), and 2 - Images et Modèles
Subjects: Computer science, [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, 02 engineering and technology, Iterative reconstruction, [ SPI.SIGNAL ] Engineering Sciences [physics]/Signal and Image processing, spiral spectroscopic imaging, computer.software_genre, 030218 nuclear medicine & medical imaging, 03 medical and health sciences, Magnetic resonance spectroscopic imaging, 0302 clinical medicine, Nuclear magnetic resonance, under-sampling, Sampling (signal processing), Voxel, 0202 electrical engineering, electronic engineering, information engineering, medicine, Image resolution, Spiral, [ SDV.IB.IMA ] Life Sciences [q-bio]/Bioengineering/Imaging, ComputingMilieux_MISCELLANEOUS, compressed sensing, medicine.diagnostic_test, business.industry, k-space, 020206 networking & telecommunications, Pattern recognition, Magnetic resonance imaging, Artificial intelligence, business, computer
Abstract: International audience; Magnetic resonance spectroscopic imaging (MRSI) has multiple interests in clinical practice, and especially for brain disease diagnosis. However, it faces quite long acquisition time in practice which limits their use in a clinical environment. Fast MRI acquisitions can help to reduce this acquisition time and intensify their clinical use. In this work, a new fast Magnetic Resonance Spectroscopic image acquisition method is introduced and evaluated based on a k-t space spiral sampling. The time-domain subsampling, below the Shannon-Nyquist rate, is allowed on the hypothesis of a sparse spectrum with an a priori known support. Then the nonzero components of the spectrum of each voxel are recovered using an over-determined least square problem. When data are noise-free the recovered spectrum is exact. In the real-world noisy scenario the error in the recovered spectrum highly depends on the acquired samples. We reduce this error to an acceptable level by selecting irregularly the samples using the Sequential Backward Selection algorithm. A realistic simulated irregular spiral acquisition proves the feasibility of the proposed approach.
Published: 2017

5. The UltraSound ToolBox

Author: Alfonso Rodriguez-Molares, Ole Marius Hoel Rindal, Olivier Bernard, Herve Liebgott, Andreas Austeng, Lasse Lovstakken, Norwegian University of Science and Technology [Trondheim] ( NTNU ), University of Oslo ( UiO ), 2 - Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ), 3 - Imagerie Ultrasonore, Norwegian University of Science and Technology [Trondheim] (NTNU), Norwegian University of Science and Technology (NTNU), University of Oslo (UiO), Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM), and Imagerie Ultrasonore
Subjects: [SPI.ACOU]Engineering Sciences [physics]/Acoustics [physics.class-ph], 03 medical and health sciences, 0302 clinical medicine, [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, [ SPI.ACOU ] Engineering Sciences [physics]/Acoustics [physics.class-ph], [ SPI.SIGNAL ] Engineering Sciences [physics]/Signal and Image processing, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, 030217 neurology & neurosurgery, [ SDV.IB.IMA ] Life Sciences [q-bio]/Bioengineering/Imaging, 030218 nuclear medicine & medical imaging
Abstract: International audience; Background, Motivation and ObjectiveIn the last decade the number of beamforming methods has exploded. Many innovative ideas have been proposed, but we lack the tools to compare the different techniques efficiently. The PICMUS challenge (IUS 2016, Tours) was a pioneering step that made clear that two things are required to establish a fair comparison: a common data format, and a body of methods to process that data.Statement of Contribution/MethodsThree universities have come together to address this problem by developing both a dedicated file format and a beamforming toolbox. We present the Ultrasound File Format (UFF): a HDF5 data format, open to any programming language, for storage of channel and beamformed data; and the UltraSound ToolBox (USTB): a MATLAB toolbox made of both native MATLAB and C++ code, with GPU support. Together UFF and USTB provide a unified structure to share and process 2D and 3D ultrasound data. Channel data from any origin, e.g. Field II or Verasonics, and using any sequence, e.g. synthetic transmit aperture imaging (STAI) or coherent plane-wave compounding (CPWC), can be stored in UFF and beamformed with USTB. Both UFF and USTB revolve around the concept of the General Beamformer. The wavefronts in most ultrasound sequences can be fully defined using a single point source P: in focus imaging (FI) and retrospective transmit beamforming (RTB) P is placed at the focal point, in diverging wave imaging (DWI) P is at the origin of the diverging wave, in STAIP lies on the active element, in CPWC P is at infinite in a given direction. Based on that definition we developed a data structure (Fig.1) that makes it possible to beamform all sequences with a single algorithm, or even combine them. To illustrate this, 5 datasets have been simulated (FI, STAI, CPWC, DWI, and RTB) and reconstructed with USTB’s general beamformer. It is known that CPWC is equivalent to STAI under certain circumstances. Here we use USTB to show that the same result can be extrapolated to DWI and RTB. The equivalence is demonstrated in terms of side lobe level(SLL) and full width half maximum (FWHM).Results/DiscussionFig.2a-e show the point spread function (PSF) of the tested sequences. The 5 methods have a nearly identical PSF with a FWHM of 369.00 ± 9.42 μm (Fig.2f) and a SLL of -26.00 ± 0.89 dB of (Fig.2g). This validates the general beamformer and supports the equivalence of the methods. The aim of USTB is to facilitate the comparison between beamforming techniques and encourage the publication of datasets and algorithms. It is free, open source, and open to contributors. A fully functional toolbox will be released in June 2017, but an alpha version is available at http://www.ustb.no/.
Published: 2017

6. Accelerating Plane Wave Imaging through Deep Learning-Based Reconstruction: An Experimental Study

Author: Maxime Gasse, Fabien Millioz, Emmanuel Roux, Hervé Liebgott, Denis Friboulet, Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Department of Information Engineering [Firenze], Università degli Studi di Firenze = University of Florence [Firenze] (UNIFI), Imagerie Ultrasonore, ANR-11-LABX-0063,PRIMES,Physique, Radiobiologie, Imagerie Médicale et Simulation(2011), 2 - Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ), Università degli Studi di Firenze [Firenze], 3 - Imagerie Ultrasonore, and ANR-11-IDEX-0007-02/11-LABX-0063,PRIMES,Physique, Radiobiologie, Imagerie Médicale et Simulation ( 2011 )
Subjects: [SPI.ACOU]Engineering Sciences [physics]/Acoustics [physics.class-ph], [ SPI.ACOU ] Engineering Sciences [physics]/Acoustics [physics.class-ph], [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, [ SPI.SIGNAL ] Engineering Sciences [physics]/Signal and Image processing, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, [ SDV.IB.IMA ] Life Sciences [q-bio]/Bioengineering/Imaging
Abstract: International audience; Background, Motivation and ObjectiveObtaining ultrafast images using steered plane wave (PW) imaging remains a challenge due to the trade-off between image quality and frame rate. PW imaging indeed relies on compounding in order to preserve a good image quality, usually using multiple successive emissions, which in turn yields a decrease of the frame rate. As opposed to this classicalapproach, we propose a new strategy to reduce the number of emitted PWs. This is done using a deep learning technique, i.e. by training a convolutional neural network (CNN) to reconstruct high quality images using a small number of PW emissions (typically two).Statement of Contribution/MethodsThe training data was generated as follows. A standard linear array probe (ATL L7-4 38 mm, 128 elements, bandwidth 4-7 MHz, transmitted frequency 5.208 MHz) was interfaced with a Verasonics system. 31 PWs were emitted (angle spanning ±15° in one degree steps). For each PW emission, the received raw-data was then processed using the f-k migration method [Garcia et al. IEEE UFFC13] to produce the reconstructed RF image. These 31 images were then averaged to get the final compounded image used as a reference in the training process, while only two images corresponding to angles -10° and +10° were given as input to the CNN.A total of 2000 reference images were acquired, 1000 images from in-vivo tissues (carotid and thyroid), 500 images from a Gammex phantom (410 SCG), and 500 images from a water-based polyamide mixture with air bubbles. 1800 images were used for training, 100 for validation, and 100 for testing. The CNN employed in this study is a fully-convolutionalneural network, with 4 hidden layers and maxout activation units. Training is done via stochastic gradient descent and the minimized loss function is the mean absolute error (MAE) between the CNN-reconstructed and the reference RF image, plus a L2 regularization term.Results/DiscussionOur approach was evaluated by comparing the CNN-based reconstruction of the test images with the conventional compounding method (see Fig. 1). Preliminary results indicate that CNN-based reconstruction is a very promising approach, as the reconstructed images are visually very close to those obtained by standard compounding with 31 PWs, while implying the emission of only 2 PWs.
Published: 2017

7. Fourier-based 3D Ultrafast Ultrasound Imaging with Diverging Waves: In Vitro Experiment Validation

Author: Miaomiao , Zhang, Varray , Francois, Petrusca , Lorena, Friboulet , Denis, Liebgott , Hervé, Bernard , Olivier, 2 - Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), 3 - Imagerie Ultrasonore, 5 - RMN et optique : De la mesure aux biomarqueurs, Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Imagerie Ultrasonore, and RMN et optique : De la mesure au biomarqueur
Subjects: [SPI.ACOU]Engineering Sciences [physics]/Acoustics [physics.class-ph], [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, [ SPI.ACOU ] Engineering Sciences [physics]/Acoustics [physics.class-ph], [ SPI.SIGNAL ] Engineering Sciences [physics]/Signal and Image processing, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, [ SDV.IB.IMA ] Life Sciences [q-bio]/Bioengineering/Imaging
Abstract: International audience; Background, Motivation and ObjectiveUltrafast imaging based on diverging wave (DW) is an active area of research in ultrasound sectorial acquisition because of its capacity of reaching high frame rate. Recently, we have introduced a 3D Fourier-based formalism for the reconstruction of 3D sectorial images with DW insonifications and validated with numerical simulations [Zhang et al. IUS 2016]. The proposed method can provide comparable image quality as DAS but with a much lower computational complexity. This study aims to experimentally verify these theoretical conclusions in vitro.Statement of Contribution/MethodsA 32-by-32 matrix array centered at 3 MHz with a 0.3 mm pitch (Vermon, Tours, France) interfaced with 4 Verasonics systems was used to transmit 3D DW sequences and acquire the reflected echoes. The experiment was performed on an ultrasound phantom (CIRS model: 054GS). Each DW was emitted from a virtual source point with an angular aperture of 90º and a sub-aperture of 16×16 elements as in [Provost et al. 2014]. The received rawdata was post-processed in Matlab using the proposed Fourier-based algorithm in [Zhang et al., IUS 2016].Results/DiscussionFigure1 displays the orthogonal slices along x-z direction of the volumetric images reconstructed from the proposed Fourier-based method using 1 and 81 DWs, respectively. This result shows, visually, the image quality (i.e. both lateral resolution and image contrast) can be improved with 81 DW for compounding, which is consistent with what have beenobserved from simulations [Zhang et al., IUS 2016].
Published: 2017

8. Simultaneous Coded Plane Wave Imaging: Implementation on a Research Echograph

Author: Denis Bujoreanu, Adeline Bernard, Barbara Nicolas, Herve Liebgott, Denis Friboulet, Imagerie Ultrasonore, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM), Plateforme d'Imagerie Multimodale LyonTech (PILoT), Images et Modèles, ANR-11-LABX-0063,PRIMES,Physique, Radiobiologie, Imagerie Médicale et Simulation(2011), 3 - Imagerie Ultrasonore, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ), Plateforme d'Imagerie Multimodale LyonTech ( PILoT ), 2 - Images et Modèles, and ANR-11-IDEX-0007-02/11-LABX-0063,PRIMES,Physique, Radiobiologie, Imagerie Médicale et Simulation ( 2011 )
Subjects: Wave propagation, Image quality, Computer science, [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, Acoustics, Plane wave, Context (language use), Iterative reconstruction, [ SPI.SIGNAL ] Engineering Sciences [physics]/Signal and Image processing, 030204 cardiovascular system & hematology, 01 natural sciences, 03 medical and health sciences, 0302 clinical medicine, Optics, 0103 physical sciences, Singular value decomposition, 010301 acoustics, Image resolution, [ SDV.IB.IMA ] Life Sciences [q-bio]/Bioengineering/Imaging, [SPI.ACOU]Engineering Sciences [physics]/Acoustics [physics.class-ph], business.industry, [ SPI.ACOU ] Engineering Sciences [physics]/Acoustics [physics.class-ph], Ultrasound, Inverse problem, Transducer, business, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing
Abstract: International audience; Background, Motivation and ObjectiveIn our previous work, published in the ICASSP 2017 conference we proposed an imaging technique called Simultaneous Coded Emission (SCE) of plane waves. SCE borrows ideas from plane wave Coherent Compounding (CC) and channel estimation in telecommunication systems, and has the potential to yield similar to CC image quality at significant higher frame rates. Improving over our previous work, we address in this paper the feasibility of the SCE on a real acquisition system, and show an implementation of SCE on the Ultrasound Advanced Open Platform (Ula-OP).Statement of Contribution/MethodsSimply put, in the concept of SCE, several plane waves are emitted simultaneously each of them carrying a pseudo-orthogonal code. In our previous work we showed that the received signal at the i element of the transducer can be written as yi=Agi+vi where A is the coding matrix and gi are the signals that can be beamformed in order to obtain thecorresponding images. Since in in-vitro acquisition the level of observation noise vi is unknown, in this work we propose to solve the above inverse problem using an Linear Square Estimator (LSE) based on the Singular Value Decomposition (SVD) of the coding matrix A. The SVD based LSE allows decreasing the condition number of the inverse problem which implies a better stability of the solution to acquisition noise.Results/DiscussionExperiments have been performed on a cyst phantom with two plane waves (emission angles 4° and -7°) emitted either successively (CC) or simultaneously (SCE). Figure 1 shows the results obtained using CC (Fig. 1A) and SCE (Fig. 1B). For the SCE acquisition, the SVD based solver allows reconstructing the image of the cyst (Fig. 1B) however the finalimage has a lower quality (CNR=6.02dB) than the corresponding CC image (Fig. 1A, CNR=7.52dB). As shown in Fig. 1C the solver has an optimal point where the tradeoff between the computational error and noise stability is optimal for a certain level of noise (here SNR≈21dB). Since no regularization is used, the overall quality of the image decreases if onewants to increase the frame rate of our method, as shown in Fig. 1D. As a consequence, future work will focus on designing an appropriate regularization technique that will allow increasing the frame rate while preserving the CNR.
Published: 2017

9. Fourier-Based Ultrafast Ultrasound Imaging Based on In-phase Quadrature (IQ) Data

Author: Zhang , Miaomiao, Liebgott , Hervé, Varray , François, Friboulet , Denis, Bernard , Olivier, 2 - Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ), 3 - Imagerie Ultrasonore, Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), and Imagerie Ultrasonore
Subjects: [SPI.ACOU]Engineering Sciences [physics]/Acoustics [physics.class-ph], [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, [ SPI.ACOU ] Engineering Sciences [physics]/Acoustics [physics.class-ph], [ SPI.SIGNAL ] Engineering Sciences [physics]/Signal and Image processing, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, [ SDV.IB.IMA ] Life Sciences [q-bio]/Bioengineering/Imaging
Abstract: International audience; Background, Motivation and ObjectiveUltrafast imaging based on plane wave (PW) / diverging wave (DW) is an active area of research in ultrasound acquisitions because of its capacity of reaching high frame rate. Beamforming of received echoes in Fourier domain provides comparable image quality but lower computational complexity with respect to the conventional DAS approach [Zhang et al., UFFC, 2016]. However, the current state-of-the-art Fourier-based techniques only perform the reconstruction on radio frequency (RF) data. To process less data without loss of information, we adapted in this study the Fourier-based formalism of Lu [Lu et al., UFFC, 1997] to IQ data reconstruction for both PW and DW imaging.Statement of Contribution/MethodsThe original PW imaging method of Lu performs 2D FFT on the received RF signals and remaps the echoes spectrum to obtain the object spectrum, followed by a 2D IFFT to get the beamformed image. We demonstrated in this work that this method can be adapted for IQ data reconstruction by explicitly taking into account the demodulation frequency in thespectrum remapping relation. The proposed method can be easily extended to DW imaging from IQ data by using a space transformation introduced in one of our previous work [Zhang et al., UFFC, 2016]. However, the space transformation introduces time shifts that cause phase rotation and thus degrade compounding strategies. We thus integrated thosetime shifts into our formalism to compensate for the phase rotation during the reconstruction process.Results/DiscussionThe proposed approach is validated experimentally with an ultrasound phantom (CIRS model: 054GS) with PW / DW insonifications using a standard linear / phased array interfaced with a Verasonics system. The RF data was demodulated and downsampled 4 times to obtain the IQ data. Figure1 shows B-mode images reconstructed from RF data and IQ datausing 9 PW / 15 DW in transmission. This results show the feasibility of performing IQ data reconstruction in the Fourier domain. It allows reconstructing the same image quality as from RF data but with 4 times less data samples, thus the beamforming process could be increased 4 times faster.
Published: 2017

10. Plateforme didactique mutualisée de travaux pratiques en instrumentation et imagerie biomédicale

Author: David Rousseau, Bonet Axel, Bruno Montcel, Cédric Ray, Kevin Tse Ve Koon, Hélène Ratiney, Denis Grenier, Olivier Beuf, Adeline Bernard, François Varray, Philippe Joos, Hervé Liebgott, Odran Pivot, Nicolas Ducros, Jean Michel Létang, Simon Rit, Françoise Peyrin, 2 - Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), 5 - RMN et optique : De la mesure aux biomarqueurs, Institut Lumière Matière [Villeurbanne] ( ILM ), Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon, Plateforme d'Imagerie Multimodale LyonTech ( PILoT ), 3 - Imagerie Ultrasonore, Laboratoire d'Electronique et des Technologies de l'Information ( CEA-LETI ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Grenoble Alpes [Saint Martin d'Hères], 4 - Imagerie Tomographique et Radiothérapie, European Synchrotron Radiation Facility ( ESRF ), ANR-11-IDEX-0007-02/11-LABX-0063,PRIMES,Physique, Radiobiologie, Imagerie Médicale et Simulation ( 2011 ), Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), RMN et optique : De la mesure au biomarqueur, Institut Lumière Matière [Villeurbanne] (ILM), Université de Lyon-Université de Lyon-Centre National de la Recherche Scientifique (CNRS), Plateforme d'Imagerie Multimodale LyonTech (PILoT), Imagerie Ultrasonore, Commissariat à l'énergie atomique et aux énergies alternatives - Laboratoire d'Electronique et de Technologie de l'Information (CEA-LETI), Direction de Recherche Technologique (CEA) (DRT (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Imagerie Tomographique et Radiothérapie, European Synchrotron Radiation Facility (ESRF), ANR-11-LABX-0063,PRIMES,Physique, Radiobiologie, Imagerie Médicale et Simulation(2011), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), and Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)
Subjects: [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, [SHS.EDU]Humanities and Social Sciences/Education, [ SHS.EDU ] Humanities and Social Sciences/Education, ComputingMilieux_MISCELLANEOUS, [ SDV.IB.IMA ] Life Sciences [q-bio]/Bioengineering/Imaging
Abstract: International audience
Published: 2017

11. Extraction of the 3D local orientation of myocytes in human cardiac tissue using X-ray phase-contrast micro-tomography and multi-scale analysis

Author: Françoise Peyrin, Max Langer, Francois Varray, Isabelle E. Magnin, Laurent Fanton, Iulia Mirea, Imagerie Ultrasonore, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Imagerie et modélisation Vasculaires, Thoraciques et Cérébrales (MOTIVATE), Imagerie Tomographique et Radiothérapie, European Synchrotron Radiation Facility (ESRF), Images et Modèles, 3 - Imagerie Ultrasonore, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ), 1 - Imagerie et modélisation Vasculaires, Thoraciques et Cérébrales ( MOTIVATE ), 4 - Imagerie Tomographique et Radiothérapie, European Synchrotron Radiation Facility ( ESRF ), and 2 - Images et Modèles
Subjects: Adult, Male, Materials science, [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, Phase (waves), Health Informatics, [ SPI.SIGNAL ] Engineering Sciences [physics]/Signal and Image processing, 030204 cardiovascular system & hematology, Sensitivity and Specificity, 030218 nuclear medicine & medical imaging, Myocytes arrangement, Synchrotron Radiation, 03 medical and health sciences, Imaging, Three-Dimensional, 0302 clinical medicine, Humans, Radiology, Nuclear Medicine and imaging, Segmentation, Cardiac tissue, Endocardium, Muscle Cells, Transverse angle, [ INFO.INFO-IM ] Computer Science [cs]/Medical Imaging, [ SDV ] Life Sciences [q-bio], Radiological and Ultrasound Technology, Orientation (computer vision), Myocardium, Helix angle, Resolution (electron density), Heart, X-Ray Microtomography, Anatomy, Computer Graphics and Computer-Aided Design, Helix, Autopsy, Computer Vision and Pattern Recognition, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, Algorithms, Multiscale analysis, Tractography, Biomedical engineering
Abstract: International audience; Highlights3D imaging of fresh human cardiac tissue samples using X-ray phase-contrast μCT (ESRF).Each reconstructed sample is 40 Gbytes with an isotropic spatial resolution of 3.5 µm.We propose a multiscale method to extract the 3D arrangement of the oriented inner structures of the cardiac wall at various resolution levels.We demonstrate an increase of the transmural helix angle range estimation with the 3D spatial resolution.AbstractThis paper presents a methodology to access the 3D local myocyte arrangements in fresh human post-mortem heart samples. We investigated the cardiac micro-structure at a high and isotropic resolution of 3.5 µm in three dimensions using X-ray phase micro-tomography at the European Synchrotron Radiation Facility. We then processed the reconstructed volumes to extract the 3D local orientation of the myocytes using a multi-scale approach with no segmentation. We created a simplified 3D model of tissue sample made of simulated myocytes with known size and orientations, to evaluate our orientation extraction method. Afterwards, we applied it to 2D histological cuts and to eight 3D left ventricular (LV) cardiac tissue samples. Then, the variation of the helix angles, from the endocardium to the epicardium, was computed at several spatial resolutions ranging from 3.63 mm3 to 1123 µm3. We measure an increased range of 20° to 30° from the coarsest resolution level to the finest level in the experimental samples. This result is in line with the higher values measured from histology. The displayed tractography demonstrates a rather smooth evolution of the transmural helix angle in six LV samples and a sudden discontinuity of the helix angle in two septum samples. These measurements bring a new vision of the human heart architecture from macro- to micro-scale.
Published: 2017

12. Irregular spiral acquisition for compressive sensing in MRSI

Author: Jabrane , Karkouri, Millioz , Fabien, Viallon , Magalie, Prost , Rémy, Ratiney , Hélène, 5 - RMN et optique : De la mesure aux biomarqueurs, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), 2 - Images et Modèles, 1 - Imagerie et modélisation Vasculaires, Thoraciques et Cérébrales ( MOTIVATE ), RMN et optique : De la mesure au biomarqueur, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM), and Images et Modèles
Subjects: [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, [ SDV.IB.IMA ] Life Sciences [q-bio]/Bioengineering/Imaging
Abstract: International audience; Magnetic resonance spectroscopic imaging (MRSI) has multiple interests in clinical practice but it faces quite long acquisition time in practice which limits their use in a clinical environment. In this work, a new fast Magnetic Resonance Spectroscopic image acquisition method, based on Compressed Sensing and the a priori known support of the metabolites chemical shift, is introduced and evaluated based on a k-t space spiral sampling. In the real-world noisy scenario the error in the recovered spectrum highly depends on the acquired samples. We reduce this error to an acceptable level by selecting irregularly the samples using the Sequential Backward Selection algorithm. Our method has been applied on an in vivo 31P acquisition, to prove the feasibility of the proposed approach.
Published: 2017

13. IMAGERIE DE L’ORIENTATION LOCALE DE LA STRUCTURE TISSULAIRE PAR IMAGERIE ULTRASONORE

Author: Turquin, Emeline, Petrusca, Lorena, Bernard, Olivier, Viallon, Magalie, Liebgott, Hervé, Varray, François, 3 - Imagerie Ultrasonore, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), 5 - RMN et optique : De la mesure aux biomarqueurs, 2 - Images et Modèles, 1 - Imagerie et modélisation Vasculaires, Thoraciques et Cérébrales ( MOTIVATE ), ANR-11-IDEX-0007-02/11-LABX-0063,PRIMES,Physique, Radiobiologie, Imagerie Médicale et Simulation ( 2011 ), Imagerie Ultrasonore, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM), RMN et optique : De la mesure au biomarqueur, Images et Modèles, and ANR-11-LABX-0063,PRIMES,Physique, Radiobiologie, Imagerie Médicale et Simulation(2011)
Subjects: [SPI.ACOU]Engineering Sciences [physics]/Acoustics [physics.class-ph], [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, [ SPI.ACOU ] Engineering Sciences [physics]/Acoustics [physics.class-ph], [ SDV.IB.IMA ] Life Sciences [q-bio]/Bioengineering/Imaging
Abstract: International audience; L’infarctus du myocarde est une des causes principales de décès dans les pays industrialisés. Bien que sa prise en charge soit de plus en plus rapide, des complications peuvent survenir lors de son traitement en particulier liées à une inflammation importante des tissus. Dans ce cas, une perte de directivité des fibres est présente au sein du tissu cardiaque. La première étape de ces travaux est donc de déterminer l’orientation des fibres dans le coeur. Cela peut déjà être réalisé en IRM de diffusion mais son temps d’acquisition élevé rend difficile l’imagerie d’un coeur en mouvement in vivo. Afin d’aboutir aux mêmes résultats et d’imager des coeurs in vivo, une technique d’imagerie ultrasonore, bien plus rapide, basée sur la cohérence spatiale, a été proposée par [1].1. C. Papadacci, «Imagerie échographique ultrarapide du coeur et des artères chez l'homme : Vers l'imagerie ultrarapide 3D et l'imagerie du tenseur de rétrodiffusion ultrasonore,» Medical Physics, Université Paris-Diderot Paris 7, 2014.
Published: 2017

14. IMAGERIE SPECTROSCOPIQUE SPIRALE ET COMPRESSED SENSING

Author: Jabrane , Karkouri, Millioz , Fabien, Viallon , Magalie, Prost , Rémy, Ratiney , Hélène, RMN et optique : De la mesure au biomarqueur, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM), Images et Modèles, 5 - RMN et optique : De la mesure aux biomarqueurs, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), 2 - Images et Modèles, and 1 - Imagerie et modélisation Vasculaires, Thoraciques et Cérébrales ( MOTIVATE )
Subjects: [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, [ SPI.SIGNAL ] Engineering Sciences [physics]/Signal and Image processing, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, [ SDV.IB.IMA ] Life Sciences [q-bio]/Bioengineering/Imaging
Abstract: National audience; But de l’étude : L’un des principaux enjeux de l’Imagerie spectroscopique par résonance magnétique (ISRM) reste le temps d’acquisition. Dans ce travail, une nouvelle méthode d’acquisition rapide d’imagerie spectroscopique par résonance magnétique basée sur un échantillonnage irrégulier spiral de l’espace k-t est présentée sur des données d’imagerie spectroscopique phosphore acquises in vivo. Le Compressed Sensing (CS) permet de réduire le nombre d’échantillons acquis comparé au critère de Nyquist-Shannon. La parcimonie du signal est obligatoire pour une reconstruction avec le CS. En spectroscopie, les déplacements chimiques des métabolites sont connus. Nous exploitons cette information a priori pour réduire le temps d’acquisition.Méthodes : CS par moindres carrés : Etant donné l’échantillonnage du domaine temporel du signal FID y associé à un point dans l’espace k, le but est de trouver les échantillons non nuls du spectre de y dans son support a priori connu. On résout l’équation surdéterminée yp=Axs avec la méthode des moindres carrés, A est une matrice de dimension pxm obtenue en sélectionnant les p lignes et les m colonnes de la matrice discrète de Fourier F qui correspondent aux p échantillons acquis de y (noté yp) et aux m colonnes correspondant au support connu du spectre xs. Le sous-échantillonnage du signal entraine une erreur de reconstruction due à une amplification du bruit. [3] propose de minimiser cette amplification en choisissantles échantillons dans y en utilisant un algorithme appelé « Sequential Backward Selection » conduisant à un échantillonnage irrégulier.Implémentation : Lors d’un encodage spiral en ISRM, un point temporel est acquis pour chaque espace k. Selon la durée d’une spirale il est souvent nécessaire de recourir à des entrelacements temporels afin d’échantillonner suffisamment finement le signal spectroscopique. 2 stratégies d’échantillonnage ont été implémentées et comparées : A) L’échantillonnage spiral « conventionnel » et B) L’échantillonnage spiral basé sur l’algorithme SBS pour un sous-échantillonnage de la dimension temporelle (d’un facteur 3). Avec SBS, le nombre d’entrelacements temporels peut être réduit, ce qui réduit le nombre d’excitation (Nex) en fonction de la durée de la spirale et le temps d’acquisition (on passe de 4 à 2 excitations). Les 2 approches ont été simulées à partir de données d’ISRM 31P acquises in vivo (Siemens 3T) sur les quadriceps d’un homme, avec la technique conventionnelle d’encodage de phase-phase, selon une grille cartésienne. Un échantillonnagespiral de ces espaces-k a été simulé en calculant la position théorique des échantillons dans le cas d’un échantillonnage spiral. Notre algorithme a été utilisé pour reconstruire les spectres de chaque voxel, pour les 2 méthodes.Résultats : Figure 1, pour un voxel situé au milieu du muscle, sont représentés les spectres acquis a) in vivo avec une méthode conventionnelle, b) avec une reconstruction basée sur la méthode A et c) basée sur la méthode B. L’erreur de reconstruction, avec comme référence le signal acquis, est de 22dB pour la méthode A (Nex theorique=4) et de 19dB pour la méthode B (avec Nex théorique =2).Conclusion : Nous avons démontré la faisabilité d’une nouvelle méthode originale d’acquisition rapide avec l’utilisation du CS basée sur une reconstruction par moindre carrés et de l’algorithme SBS. Ce travail propose une nouvelle l’utilisation de SBS dans le cadre d’une acquisition rapide ISRM, qui diffère de [4] dans la mesure où, ici, c’est le support spectral a priori connu qui est utilisé et non le support spatial.References :1. Posse, S., et al., MR spectroscopic imaging: principles and recent advances. Journal of magnetic resonance imaging : JMRI, 2013.37(6): p. 1301-25.2. Adalsteinsson, E., et al., Volumetric spectroscopic imaging with spiral-based k-space trajectories. Magnetic Resonance in Medicine, 1998.39(6):p. 889-898.3. Reeves, S.J. and L.P. Heck. Selection of observations in signal reconstruction. IEEE Trans. Signal Proc. 1995; 43: 788-7914. Gao Y, Reeves S. Optimal k-space sampling in MRSI for images with a limited region of support. IEEE Trans. Med. Imaging 2000; 19: 1168-1178.5. J. Fessler, Image Reconstruction Toolbox, https://web.eecs.umich.edu/~fessler/codeRemerciements : Ce travail a été supporté par le LABEX PRIMES (ANR-11-LABX-0063), program ”Investissements d’Avenir” (ANR-11-IDEX-0007).
Published: 2017

15. Simultaneous coded plane wave imaging in ultrasound: problem formulation and constraints

Author: Bujoreanu, Denis, Friboulet, Denis, Nicolas, Barbara, Liebgott, Hervé, Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM), Imagerie Ultrasonore, ANR-11-LABX-0063,PRIMES,Physique, Radiobiologie, Imagerie Médicale et Simulation(2011), 3 - Imagerie Ultrasonore, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ), 2 - Images et Modèles, ANR-11-IDEX-0007-02/11-LABX-0063,PRIMES,Physique, Radiobiologie, Imagerie Médicale et Simulation ( 2011 ), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Rayet, Béatrice, Physique, Radiobiologie, Imagerie Médicale et Simulation - - PRIMES2011 - ANR-11-LABX-0063 - LABX - VALID, and Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université Claude Bernard Lyon 1 (UCBL)
Subjects: Synthetic aperture radar, Channel (digital image), Computer science, [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, Acoustics, Plane wave, Context (language use), 02 engineering and technology, Iterative reconstruction, [ SPI.SIGNAL ] Engineering Sciences [physics]/Signal and Image processing, 01 natural sciences, 0103 physical sciences, 0202 electrical engineering, electronic engineering, information engineering, Medical imaging, 010301 acoustics, [ SDV.IB.IMA ] Life Sciences [q-bio]/Bioengineering/Imaging, [SPI.SIGNAL] Engineering Sciences [physics]/Signal and Image processing, business.industry, Ultrasound, 020206 networking & telecommunications, Inverse problem, Frame rate, [SDV.IB.IMA] Life Sciences [q-bio]/Bioengineering/Imaging, Ultrasound imaging, business, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing
Abstract: International audience; In this paper, we propose a new emission strategy in the context of plane wave imaging. Plane wave imaging indeed implies compounding in order to preserve a good image quality. Such compounding is usually obtained using multiple, successive emissions, which in turn yields a decrease of the frame rate. As opposed to this approach, our method is based on the simultaneous emission of several coded plane waves. This allows the reconstruction of all the images corresponding to the different plane waves, by using an inverse problem approach. The proposed method is closely related to channel estimation in telecommunications, and coded excitation in synthetic aperture ultrasound imaging. In this paper, we thus extend these lines of work to the case of ultrasound plane wave imaging and evaluate the obtained performance from various numerical simulations.
Published: 2017

16. High-Quality Plane Wave Compounding using Convolutional Neural Networks

Author: Fabien Millioz, Maxime Gasse, Damien Garcia, Denis Friboulet, Emmanuel Roux, Herve Liebgott, Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM), Imagerie Ultrasonore, ANR-11-LABX-0063,PRIMES,Physique, Radiobiologie, Imagerie Médicale et Simulation(2011), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université Claude Bernard Lyon 1 (UCBL), 2 - Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), 3 - Imagerie Ultrasonore, and ANR-11-IDEX-0007-02/11-LABX-0063,PRIMES,Physique, Radiobiologie, Imagerie Médicale et Simulation ( 2011 )
Subjects: Standards, Speedup, [ INFO.INFO-TS ] Computer Science [cs]/Signal and Image Processing, Acoustics and Ultrasonics, Computer science, Plane wave, Iterative reconstruction, 01 natural sciences, Convolutional neural network, 030218 nuclear medicine & medical imaging, Imaging, 03 medical and health sciences, 0302 clinical medicine, Optics, Image resolution, [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, 0103 physical sciences, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, Electrical and Electronic Engineering, 010301 acoustics, Instrumentation, Artificial neural network, [ INFO.INFO-IM ] Computer Science [cs]/Medical Imaging, business.industry, Acoustics, Frame rate, Compounding, Image reconstruction, Frequency control, business, Algorithm, Neural networks
Abstract: International audience; Single plane wave (PW) imaging produces ultrasound (US) images of poor quality at high frame rates (ultrafast). High-quality PW imaging usually relies on the coherent compounding of several successive steered emissions (typically more than ten), which in turn results in a decreased frame rate. We propose a new strategy to reduce the number of emitted PWs by learning a compounding operation from data, i.e. by training a convolutional neural network (CNN) to reconstruct high quality images using a small number of transmissions. We present experimental evidence that this approach is promising, as we were able to produce high-quality images from only 3 PWs, competing in terms of contrast ratio and lateral resolution with the standard compounding of 31 PWs (10x speed-up factor).
Published: 2017

17. Robust graph representation of images with underlying structural networks. Application to the classification of vascular networks of mice’s colon

Author: Warda Boutegrabet, Hugo Dorez, Denis Bujoreanu, David Rousseau, Raphal Sablong, Driffa Moussata, 3 - Imagerie Ultrasonore, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), 5 - RMN et optique : De la mesure aux biomarqueurs, Centre Hospitalier Régional Universitaire de Tours, CHRU Tours, 2 - Images et Modèles, ANR-11-IDEX-0007-02/11-LABX-0063,PRIMES,Physique, Radiobiologie, Imagerie Médicale et Simulation ( 2011 ), Imagerie Ultrasonore, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM), RMN et optique : De la mesure au biomarqueur, Centre Hospitalier Régional Universitaire de Tours (CHRU Tours), Images et Modèles, ANR-11-LABX-0063,PRIMES,Physique, Radiobiologie, Imagerie Médicale et Simulation(2011), and Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Université Claude Bernard Lyon 1 (UCBL)
Subjects: 0301 basic medicine, Power graph analysis, Theoretical computer science, Monte Carlo method, Image processing, 02 engineering and technology, Network classification, [ SPI.SIGNAL ] Engineering Sciences [physics]/Signal and Image processing, Geometric networks, 03 medical and health sciences, Spatial network, Artificial Intelligence, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, 0202 electrical engineering, electronic engineering, information engineering, Segmentation, Mathematics, [ INFO.INFO-IM ] Computer Science [cs]/Medical Imaging, business.industry, Pattern recognition, Complex network, Life science applications, Graph-based image representation, 030104 developmental biology, Signal Processing, Graph (abstract data type), 020201 artificial intelligence & image processing, Computer Vision and Pattern Recognition, Artificial intelligence, business, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, Software
Abstract: A robust graph representation of structural networks in images is introduced.This is inspired from Maximally Stable Extremal Region extended to extremal stable graph.The method is illustrated with a classification problem from biomedical images.The performance of the classification problem can be tested on simulated graphs.The method is of broad applicability when structural networks constitute the objects to be characterized. In this letter, we consider scenes constituted by underlying structural networks. This is an important issue since such scenes appear in many domains of sciences with for instance images of road networks, vascular networks, root systems, etc. The extraction of information from such networks requires characterization methods specifically designed to preserve the topological structure of the network hidden in the image. We propose an entire image processing pipeline for this task with a robust joint segmentation and graph-based representation approach. The proposed method relates, in the closest literature, to the so-called Maximally Stable Extremal Region here extended to extremally stable graph. The method is successfully illustrated with a real world biomedical pattern recognition problem solved with our approach. The robustness of the most common graph parameters is discussed from Monte Carlo simulations on synthetic graphs.
Published: 2017

18. Converting SVDD scores into probability estimates: Application to outlier detection

Author: Meriem El Azami, Carole Lartizien, Stéphane Canu, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), 2 - Images et Modèles, Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Laboratoire d'Informatique, de Traitement de l'Information et des Systèmes ( LITIS ), Institut national des sciences appliquées Rouen Normandie ( INSA Rouen Normandie ), Normandie Université ( NU ) -Normandie Université ( NU ) -Université de Rouen Normandie ( UNIROUEN ), Normandie Université ( NU ) -Université Le Havre Normandie ( ULH ), Normandie Université ( NU ), ANR-11-IDEX-0007-02/11-LABX-0063,PRIMES,Physique, Radiobiologie, Imagerie Médicale et Simulation ( 2011 ), Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM), Equipe Apprentissage (DocApp - LITIS), Laboratoire d'Informatique, de Traitement de l'Information et des Systèmes (LITIS), Institut national des sciences appliquées Rouen Normandie (INSA Rouen Normandie), Institut National des Sciences Appliquées (INSA)-Normandie Université (NU)-Institut National des Sciences Appliquées (INSA)-Normandie Université (NU)-Université de Rouen Normandie (UNIROUEN), Normandie Université (NU)-Université Le Havre Normandie (ULH), Normandie Université (NU)-Institut national des sciences appliquées Rouen Normandie (INSA Rouen Normandie), Normandie Université (NU), ANR-11-LABX-0063,PRIMES,Physique, Radiobiologie, Imagerie Médicale et Simulation(2011), Université Le Havre Normandie (ULH), Normandie Université (NU)-Normandie Université (NU)-Université de Rouen Normandie (UNIROUEN), Institut National des Sciences Appliquées (INSA)-Normandie Université (NU)-Institut National des Sciences Appliquées (INSA)-Université Le Havre Normandie (ULH), and Institut National des Sciences Appliquées (INSA)-Normandie Université (NU)-Institut National des Sciences Appliquées (INSA)
Subjects: [ INFO.INFO-TS ] Computer Science [cs]/Signal and Image Processing, Generalization, Calibration (statistics), Cognitive Neuroscience, Kernel density estimation, 02 engineering and technology, Single level, Minimum volume set, Data description, Set (abstract data type), [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], Artificial Intelligence, SVDD, 0202 electrical engineering, electronic engineering, information engineering, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, Probability estimate, Mathematics, [ INFO.INFO-IM ] Computer Science [cs]/Medical Imaging, business.industry, 020206 networking & telecommunications, Pattern recognition, Computer Science Applications, Support vector machine, Calibration, 020201 artificial intelligence & image processing, Anomaly detection, Artificial intelligence, business
Abstract: International audience; To enable post-processing, the output of a support vector data description (SVDD) should be transformed into a calibrated probability, as it can be done for SVM. But standard SVDD only estimate a single level set and do not provide such probabilities. We present a method for estimating these probabilities from SVDD scores. The first step of our approach uses a generalization of the SVDD model that estimate simultaneously various coherent level sets. Then we introduce two calibration mechanisms for converting these level sets into probabilities. A synthetic dataset and datasets from the UCI repository are used to compare the performance of our method against a robust kernel density estimator in an outlier detection task, illustrating the interest of our approach.
Published: 2017

19. Multidimensional spatio-temporal data clustering, with applications to imaging

Author: Mure , Simon, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ), Université de Lyon, Hugues Benoit-Cattin, Thomas Grenier, STAR, ABES, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Images et Modèles, Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), 2 - Images et Modèles, Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), INSA Lyon, and Pr. Hugues Benoit-Cattin, Dr. Thomas Grenier
Subjects: imagerie par résonance magnétique, Séries temporelles, Infinite norm, [ SPI.SIGNAL ] Engineering Sciences [physics]/Signal and Image processing, Classification non supervisée, Clustering, Sclérose en plaques, Multiple sclerosis, Medical Imaging, Time-Series, magnetic resonance imaging, Mean-Shift - non-Parametric feature-Space Analysis technique, Dynamic time warping, Imagerie par résonance magnétique de diffusion, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, Mean-Shift, Norme infini, [SPI.SIGNAL] Engineering Sciences [physics]/Signal and Image processing, Imagerie médicale
Abstract: Due to the dramatic increase of longitudinal acquisitions in the past decades such as video sequences, global positioning system (GPS) tracking or medical follow-up, many applications for time-series data mining have been developed. Thus, unsupervised time-series data mining has become highly relevant with the aim to automatically detect and identify similar temporal patterns between time-series. In this work, we propose a new spatio-temporal filtering scheme based on the mean-shift procedure, a state of the art approach in the field of image processing, which clusters multivariate spatio-temporal data. We also propose a hierarchical time-series clustering algorithm based on the dynamic time warping measure that identifies similar but asynchronous temporal patterns. Our choices have been motivated by the need to analyse magnetic resonance images acquired on people affected by multiple sclerosis. The genetics and environmental factors triggering and governing the disease evolution, as well as the occurrence and evolution of individual lesions, are still mostly unknown and under intense investigation. Therefore, there is a strong need to develop new methods allowing automatic extraction and quantification of lesion characteristics. This has motivated our work on time-series clustering methods, which are not widely used in image processing yet and allow to process image sequences without prior knowledge on the final results., Avec l'augmentation considérable d'acquisitions de données temporelles dans les dernières décennies comme les systèmes GPS, les séquences vidéo ou les suivis médicaux de pathologies ; le besoin en algorithmes de traitement et d'analyse efficaces d'acquisition longitudinales n'a fait qu'augmenter. Dans cette thèse, nous proposons une extension du formalisme mean-shift, classiquement utilisé en traitement d'images, pour le groupement de séries temporelles multidimensionnelles. Nous proposons aussi un algorithme de groupement hiérarchique des séries temporelles basé sur la mesure de dynamic time warping afin de prendre en compte les déphasages temporels. Ces choix ont été motivés par la nécessité d'analyser des images acquises en imagerie par résonance magnétique sur des patients atteints de sclérose en plaques. Cette maladie est encore très méconnue tant dans sa genèse que sur les causes des handicaps qu'elle peut induire. De plus aucun traitement efficace n'est connu à l'heure actuelle. Le besoin de valider des hypothèses sur les lésions de sclérose en plaque nous a conduit à proposer des méthodes de groupement de séries temporelles ne nécessitant pas d'a priori sur le résultat final, méthodes encore peu développées en traitement d'images.
Published: 2016

20. Bundle and Pool Architecture for Multi-Language, Robust, Scalable Workflow Executions

Author: Johan Montagnat, Kieran Evans, Andrew Harrison, Andrew Jones, Tram Truong Huu, Ian Harvey, Ibrahim Kallel, David Rogers, Tristan Glatard, Ian Taylor, School of Computer Sciences & Informatics [Cardiff], Cardiff University, Laboratoire d'Informatique, Signaux, et Systèmes de Sophia-Antipolis (I3S) / Equipe MODALIS, Scalable and Pervasive softwARe and Knowledge Systems ( SPARKS ), Laboratoire d'Informatique, Signaux, et Systèmes de Sophia Antipolis ( I3S ), Université Nice Sophia Antipolis ( UNS ), Université Côte d'Azur ( UCA ) -Université Côte d'Azur ( UCA ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Nice Sophia Antipolis ( UNS ), Université Côte d'Azur ( UCA ) -Université Côte d'Azur ( UCA ) -Centre National de la Recherche Scientifique ( CNRS ) -Laboratoire d'Informatique, Signaux, et Systèmes de Sophia Antipolis ( I3S ), Université Côte d'Azur ( UCA ) -Université Côte d'Azur ( UCA ) -Centre National de la Recherche Scientifique ( CNRS ), 2 - Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), Learning and Research, DEGW, Scalable and Pervasive softwARe and Knowledge Systems (Laboratoire I3S - SPARKS), Laboratoire d'Informatique, Signaux, et Systèmes de Sophia Antipolis (I3S), Université Nice Sophia Antipolis (... - 2019) (UNS), COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-Centre National de la Recherche Scientifique (CNRS)-Université Côte d'Azur (UCA)-Université Nice Sophia Antipolis (... - 2019) (UNS), COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-Centre National de la Recherche Scientifique (CNRS)-Université Côte d'Azur (UCA)-Laboratoire d'Informatique, Signaux, et Systèmes de Sophia Antipolis (I3S), COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-Centre National de la Recherche Scientifique (CNRS)-Université Côte d'Azur (UCA), Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), and Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)
Subjects: Computer Networks and Communications, Computer science, Windows Workflow Foundation, InformationSystems_INFORMATIONSYSTEMSAPPLICATIONS, Serialization, Distributed computing, 02 engineering and technology, Workflow engine, XPDL, Workflow technology, [ INFO.INFO-DC ] Computer Science [cs]/Distributed, Parallel, and Cluster Computing [cs.DC], Workflow, Hardware and Architecture, 020204 information systems, 0202 electrical engineering, electronic engineering, information engineering, 020201 artificial intelligence & image processing, [INFO.INFO-DC]Computer Science [cs]/Distributed, Parallel, and Cluster Computing [cs.DC], Workflow Management Coalition, Software, Workflow management system, Information Systems
Abstract: International audience; In this paper, we leverage the previous work on the SHIWA bundling format and expand on this specification in order to facilitate workflow execution within a multi-workflow environment. We introduce a scalable and robust execution pool environment that supports workflows consisting of sub-workflows built upon a multitude of different workflow engines and environments, and also provide a common workflow representation for seamless connectivity through serialization to workflow bundles. We also present a meta-workflow scenario based upon this system. Workflow bundles employ the lightweight Open Archives Initiative Object Reuse and Exchange (ORE) Web-based standard, to provide a common format for representing and sharing workflows and the associated metadata required for their execution. This generalized bundling approach is already available within five workflow engines and has proven a useful environment for inter-workflow experimentation. The execution pool facilitates federated access to multiple distributed computing infrastructures supported by the underlying workflow engines subscribed to the pool. Workflow bundles are exposed using the eXtensible Messaging and Presence Protocol (XMPP), which provides the necessary communication backbone to enable multiple workflow engine agents to asynchronously publish and subscribe to bundles in meta-workflow pipelines. We present experiments showing the scalability and robustness of the pool execution approach with results showing that overheads remain controlled for up to 150 workflow agents, and that agent failures have very limited impact. We then demonstrate the applicability of our architecture by describing how a Java-based music analysis workflow can be distributed within such a multi-workflow environment consisting of the Triana and MOTEUR workflow engines.
Published: 2013

21. A Fourier-based formalism for 3D ultrafast imaging with diverging waves

Author: Francois Varray, Herve Liebgott, Miaomiao Zhang, Denis Friboulet, Olivier Bernard, 2 - Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ), 3 - Imagerie Ultrasonore, Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), and Imagerie Ultrasonore
Subjects: [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, Computer science, Image quality, Transducers, ComputingMethodologies_IMAGEPROCESSINGANDCOMPUTERVISION, [ SPI.SIGNAL ] Engineering Sciences [physics]/Signal and Image processing, Iterative reconstruction, 01 natural sciences, Imaging, 030218 nuclear medicine & medical imaging, 03 medical and health sciences, symbols.namesake, Mathematical model, 0302 clinical medicine, Optics, 0103 physical sciences, 010301 acoustics, [ SDV.IB.IMA ] Life Sciences [q-bio]/Bioengineering/Imaging, [SPI.ACOU]Engineering Sciences [physics]/Acoustics [physics.class-ph], Ultrasonic imaging, [ SPI.ACOU ] Engineering Sciences [physics]/Acoustics [physics.class-ph], business.industry, Ultrasound, Formalism (philosophy of mathematics), Transducer, Fourier transform, Image reconstruction, symbols, Three-dimensional displays, Probes, business, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, Ultrashort pulse, Algorithm
Abstract: International audience; Ultrafast imaging based on diverging wave is an active area of research in ultrasound sectorial acquisition because of its capacity of reaching high frame rate. The current state-of-the-art technique in 3D sectorial ultrafast imaging is based on diverging wave transmission and a reconstruction strategy using delay and sum (DAS). Recently, we have introduced a Fourier-based technique for the reconstruction of 2D images for sectorial acquisition. In this study, we extend our previous formalism to 3D acquisition. We demonstrate that the flexibility of the proposed formalism allows a direct use of compounding in order to improve image quality from a set of diverging waves with different virtual source positions. Simulation results show that the proposed approach provides competitive results in terms of image quality compared to the state-of-the-art DAS technique, but with a much lower computational complexity.
Published: 2016

22. Detection of Lesions Underlying Intractable Epilepsy on T1-Weighted MRI as an Outlier Detection Problem

Author: Nicolas Costes, Julien Jung, Alexander Hammers, Meriem El Azami, Romain Bouet, Carole Lartizien, Rayet, Béatrice, Physique, Radiobiologie, Imagerie Médicale et Simulation - - PRIMES2011 - ANR-11-LABX-0063 - LABX - VALID, Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Division of Experimental Medicine, Imperial College London, Fondation neurodis, Fondation Neurodis, Centre de recherche en neurosciences de Lyon - Lyon Neuroscience Research Center (CRNL), Université de Lyon-Université de Lyon-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Centre d'Etude et de Recherche Multimodal Et Pluridisciplinaire en imagerie du vivant (CERMEP - imagerie du vivant), Université de Lyon-Université de Lyon-CHU Grenoble-Hospices Civils de Lyon (HCL)-CHU Saint-Etienne-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA), ANR-11-LABX-0063,PRIMES,Physique, Radiobiologie, Imagerie Médicale et Simulation(2011), 2 - Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), Centre de recherche en neurosciences de Lyon ( CRNL ), Université de Lyon-Université de Lyon-Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), Centre d'Exploration et de Recherche Médicales par Émission de Positons ( CERMEP ), Université Joseph Fourier - Grenoble 1 ( UJF ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-CHU Grenoble-Hospices Civils de Lyon ( HCL ) -CHU Saint-Etienne-Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), ANR-11-IDEX-0007-02/11-LABX-0063,PRIMES,Physique, Radiobiologie, Imagerie Médicale et Simulation ( 2011 ), Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM), Centre de recherche en neurosciences de Lyon (CRNL), Université de Lyon-Université de Lyon-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), and Université de Lyon-Université de Lyon-CHU Grenoble-Hospices Civils de Lyon (HCL)-CHU Saint-Etienne-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA)
Subjects: Central Nervous System, Male, Pathology, Drug Resistant Epilepsy, Support Vector Machine, Computer science, [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, [INFO.INFO-IM] Computer Science [cs]/Medical Imaging, lcsh:Medicine, [ SPI.SIGNAL ] Engineering Sciences [physics]/Signal and Image processing, computer.software_genre, Pathology and Laboratory Medicine, Brain mapping, Nervous System, 030218 nuclear medicine & medical imaging, Diagnostic Radiology, Pattern Recognition, Automated, Machine Learning, Epilepsy, 0302 clinical medicine, Voxel, Medicine and Health Sciences, Diagnosis, Computer-Assisted, lcsh:Science, [ SDV.IB.IMA ] Life Sciences [q-bio]/Bioengineering/Imaging, Brain Mapping, Multidisciplinary, medicine.diagnostic_test, [ INFO.INFO-IM ] Computer Science [cs]/Medical Imaging, Radiology and Imaging, Magnetoencephalography, Magnetic Resonance Imaging, medicine.anatomical_structure, Neurology, Engineering and Technology, Anomaly detection, [SDV.NEU]Life Sciences [q-bio]/Neurons and Cognition [q-bio.NC], Female, Anatomy, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, Algorithms, Research Article, Quality Control, medicine.medical_specialty, Computer and Information Sciences, Imaging Techniques, Central nervous system, Visual Inspection, Neuroimaging, Statistical parametric mapping, Research and Analysis Methods, White matter, 03 medical and health sciences, Signs and Symptoms, Diagnostic Medicine, Artificial Intelligence, Support Vector Machines, Industrial Engineering, Image Interpretation, Computer-Assisted, medicine, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, Humans, [SDV.NEU] Life Sciences [q-bio]/Neurons and Cognition [q-bio.NC], [SPI.SIGNAL] Engineering Sciences [physics]/Signal and Image processing, business.industry, lcsh:R, Biology and Life Sciences, Pattern recognition, Magnetic resonance imaging, medicine.disease, Support vector machine, [SDV.IB.IMA] Life Sciences [q-bio]/Bioengineering/Imaging, Computer-aided diagnosis, [ SDV.NEU ] Life Sciences [q-bio]/Neurons and Cognition [q-bio.NC], Lesions, Cognitive Science, lcsh:Q, Artificial intelligence, business, computer, 030217 neurology & neurosurgery, Neuroscience
Abstract: International audience; Pattern recognition methods, such as computer aided diagnosis (CAD) systems, can help clinicians in their diagnosis by marking abnormal regions in an image. We propose a machine learning system based on a one-class support vector machine (OC-SVM) classi-fier for the detection of abnormalities in magnetic resonance images (MRI) applied to patients with intractable epilepsy. The system learns the features associated with healthy control subjects, allowing a voxelwise assessment of the deviation of a test subject pattern from the learned patterns. While any number of various features can be chosen and learned, here we focus on two texture parameters capturing image patterns associated with epileptogenic lesions on T1-weighted brain MRI e.g. heterotopia and blurred junction between the grey and white matter. The CAD output consists of patient specific 3D maps locating clusters of suspicious voxels ranked by size and degree of deviation from control patterns. System performance was evaluated using realistic simulations of challenging detection tasks as well as clinical data of 77 healthy control subjects and of eleven patients (13 lesions). It was compared to that of a mass univariate statistical parametric mapping (SPM) single subject analysis based on the same set of features. For all simulations, OC-SVM yielded significantly higher values of the area under the ROC curve (AUC) and higher sensitivity at low false positive rate. For the clinical data, both OC-SVM and SPM successfully detected 100% of the lesions in the MRI positive cases (3/13). For the MRI negative cases (10/13), OC-SVM detected 7/10 lesions and SPM analysis detected 5/10 lesions. In all experiments, OC-SVM produced fewer false positive detections than SPM. OC-SVM may be a versatile system for unbiased lesion detection.
Published: 2016

23. Analyse statistique d'images paramétriques multimodales pour le bilan non invasif préchirurgical de l’épilepsie focale pharmaco-résistante

Author: Lartizien , Carole, 2 - Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ), Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), and Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)
Subjects: [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, [ SPI.SIGNAL ] Engineering Sciences [physics]/Signal and Image processing, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, [ SDV.IB.IMA ] Life Sciences [q-bio]/Bioengineering/Imaging
Abstract: National audience; One third of patients suffering from epilepsy are resistant to medication. For these patients, surgical removal of the epileptogenic zone offers the possibility of a cure. Surgery success relies heavily on the accurate localization of the epileptogenic zone. The analysis of neuroimaging data such as magnetic resonance imaging (MRI) and positron emission tomography (PET) is increasingly used in the pre-surgical work-up of patients and may offer an alternative to the invasive reference of stereo-electro-encephalography (SEEG) monitoring. To assist clinicians in screening these lesions, we develop a computer aided diagnosis system (CAD) based on a multivariate and multimodality data analysis approach. The proposed system combines T1-weighted, FLAIR and diffusion (DTI) MR images with a machine learning system based the one-class SVM algorithm. The whole pipeline was designed to take into account the specificity of this detection task by proposing 1) a voxel-level classification scheme [El Azami, IEEE PRNI 2013] , 2) an ensemble learning strategy for handling multi-modal data [El Azami, ISBI 2015] and 3) a conversion of classification scores into calibrated probabilities [El Azami, ESANN 2016]. The CAD system was validated using both realistic simulations and clinical data. It was shown to outperform univariate statistical analyses (SPM) and compare favourably with recent state-of-the-art approaches in terms of sensitivity and specificity. This work was supported by the LABEX PRIMES (ANR-11-LABX-0063) of Université de Lyon, within the program "Investissements d’Avenir" (ANR-11-IDEX-0007) operated by the French National Research Agency (ANR).
Published: 2016

24. Plane-Wave Imaging Challenge in Medical Ultrasound

Author: Liebgott, Herve, Molares, Alfonso Rodriguez, Jensen, Jørgen Arendt, Cervenansky, F., Bernard, O., Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ), 2 - Images et Modèles, Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Service Informatique et développements, Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), and Images et Modèles
Subjects: Beamforming, Image quality, Computer science, ComputingMethodologies_IMAGEPROCESSINGANDCOMPUTERVISION, 01 natural sciences, 030218 nuclear medicine & medical imaging, 03 medical and health sciences, Speckle pattern, 0302 clinical medicine, 0103 physical sciences, Ultrasound, Medical imaging, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, Computer vision, Challenge, Plane-Wave, 010301 acoustics, Image resolution, Medical ultrasound, ComputingMilieux_MISCELLANEOUS, [ INFO.INFO-IM ] Computer Science [cs]/Medical Imaging, business.industry, Frame rate, Ultrasonic imaging, Plane wave imaging, Ultrafast, Artificial intelligence, business
Abstract: Plane-Wave imaging enables very high frame rates, up to several thousand frames per second. Unfortunately the lack of transmit focusing leads to reduced image quality, both in terms of resolution and contrast. Recently, numerous beamforming techniques have been proposed to compensate for this effect, but comparing the different methods is difficult due to the lack of appropriate tools. PICMUS, the Plane-Wave Imaging Challenge in Medical Ultrasound aims to provide these tools. This paper describes the PICMUS challenge, its motivation, implementation, and metrics.
Published: 2016

25. Compressed sensing Doppler ultrasound reconstruction using block sparse Bayesian learning

Author: Lorintiu , Oana, Liebgott , Hervé, Bernard , Olivier, Friboulet , Denis, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), 3 - Imagerie Ultrasonore, Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), 2 - Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Imagerie Ultrasonore, Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), and Images et Modèles
Subjects: [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, Computer science, Context (language use), 02 engineering and technology, Iterative reconstruction, Data_CODINGANDINFORMATIONTHEORY, 01 natural sciences, Machine Learning, symbols.namesake, BSBL, 0103 physical sciences, Ultrasound, 0202 electrical engineering, electronic engineering, information engineering, Humans, Computer vision, Electrical and Electronic Engineering, Duplex doppler ultrasound, 010301 acoustics, [ SDV.IB.IMA ] Life Sciences [q-bio]/Bioengineering/Imaging, Signal processing, Radiological and Ultrasound Technology, business.industry, Models, Cardiovascular, Doppler, 020206 networking & telecommunications, Bayes Theorem, Signal Processing, Computer-Assisted, Ultrasonography, Doppler, Computer Science Applications, Ultrasonic imaging, Femoral Artery, Compressed sensing, symbols, Spectrogram, Artificial intelligence, business, Doppler effect, Software, Algorithms, Interpolation
Abstract: In this paper we propose a framework for using duplex Doppler ultrasound systems. These type of systems need to interleave the acquisition and display of a B-mode image and of the pulsed Doppler spectrogram. In a recent study (Richy , 2013), we have shown that compressed sensing-based reconstruction of Doppler signal allowed reducing the number of Doppler emissions and yielded better results than traditional interpolation and at least equivalent or even better depending on the configuration than the study estimating the signal from sparse data sets given in Jensen, 2006. We propose here to improve over this study by using a novel framework for randomly interleaving Doppler and US emissions. The proposed method reconstructs the Doppler signal segment by segment using a block sparse Bayesian learning (BSBL) algorithm based CS reconstruction. The interest of using such framework in the context of duplex Doppler is linked to the unique ability of BSBL to exploit block-correlated signals and to recover non-sparse signals. The performance of the technique is evaluated from simulated data as well as experimental in vivo data and compared to the recent results in Richy , 2013.
Published: 2016

26. Human Atlas of the Cardiac Fiber Architecture: Study on a Healthy Population

Author: Farida Cheriet, Isabelle E. Magnin, Hervé Delingette, Patrick Clarysse, Pierre Croisille, Jean-Marc Peyrat, Nicholas Ayache, Laurent Fanton, Herve Lombaert, Stanislas Rapacchi, École Polytechnique de Montréal ( EPM ), Analysis and Simulation of Biomedical Images ( ASCLEPIOS ), Inria Sophia Antipolis - Méditerranée ( CRISAM ), Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ), Siemens Molecular Imaging [Oxford], Siemens AG [Munich], 5 - RMN et optique : De la mesure aux biomarqueurs, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), 2 - Images et Modèles, 1 - Imagerie et modélisation Vasculaires, Thoraciques et Cérébrales ( MOTIVATE ), École Polytechnique de Montréal (EPM), Analysis and Simulation of Biomedical Images (ASCLEPIOS), Inria Sophia Antipolis - Méditerranée (CRISAM), Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), RMN et optique : De la mesure au biomarqueur, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Images et Modèles, Imagerie et modélisation Vasculaires, Thoraciques et Cérébrales (MOTIVATE), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), and Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)
Subjects: Adult, Male, Adolescent, Databases, Factual, Computer science, [SDV]Life Sciences [q-bio], medicine.medical_treatment, Population, Cardiac resynchronization therapy, Image registration, Atlases as Topic, Computer Graphics, Image Processing, Computer-Assisted, medicine, Humans, Computer vision, Segmentation, Anatomy, Artistic, Electrical and Electronic Engineering, education, Endocardium, Aged, education.field_of_study, [ SDV ] Life Sciences [q-bio], Radiological and Ultrasound Technology, business.industry, Atlas (topology), Heart, Image segmentation, Middle Aged, Computer Science Applications, Diffusion Magnetic Resonance Imaging, Female, Artificial intelligence, business, Software, Diffusion MRI
Abstract: International audience; Cardiac fibers, as well as their local arrangement in laminar sheets, have a complex spatial variation of their orientation that has an important role in mechanical and electrical cardiac functions. In this paper, a statistical atlas of this cardiac fiber architecture is built for the first time using human datasets. This atlas provides an average description of the human cardiac fiber architecture along with its variability within the population. In this study, the population is composed of ten healthy human hearts whose cardiac fiber architecture is imaged ex vivo with DT-MRI acquisitions. The atlas construction is based on a computational framework that minimizes user interactions and combines most recent advances in image analysis: graph cuts for segmentation, symmetric log-domain diffeomorphic demons for registration, and log-Euclidean metric for diffusion tensor processing and statistical analysis. Results show that the helix angle of the average fiber orientation is highly correlated to the transmural depth and ranges from -41° on the epicardium to +66° on the endocardium. Moreover, we find that the fiber orientation dispersion across the population (13°) is lower than for the laminar sheets (31°). This study, based on human hearts, extends previous studies on other mammals with concurring conclusions and provides a description of the cardiac fiber architecture more specific to human and better suited for clinical applications. Indeed, this statistical atlas can help to improve the computational models used for radio-frequency ablation, cardiac resynchronization therapy, surgical ventricular restoration, or diagnosis and followups of heart diseases due to fiber architecture anomalies.
Published: 2012

27. Automatic Detection of Lung and Liver Lesions in 3-D Positron Emission Tomography Images: A Pilot Study

Author: Rémy Prost, Carole Lartizien, S. Marache-Francisco, 2 - Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), and Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)
Subjects: Nuclear and High Energy Physics, medicine.diagnostic_test, [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, Computer science, business.industry, Feature extraction, Wavelet transform, CAD, Pattern recognition, Linear discriminant analysis, Support vector machine, Nuclear Energy and Engineering, Feature (computer vision), Positron emission tomography, medicine, Detection performance, Artificial intelligence, Electrical and Electronic Engineering, business, [ SDV.IB.IMA ] Life Sciences [q-bio]/Bioengineering/Imaging
Abstract: International audience; Positron emission tomography (PET) using fluorine-18 deoxyglucose (18F-FDG) has become an increasingly recommended tool in clinical whole-body oncology imaging for the detection, diagnosis, and follow-up of many cancers. One way to improve the diagnostic utility of PET oncology imaging is to assist physicians facing difficult cases of residual or low-contrast lesions. This study aimed at evaluating different schemes of computer-aided detection (CADe) systems for the guided detection and localization of small and low-contrast lesions in PET. These systems are based on two supervised classifiers, linear discriminant analysis (LDA) and the nonlinear support vector machine (SVM). The image feature sets that serve as input data consisted of the coefficients of an undecimated wavelet transform. An optimization study was conducted to select the best combination of parameters for both the SVM and the LDA. Different false-positive reduction (FPR) methods were evaluated to reduce the number of false-positive detections per image (FPI). This includes the removal of small detected clusters and the combination of the LDA and SVM detection maps. The different CAD schemes were trained and evaluated based on a simulated whole-body PET image database containing 250 abnormal cases with 1230 lesions and 250 normal cases with no lesion. The detection performance was measured on a separate series of 25 testing images with 131 lesions. The combination of the LDA and SVM score maps was shown to produce very encouraging detection performance for both the lung lesions, with 91% sensitivity and 18 FPIs, and the liver lesions, with 94% sensitivity and 10 FPIs. Comparison with human performance indicated that the different CAD schemes significantly outperformed human detection sensitivities, especially regarding the low-contrast lesions.
Published: 2012

28. The Impact of Fatty Infiltration on <scp>MRI</scp> Segmentation of Lower Limb Muscles in Neuromuscular Diseases: A Comparative Study of Deep Learning Approaches

Author: Marc‐Adrien Hostin, Augustin C. Ogier, Constance P. Michel, Yann Le Fur, Maxime Guye, Shahram Attarian, Etienne Fortanier, Marc‐Emmanuel Bellemare, David Bendahan, Centre de résonance magnétique biologique et médicale (CRMBM), Aix Marseille Université (AMU)-Assistance Publique - Hôpitaux de Marseille (APHM)-Centre National de la Recherche Scientifique (CNRS), Laboratoire d'Informatique et Systèmes (LIS), Aix Marseille Université (AMU)-Université de Toulon (UTLN)-Centre National de la Recherche Scientifique (CNRS), Images et Modèles (I&M), Aix Marseille Université (AMU)-Université de Toulon (UTLN)-Centre National de la Recherche Scientifique (CNRS)-Aix Marseille Université (AMU)-Université de Toulon (UTLN)-Centre National de la Recherche Scientifique (CNRS), Department of Radiology, Lausanne University Hospital (CHUV) and University of Lausanne (UNIL), Centre d'Exploration Métabolique par Résonance Magnétique [Hôpital de la Timone - APHM] (CEMEREM), Hôpital de la Timone [CHU - APHM] (TIMONE)-Centre de résonance magnétique biologique et médicale (CRMBM), Aix Marseille Université (AMU)-Assistance Publique - Hôpitaux de Marseille (APHM)-Centre National de la Recherche Scientifique (CNRS)-Aix Marseille Université (AMU)-Assistance Publique - Hôpitaux de Marseille (APHM)-Centre National de la Recherche Scientifique (CNRS), and Reference Center for Neuromuscular Disorders and ALS, Timone University Hospital, Marseille
Subjects: [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, Radiology, Nuclear Medicine and imaging, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
Abstract: International audience
Published: 2023

29. Four-dimensional reconstruction and characterization of bladder deformations

Author: Augustin C. Ogier, Stanislas Rapacchi, Marc-Emmanuel Bellemare, Laboratoire d'Informatique et Systèmes (LIS), Aix Marseille Université (AMU)-Université de Toulon (UTLN)-Centre National de la Recherche Scientifique (CNRS), Images et Modèles (I&M), Aix Marseille Université (AMU)-Université de Toulon (UTLN)-Centre National de la Recherche Scientifique (CNRS)-Aix Marseille Université (AMU)-Université de Toulon (UTLN)-Centre National de la Recherche Scientifique (CNRS), Centre de résonance magnétique biologique et médicale (CRMBM), and Aix Marseille Université (AMU)-Assistance Publique - Hôpitaux de Marseille (APHM)-Centre National de la Recherche Scientifique (CNRS)
Subjects: [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, Health Informatics, Software, Computer Science Applications
Abstract: International audience
Published: 2023

30. Sub-sampled Doppler ultrasound reconstruction using block sparse Bayesian learning

Author: Oana Lorintiu, Denis Friboulet, Herve Liebgott, Olivier Bernard, 2 - Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ), 3 - Imagerie Ultrasonore, Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), and Imagerie Ultrasonore
Subjects: Computer science, business.industry, Context (language use), Blood flow, [ SPI.SIGNAL ] Engineering Sciences [physics]/Signal and Image processing, Bayesian inference, Reduction (complexity), symbols.namesake, Compressed sensing, symbols, Computer vision, Artificial intelligence, business, Doppler effect, Algorithm, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, Block (data storage), Interpolation
Abstract: International audience; Duplex Doppler is an echographic mode that allows visualizing at the same time a B-mode image and the blood flow, for which a strategy for alternating velocity and B-mode emissions is required. In a recent study [1] we have shown that compressed sensing-based reconstruction of Doppler signal allowed reducing the number of Doppler emissions and yielded better results than traditional interpolation. However, in this study the reduction of Doppler emission had to be limited to 60% in order to produce satisfying reconstruction (i.e. a PSNR > 20 dB). We propose here to improve over this study by using a block sparse Bayesian learning (BSBL) framework for randomly interleaving Doppler and US emissions. The interest of using such framework in the context of duplex Doppler is linked to the unique ability of BSBL to exploit block-correlated signals and to recover non-sparse signals. The performance of the technique is evaluated for simulated data and compared to the recent results in [1]. The results show that with this method the subsampling rate can be increased up to 80% while producing satisfying reconstruction quality.
Published: 2015

31. Compressed sensing reconstruction of line-wise sub-sampled 3D echographic images based on dictionary learning: an experimental study

Author: Oana Lorintiu, Adeline Bernard, Denis Friboulet, Herve Liebgott, Olivier Bernard, 2 - Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ), 3 - Imagerie Ultrasonore, Plateforme d'Imagerie Multimodale LyonTech ( PILoT ), Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Imagerie Ultrasonore, and Plateforme d'Imagerie Multimodale LyonTech (PILoT)
Subjects: Normalization (statistics), medicine.diagnostic_test, Computer science, business.industry, Basis function, [ SPI.SIGNAL ] Engineering Sciences [physics]/Signal and Image processing, Root mean square, Compressed sensing, Undersampling, Line (geometry), Discrete cosine transform, medicine, 3D ultrasound, Computer vision, Artificial intelligence, business, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, Volume (compression)
Abstract: International audience; This paper proposes a compressed sensing method based on overcomplete learned dictionaries for experimental 3D ultrasound (US) imaging. Two undersampling patterns suited for 3D US imaging are investigated in ex vivo 3D US volume acquisitions: a spatially uniform random acquisition and a line-wise random acquisition. The overcomplete dictionary was learned using the K-SVD algorithm on patches extracted from 3D US datasets. The CS reconstruction problem was solved through the l1 minimization using the spectral projected gradient algorithm and was performed by removing 20% to 80% of the original samples according to the two undersampling patterns. Besides the K-SVD dictionary we include the Fourier basis and the discrete cosine transform to our experiments for comparison. The approach is evaluated on 3D US experimental data acquired from ex vivo pig brains and sheep hearts. Reconstructions from 50% of the samples of the original 3D volume show little information loss in terms of normalized root mean squared errors.
Published: 2015

32. Reconstruction par acquisition compressée en imagerie ultrasonore médicale 3D et Doppler

Author: Lorintiu , Oana, 2 - Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ), INSA de Lyon, Denis Friboulet, Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), and Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)
Subjects: [ INFO.INFO-IM ] Computer Science [cs]/Medical Imaging, Imagerie ultrasonore 3D, Reconstruction 3D, 3D Ultrasound imaging, Doppler, Acquisition compressée, Reconstruction d'Image, Medical Imaging, Acquisition d'Images, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, Image Reconstruction, 3D Reconstruction, Compressed acquisition, Image Acquisition, Imagerie médicale
Abstract: This thesis is dedicated to the application of the novel compressed sensing theory to the acquisition and reconstruction of 3D US images and Doppler signals. In 3D US imaging, one of the major difficulties concerns the number of RF lines that has to be acquired to cover the complete volume. The acquisition of each line takes an incompressible time due to the finite velocity of the ultrasound wave. One possible solution for increasing the frame rate consists in reducing the acquisition time by skipping some RF lines. The reconstruction of the missing information in post processing is then a typical application of compressed sensing. Another excellent candidate for this theory is the Doppler duplex imaging that implies alternating two modes of emission, one for B-mode imaging and the other for flow estimation. Regarding 3D imaging, we propose a compressed sensing framework using learned overcomplete dictionaries. Such dictionaries allow for much sparser representations of the signals since they are optimized for a particular class of images such as US images.We also focus on the measurement sensing setup and propose a line-wise sampling of entire RF lines which allows to decrease the amount of data and is feasible in a relatively simple setting of the 3D US equipment. The algorithm was validated on 3D simulated and experimental data. For the Doppler application, we proposed a CS based framework for randomly interleaving Doppler and US emissions. The proposed method reconstructs the Doppler signal using a block sparse Bayesian learning algorithm that exploits the correlation structure within a signal and has the ability of recovering partially sparse signals as long as they are correlated. This method is validated on simulated and experimental Doppler data.; DL’objectif de cette thèse est le développement de techniques adaptées à l’application de la théorie de l’acquisition compressée en imagerie ultrasonore 3D et Doppler. En imagerie ultrasonore 3D une des principales difficultés concerne le temps d’acquisition très long lié au nombre de lignes RF à acquérir pour couvrir l’ensemble du volume. Afin d’augmenter la cadence d’imagerie une solution possible consiste à choisir aléatoirement des lignes RF qui ne seront pas acquises. La reconstruction des données manquantes est une application typique de l’acquisition compressée. Une autre application d’intérêt correspond aux acquisitions Doppler duplex où des stratégies d’entrelacement des acquisitions sont nécessaires et conduisent donc à une réduction de la quantité de données disponibles. Dans ce contexte, nous avons réalisé de nouveaux développements permettant l’application de l’acquisition compressée à ces deux modalités d’acquisition ultrasonore. Dans un premier temps, nous avons proposé d’utiliser des dictionnaires redondants construits à partir des signaux d’intérêt pour la reconstruction d’images 3D ultrasonores. Une attention particulière a aussi été apportée à la configuration du système d’acquisition et nous avons choisi de nous concentrer sur un échantillonnage des lignes RF entières, réalisable en pratique de façon relativement simple. Cette méthode est validée sur données 3D simulées et expérimentales. Dans un deuxième temps, nous proposons une méthode qui permet d’alterner de manière aléatoire les émissions Doppler et les émissions destinées à l’imagerie mode-B. La technique est basée sur une approche bayésienne qui exploite la corrélation et la parcimonie des blocs du signal. L’algorithme est validé sur des données Doppler simulées et expérimentales.
Published: 2015

33. Extension of Ultrasound Fourier Slice Imaging theory to sectorial acquisition

Author: Magalie Viallon, Miaomiao Zhang, Jean-Philippe Thiran, Rafael E. Carrillo, Adrien Besson, Olivier Bernard, Francois Varray, Denis Friboulet, Herve Liebgott, 2 - Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ), Signal Processing Laboratory [Lausanne] ( LTS5 ), Ecole Polytechnique Fédérale de Lausanne ( EPFL ), University Hospital and University of Lausanne, 3 - Imagerie Ultrasonore, Service de radiologie [Saint-Etienne], CHU Saint-Etienne-Université Jean Monnet [Saint-Étienne] ( UJM ), Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Signal Processing Laboratory [Lausanne] (LTS5), Ecole Polytechnique Fédérale de Lausanne (EPFL), Imagerie Ultrasonore, CHU Saint-Etienne-Université Jean Monnet [Saint-Étienne] (UJM), and RMN et optique : De la mesure au biomarqueur
Subjects: Computer science, business.industry, Ultrasound, [ SPI.SIGNAL ] Engineering Sciences [physics]/Signal and Image processing, Frame rate, law.invention, symbols.namesake, Quality (physics), Optics, Fourier transform, Invertible matrix, Transmission (telecommunications), law, symbols, Cartesian coordinate system, business, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, Ultrashort pulse
Abstract: International audience; Ultrasound image reconstruction from the echoes received by an ultrasound probe after the transmission of diverging waves is an active area of research because of its capacity to insonify at ultra-high frame rate with large regions of interest using small phased arrays as the ones used in echocardiography. Current state-of-the-art techniques are based on the emission of diverging waves and the use of delay and sum strategies applied on the received signals to reconstruct the desired image (DW/DAS). Recently, we have introduced the concept of Ultrasound Fourier Slice Imaging (UFSI) theory for the reconstruction of ultrafast imaging for linear acquisition. In this study, we extend this theory to sectorial acquisition thanks to the introduction of an explicit and invertible spatial transform. Starting from a diverging wave, we show that the direct use of UFSI theory along with the application of the proposed spatial transform allows reconstructing the insonified medium in the conventional Cartesian space. Simulations and experiments reveal the capacity of this new approach in obtaining competitive quality of ultrafast imaging when compared with the current reference method.
Published: 2015

34. Positionnement automatique de points de repère anatomiques pour la plannification chirurgicale

Author: Jacinto , Hector, 2 - Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ), INSA de Lyon, Rémy Prost, Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), and Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)
Subjects: Orthopedics, Medical Imaging, [ INFO.INFO-IM ] Computer Science [cs]/Medical Imaging, Image virtuelle, Orthopédie, Modèle 3D, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, Atlas, Virtual images, Genou, Repère anatomique, Planification chirurgicale, Imagerie médicale
Abstract: Nowadays, orthopedic surgeons utilize patient-specific systems based on custom cutting guides for total knee arthroplasty. Particularly, the chirurgical operation is prepared by using planning tools where the surgeon can manipulate virtual images of the patient, built from pre-surgical medical images. Identified anatomical landmarks provide various measurements on the virtual lower limb allowing to control the positioning of the cutting guides relative to the 3-D models of the knee bones. We propose a multi-atlas method for the automatic positioning of the pre-defined landmarks on the surface of the models of the femur and the tibia of the patient. We exploit a group of atlases (expert examples) consisting of multiple triangular meshes for which the defined landmarks have been placed by experts. We transfer identified landmarks from an expert example to the patient mesh by computing an initial coarse global registration with an Iterative Closest Point (ICP) algorithm where a curvature constraint serves as a supplementary dimension in order to improve robustness. Adaptive local rigid registrations refine the fit for the projection of reference landmarks onto the surface of the patient mesh. After the patient mesh has been processed with the group of atlases, we compute a definite position for each landmark using an automatic selection of a set of best transferred landmarks. We developed a Web framework for the construction of the 3-D models of the bones of the patient. Our positioning method is implemented in this system. We compare our positioning method against the manual positioning of trained operators and against the results of published scientific works on the domain.; Les chirurgiens orthopédistes utilisent actuellement des guides de coupes adaptés à chaque patient afin d’effectuer l’opération d’arthroplastie totale du genou. Notamment, l’intervention chirurgicale est préparée grâce à des outils de planification où le chirurgien peut manipuler des images virtuelles du patient, construites à partir d’une imagerie médicale préopératoire. Des points de repère anatomiques permettent d’effectuer plusieurs mesures sur la jambe virtuelle afin de contrôler le positionnement des guides de coupes personnalisés par rapport aux modèles 3-D des os du genou. Nous proposons une méthode multi-atlas pour le positionnement automatique des points anatomiques pré-définis sur les maillages surfaciques modélisant le fémur et le tibia du patient. Nous exploitons un groupe d’atlas (exemples expert) constitué de plusieurs maillages triangulaires pour lesquels les points anatomiques définis ont été placés par des experts. Nous transférons les points anatomiques d’un exemple expert vers le maillage patient à travers le calcul d’un recalage global initial avec l’algorithme Iterative Closest Point (ICP) où une contrainte de courbure est utilisée en tant que dimension supplémentaire de façon à améliorer la robustesse du recalage. Des recalages locaux rigides permettent d’affiner l’adaptation pour la projection des points anatomiques sur la surface du maillage patient. Après avoir traité le maillage patient avec le groupe d’atlas, nous générons une position définitive pour chaque point de repère anatomique en utilisant une sélection automatique du jeu des meilleurs points transférés. Nous avons développé un environnement informatique accessible via internet pour la construction des modèles 3-D des os du genou du patient. Notre méthode de positionnement automatique des points de repère anatomiques est mise en œuvre sur ce système. Nous comparons notre positionnement automatique avec le positionnement manuel par des opérateurs expérimentés ainsi qu’avec des résultats rapportés dans les travaux des publications scientifiques du domaine.
Published: 2015

35. The role of the image phase in cardiac strain imaging

Author: Adrian Basarab, M. De Craene, Maxime Sermesant, Jan D'hooge, Herve Liebgott, Martino Alessandrini, Olivier Bernard, Laboratory of Cardiovascular Imaging and Dynamics, Catholic University of Leuven - Katholieke Universiteit Leuven (KU Leuven), Traitement et Compréhension d’Images (IRIT-TCI), Institut de recherche en informatique de Toulouse (IRIT), Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées, Université Toulouse III - Paul Sabatier (UT3), MedisysResearch Lab (Medisys), Philips Research, Analysis and Simulation of Biomedical Images (ASCLEPIOS), Inria Sophia Antipolis - Méditerranée (CRISAM), Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Imagerie Ultrasonore, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Images et Modèles, Katholieke Universiteit Leuven ( KU Leuven ), Institut de recherche en informatique de Toulouse ( IRIT ), Institut National Polytechnique [Toulouse] ( INP ) -Université Toulouse 1 Capitole ( UT1 ) -Université Toulouse - Jean Jaurès ( UT2J ) -Université Paul Sabatier - Toulouse 3 ( UPS ) -Centre National de la Recherche Scientifique ( CNRS ), MedisysResearch Lab ( Medisys ), Analysis and Simulation of Biomedical Images ( ASCLEPIOS ), Inria Sophia Antipolis - Méditerranée ( CRISAM ), Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ), 3 - Imagerie Ultrasonore, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), 2 - Images et Modèles, (OATAO), Open Archive Toulouse Archive Ouverte, Université Toulouse Capitole (UT Capitole), Université Fédérale Toulouse Midi-Pyrénées-Toulouse Mind & Brain Institut (TMBI), Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse Capitole (UT Capitole), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Centre National de la Recherche Scientifique - CNRS (FRANCE), Institut National Polytechnique de Toulouse - Toulouse INP (FRANCE), Institut National de la Recherche en Informatique et en Automatique - INRIA (FRANCE), Institut National des Sciences Appliquées de Lyon - INSA (FRANCE), Institut National de la Santé et de la Recherche Médicale - INSERM (FRANCE), Université Toulouse III - Paul Sabatier - UT3 (FRANCE), Université Toulouse - Jean Jaurès - UT2J (FRANCE), Université Toulouse 1 Capitole - UT1 (FRANCE), Philips (NETHERLANDS), Katholieke Universiteit Leuven - KU LEUVEN (BELGIUM), Centre de Recherche en Acquisition et Traitement d'Images pour la Santé - CREATIS (Villeurbanne, France), Université de Toulouse (UT)-Université de Toulouse (UT)-Université Toulouse - Jean Jaurès (UT2J), Université de Toulouse (UT)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université de Toulouse (UT)-Toulouse Mind & Brain Institut (TMBI), Université Toulouse - Jean Jaurès (UT2J), Université de Toulouse (UT)-Université de Toulouse (UT)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Université Toulouse Capitole (UT Capitole), Université de Toulouse (UT), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), and Institut National Polytechnique de Toulouse - INPT (FRANCE)
Subjects: [INFO.INFO-AI] Computer Science [cs]/Artificial Intelligence [cs.AI], Simulations, [ INFO.INFO-TS ] Computer Science [cs]/Signal and Image Processing, Computer science, [INFO.INFO-TS] Computer Science [cs]/Signal and Image Processing, Pipeline (computing), Phase (waves), [INFO.INFO-GR] Computer Science [cs]/Graphics [cs.GR], ComputingMethodologies_IMAGEPROCESSINGANDCOMPUTERVISION, 02 engineering and technology, [ INFO.INFO-CV ] Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], Field (computer science), 030218 nuclear medicine & medical imaging, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], 03 medical and health sciences, Traitement des images, 0302 clinical medicine, [INFO.INFO-CV] Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, Motion estimation, [ INFO.INFO-TI ] Computer Science [cs]/Image Processing, 0202 electrical engineering, electronic engineering, information engineering, medicine, Medical imaging, Traitement du signal et de l'image, 3D ultrasound, Computer vision, [ INFO.INFO-AI ] Computer Science [cs]/Artificial Intelligence [cs.AI], Synthèse d'image et réalité virtuelle, medicine.diagnostic_test, business.industry, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], Magnetic resonance imaging, Heart, Vision par ordinateur et reconnaissance de formes, [ INFO.INFO-GR ] Computer Science [cs]/Graphics [cs.GR], Intelligence artificielle, Quality assurance, [INFO.INFO-GR]Computer Science [cs]/Graphics [cs.GR], Deformation imaging, [INFO.INFO-TI] Computer Science [cs]/Image Processing [eess.IV], Echocardiography, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], Benchmark (computing), 020201 artificial intelligence & image processing, Artificial intelligence, business, MRI
Abstract: International audience; This paper reviews our most recent contributions in the field of cardiac deformation imaging, which includes a motion estimation framework based on the conservation of the image phase over time and an open pipeline to benchmark algorithms for cardiac strain imaging in 2D and 3D ultrasound. The paper also shows an original evaluation of the proposed motion estimation technique based on the new benchmarking pipeline.
Published: 2015

36. Transfer Learning for Prostate Cancer Mapping Based on Multicentric MR Imaging Databases

Author: Rahaf Aljundi, Carole Lartizien, Olivier Rouvière, Fabrice Prost-Boucle, Jérôme Lehaire, 2 - Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ), Application des ultrasons à la thérapie ( LabTAU ), Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Centre Léon Bérard [Lyon]-Institut National de la Santé et de la Recherche Médicale ( INSERM ), Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Application des ultrasons à la thérapie (LabTAU), Centre Léon Bérard [Lyon]-Université Claude Bernard Lyon 1 (UCBL), and Université de Lyon-Université de Lyon-Institut National de la Santé et de la Recherche Médicale (INSERM)
Subjects: Database, [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, Computer science, business.industry, [SDV.CAN]Life Sciences [q-bio]/Cancer, Context (language use), computer.software_genre, Machine learning, medicine.disease, Field (computer science), Transfer learning, [ SDV.CAN ] Life Sciences [q-bio]/Cancer, Prostate cancer, Prostate cancer screening, ComputingMethodologies_PATTERNRECOGNITION, medicine, Data mining, Artificial intelligence, Computer-aided detection system, business, Transfer of learning, computer, Subspace topology, [ SDV.IB.IMA ] Life Sciences [q-bio]/Bioengineering/Imaging
Abstract: International audience; This paper addresses the issue of fusing datasets coming from different imaging protocols or scanners to boost the performance of computer aided diagnostic system. We present novel contributions in the field of subspace alignment methods that are part of domain adaptation framework. We first introduce a simple approach based on scaling the features of the different distribution and accounting for the class information. We also extend an unsupervised landmark based approach that has been recently developed to the supervised setting. These methods are evaluated in the context of prostate cancer screening based on two patient MRI databases acquired on different scanners. We demonstrate promising performance of the scaling based method when both databases contain similar number of annotated samples, and stable performance of the landmark based method even with unbalanced datasets.
Published: 2015

37. 2D Correlated MRS as a quantitative method to asses liver fatty acid composition of ob/ob mouse

Author: Martel , D., Langlois , J.-B., Friboulet , Denis, Beuf , O., Ratiney , H., Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), Centre d'Exploration et de Recherche Médicales par Émission de Positons ( CERMEP ), Université Joseph Fourier - Grenoble 1 ( UJF ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-CHU Grenoble-Hospices Civils de Lyon ( HCL ) -CHU Saint-Etienne-Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), 2 - Images et Modèles, Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), 5 - RMN et optique : De la mesure aux biomarqueurs, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Centre d'Etude et de Recherche Multimodal Et Pluridisciplinaire en imagerie du vivant (CERMEP - imagerie du vivant), Université de Lyon-Université de Lyon-CHU Grenoble-Hospices Civils de Lyon (HCL)-CHU Saint-Etienne-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA), Images et Modèles, Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), and RMN et optique : De la mesure au biomarqueur
Subjects: [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, [ SDV.IB.IMA ] Life Sciences [q-bio]/Bioengineering/Imaging
Abstract: International audience; Magnetic Resonance Spectroscopy (MRS) is a well suited method for in vivo characterization of lipid content. However, due to short T2relaxation time and B0 field inhomogeneity, classical methods such as STEAM/PRESS MRS, with clinical or medium preclinical B0 field (B0
Published: 2015

38. Non uniform sampling for sparse 2D correlated MRS: a quantitative point of view

Author: Martel, D., Merhej, D., Prost, R., Friboulet, Denis, Ratiney, H., Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM), Institut supérieur des sciences appliquées et économiques - CNAM Liban (ISSAE-CNAM Liban), Conservatoire National des Arts et Métiers [CNAM] (CNAM), Images et Modèles, Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), RMN et optique : De la mesure au biomarqueur, Rayet, Béatrice, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), Institut Supérieur des Sciences Appliquées et Économiques - CNAM Liban ( ISSAE ), Conservatoire National des Arts et Métiers [CNAM] ( CNAM ), 2 - Images et Modèles, Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), and 5 - RMN et optique : De la mesure aux biomarqueurs
Subjects: [SDV.IB.IMA] Life Sciences [q-bio]/Bioengineering/Imaging, [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, [ SDV.IB.IMA ] Life Sciences [q-bio]/Bioengineering/Imaging
Abstract: International audience; 2D MR spectroscopy has the advantage to increase spectral resolution by unraveling the spectral information along a second dimension and resultsin a gain in quantification precision at the cost of increased acquisition time. To overcome this issue, non uniform sampling (NUS) allowing acquisition acceleration has recently been revisited as a solution in combination with the compressed sensing (CS) reconstruction or maximum entropy. NUS scheme is generally designed with randomly chosen indirect dimension step (t1). Besides, by taking advantage of the prior knowledge on the spectral support of sparse spectra, one can optimize the indirect dimension NUS regarding the reconstructed spectral information in COSY (Correlation spectroscopy) type spectra. The 2D time domain signal is a sum of separable terms resulting in separable spectrum with same spectral support in the two frequency domains. The sequential backward selection (SBS) algorithm can be used for choosing the indirect dimension step leading to decreasing noise and error in the reconstruction of the spectrum. The aim of this work is to demonstrate and study the feasibility of time domain quantification for NUS applied on Localized COSY (L-COSY) spectra by using this SBS approach.
Published: 2015

39. Combining multi-parametric MR images for the detection of epileptogenic lesions

Author: Julien Jung, Meriem El Azami, Carole Lartizien, Romain Bouet, Alexander Hammers, 2 - Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ), Centre de recherche en neurosciences de Lyon ( CRNL ), Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), Fondation neurodis, Fondation Neurodis, Imaging Sciences and Biomedical Engineering Division [London], Guy's and St Thomas' Hospital [London]-King‘s College London, Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Centre de recherche en neurosciences de Lyon (CRNL), and Université de Lyon-Université de Lyon-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)
Subjects: Multi parametric, Computer science, business.industry, Feature extraction, Univariate, [ SPI.SIGNAL ] Engineering Sciences [physics]/Signal and Image processing, medicine.disease, Cross-validation, Epilepsy, medicine, Brain lesions, Anomaly detection, In patient, Computer vision, Artificial intelligence, Mr images, business, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, Diffusion MRI
Abstract: International audience; Detecting epileptogenic brain lesions in patients with intractable epilepsy is important as patients may then be eligible for surgery. We compared two methods of anomaly detection via combining multi-parametric MR images. The early fusion approach consists in building a single global model; in the late fusion approach three local models are constructed based each on a single MR sequence, and their decisions combined. We proposed an original approach for decision combination based on majority voting and Stouffer’s method coupled with a univariate statistical analysis. Cross validation with depth EEG electrodes findings in three patients including patients with normal MR on visual examination showed that the late fusion approach achieves the best performance.
Published: 2015

40. Spectroscopie 2D de corrélation : acquisition et méthode de quantification pour la détermination lipidique du foie dans un modèle de souris obèse

Author: Martel , D., Langlois , J.-B., Friboulet , Denis, Beuf , O., Ratiney , H., Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), Centre d'Exploration et de Recherche Médicales par Émission de Positons ( CERMEP ), Université Joseph Fourier - Grenoble 1 ( UJF ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-CHU Grenoble-Hospices Civils de Lyon ( HCL ) -CHU Saint-Etienne-Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), 2 - Images et Modèles, Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), 5 - RMN et optique : De la mesure aux biomarqueurs, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Centre d'Etude et de Recherche Multimodal Et Pluridisciplinaire en imagerie du vivant (CERMEP - imagerie du vivant), Université de Lyon-Université de Lyon-CHU Grenoble-Hospices Civils de Lyon (HCL)-CHU Saint-Etienne-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA), Images et Modèles, Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), and RMN et optique : De la mesure au biomarqueur
Subjects: [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, ComputingMilieux_MISCELLANEOUS, [ SDV.IB.IMA ] Life Sciences [q-bio]/Bioengineering/Imaging
Abstract: International audience
Published: 2015

41. Quantification de signaux de spectroscopie 2D de corrélation échantillonnés irrégulièrement

Author: Martel, D., Merhej, D., Friboulet, Denis, Prost, R., Ratiney, H., Rayet, Béatrice, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM), Institut supérieur des sciences appliquées et économiques - CNAM Liban (ISSAE-CNAM Liban), Conservatoire National des Arts et Métiers [CNAM] (CNAM), Images et Modèles, Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), RMN et optique : De la mesure au biomarqueur, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), Institut Supérieur des Sciences Appliquées et Économiques - CNAM Liban ( ISSAE ), Conservatoire National des Arts et Métiers [CNAM] ( CNAM ), 2 - Images et Modèles, Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), and 5 - RMN et optique : De la mesure aux biomarqueurs
Subjects: [SDV.IB.IMA] Life Sciences [q-bio]/Bioengineering/Imaging, [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, [ SPI.SIGNAL ] Engineering Sciences [physics]/Signal and Image processing, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, [ SDV.IB.IMA ] Life Sciences [q-bio]/Bioengineering/Imaging, [SPI.SIGNAL] Engineering Sciences [physics]/Signal and Image processing
Abstract: International audience; La spectroscopie 2D permet d’augmenter la résolution spectrale en déroulant l’information spectrale le long d’une dimension supplémentaire, et ainsi d’obtenir une meilleure discrimination des composantes du spectre et une quantification plus précise. Cependant le temps d’acquisition augmente. Pour diminuer ce dernier, il existe des méthodes d’échantillonnage irrégulier avec reconstruction par échantillonnage compressé ou par maximum d’entropie permettant d’acquérir moins de lignes en dimension indirecte t1. Le choix de ces incréments est généralement fait de manière aléatoire. En prenant appui sur le support spectral de spectres parcimonieux de type COSY, le choix de ces lignes peut être optimisé [2]. Le signal 2D acquis est composé d’une somme de termes séparables résultant en une somme de spectres séparables le long des deux directions fréquentielles du spectre. L’algorithme SBS (sequential backward selection) permet de choisir les lignes en t1 pour diminuer le bruit et l’erreur de reconstruction du spectre. Ce travail étudie la possibilité d’une quantification dans le domaine temporel des spectres localisés COSY acquis irrégulièrement via un choix des lignes t1 par l’algorithme SBS
Published: 2015

42. Compressed sensing reconstruction of 3D ultrasound data using dictionary learning and line-wise subsampling

Author: Martino Alessandrini, Olivier Bernard, Herve Liebgott, Denis Friboulet, Oana Lorintiu, Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Imagerie Ultrasonore, Laboratory of Cardiovascular Imaging and Dynamics, Catholic University of Leuven - Katholieke Universiteit Leuven (KU Leuven), 2 - Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), 3 - Imagerie Ultrasonore, and Katholieke Universiteit Leuven ( KU Leuven )
Subjects: Databases, Factual, Swine, Computer science, Iterative reconstruction, [ SPI.SIGNAL ] Engineering Sciences [physics]/Signal and Image processing, Kidney, Machine Learning, symbols.namesake, Imaging, Three-Dimensional, medicine, Animals, Humans, Computer Simulation, 3D ultrasound, Computer vision, Electrical and Electronic Engineering, Ultrasonography, [SPI.ACOU]Engineering Sciences [physics]/Acoustics [physics.class-ph], Sheep, Radiological and Ultrasound Technology, medicine.diagnostic_test, business.industry, [ SPI.ACOU ] Engineering Sciences [physics]/Acoustics [physics.class-ph], Perspective (graphical), Brain, Sampling (statistics), Contrast (statistics), Pattern recognition, Frame rate, Computer Science Applications, Compressed sensing, Fourier transform, Echocardiography, Line (geometry), symbols, Artificial intelligence, business, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, Algorithms, Software
Abstract: International audience; In this paper we present a compressed sensing (CS) method adapted to 3D ultrasound imaging (US). In contrast to previous work, we propose a new approach based on the use of learned overcomplete dictionaries. Such dictionaries allow for much sparser representations of the signals since they are optimized for a particular class of images such as US images. In this study, the dictionary was learned using the K-SVD algorithm on patches extracted from a training dataset and the reconstruction was performed from 3D volumes not included in the training dataset. In each case, CS reconstruction was performed on the non-log envelope data by removing 20% to 80% of the original samples and the accuracy of the reconstruction was evaluated in terms of the normalized root mean square error relative to the original volume. Using numerically simulated data, we evaluate the influence of the training parameters and the influence of the sampling strategy. The latter is done by comparing the two most common sampling patterns, i.e. point-wise and line-wise random patterns. The results show in particular that line-wise sampling yields an accuracy comparable to the conventional point-wise sampling. This indicates that CS acquisition of 3D data is feasible in a relatively simple setting, and thus offers the perspective of increasing the frame rate by simply skipping the acquisition of many lines among the several thousands required in 3D imaging. We then evaluate the approach on US volumes of several ex vivo and in vivo organs. We first show that the learned dictionary approach yields better performances than conventional sparsifying dictionaries based on fixed transforms such as Fourier or discrete cosine. Finally, we investigate the generality of the learned dictionary approach and show that it is possible to build a general dictionary allowing to reliably reconstruct different volumes of different ex vivo or in vivo organs. The difference between the reconstruction error obtained with a- specific dictionary and the one obtained with the general dictionary is minimal
Published: 2015

43. Multi-modality Cardiac Imaging: Processing and Analysis

Author: Patrick Clarysse, Denis Friboulet, 1 - Imagerie et modélisation Vasculaires, Thoraciques et Cérébrales ( MOTIVATE ), Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), 2 - Images et Modèles, Patrick Clarysse, Denis Friboulet, Imagerie et modélisation Vasculaires, Thoraciques et Cérébrales (MOTIVATE), Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), and Images et Modèles
Subjects: medicine.medical_specialty, [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, business.industry, medicine, Radiology, [ SPI.SIGNAL ] Engineering Sciences [physics]/Signal and Image processing, business, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, Cardiac imaging, Multi modality, [ SDV.IB.IMA ] Life Sciences [q-bio]/Bioengineering/Imaging
Abstract: International audience; The imaging of moving organs such as the heart, in particular, is a real challenge because of its movement. This book presents current and emerging methods developed for the acquisition of images of moving organs in the five main medical imaging modalities: conventional X-rays, computed tomography (CT), magnetic resonance imaging (MRI), nuclear imaging and ultrasound. The availability of dynamic image sequences allows for the qualitative and quantitative assessment of an organ’s dynamics, which is often linked to pathologies.
Published: 2015

44. Extraction and Segmentation of Structures in Image Sequences

Author: Denis Friboulet, Olivier Bernard, Stéphanie Jehan-Besson, Thomas Dietenbeck, Patrick Clarysse, Jérôme Pousin, 2 - Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), 1 - Imagerie et modélisation Vasculaires, Thoraciques et Cérébrales ( MOTIVATE ), Image Science for Interventional Techniques ( ISIT ), Université d'Auvergne - Clermont-Ferrand I ( UdA ) -Clermont Université-Centre National de la Recherche Scientifique ( CNRS ), Groupe de Recherche en Informatique, Image, Automatique et Instrumentation de Caen ( GREYC ), Université de Caen Normandie ( UNICAEN ), Normandie Université ( NU ) -Normandie Université ( NU ) -Ecole Nationale Supérieure d'Ingénieurs de Caen ( ENSICAEN ), Normandie Université ( NU ) -Centre National de la Recherche Scientifique ( CNRS ), Institut Camille Jordan [Villeurbanne] ( ICJ ), Centre National de la Recherche Scientifique ( CNRS ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -École Centrale de Lyon ( ECL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon, Patrick Clarysse, Denis Friboulet, Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Imagerie et modélisation Vasculaires, Thoraciques et Cérébrales (MOTIVATE), Image Science for Interventional Techniques (ISIT), Université d'Auvergne - Clermont-Ferrand I (UdA)-Clermont Université-Centre National de la Recherche Scientifique (CNRS), Equipe Image - Laboratoire GREYC - UMR6072, Groupe de Recherche en Informatique, Image et Instrumentation de Caen (GREYC), Université de Caen Normandie (UNICAEN), Normandie Université (NU)-Normandie Université (NU)-École Nationale Supérieure d'Ingénieurs de Caen (ENSICAEN), Normandie Université (NU)-Centre National de la Recherche Scientifique (CNRS)-Université de Caen Normandie (UNICAEN), Normandie Université (NU)-Centre National de la Recherche Scientifique (CNRS), Modélisation mathématique, calcul scientifique (MMCS), Institut Camille Jordan (ICJ), École Centrale de Lyon (ECL), Université de Lyon-Université de Lyon-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Centre National de la Recherche Scientifique (CNRS)-École Centrale de Lyon (ECL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Centre National de la Recherche Scientifique (CNRS), Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM), Université d'Auvergne - Clermont-Ferrand I (UdA)-Centre National de la Recherche Scientifique (CNRS)-Clermont Université, Centre National de la Recherche Scientifique (CNRS)-École Nationale Supérieure d'Ingénieurs de Caen (ENSICAEN), Normandie Université (NU)-Normandie Université (NU)-Université de Caen Normandie (UNICAEN), Normandie Université (NU)-Centre National de la Recherche Scientifique (CNRS)-École Nationale Supérieure d'Ingénieurs de Caen (ENSICAEN), Normandie Université (NU), Institut Camille Jordan [Villeurbanne] (ICJ), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet [Saint-Étienne] (UJM)-Centre National de la Recherche Scientifique (CNRS)-École Centrale de Lyon (ECL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet [Saint-Étienne] (UJM)-Centre National de la Recherche Scientifique (CNRS), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), and Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)
Subjects: biological structure, Computer science, deformable model, [SDV]Life Sciences [q-bio], Scale-space segmentation, Image processing, 02 engineering and technology, chest segmentation, [ SPI.SIGNAL ] Engineering Sciences [physics]/Signal and Image processing, cardiac imaging, 030218 nuclear medicine & medical imaging, 03 medical and health sciences, 0302 clinical medicine, variational active contour, 0202 electrical engineering, electronic engineering, information engineering, medicine, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, Computer vision, Segmentation, 3D ultrasound, 2D ultrasound echography, Active contour model, medicine.diagnostic_test, [ INFO.INFO-IM ] Computer Science [cs]/Medical Imaging, [ SDV ] Life Sciences [q-bio], Segmentation-based object categorization, business.industry, Image segmentation, modal analysis, image processing, 3D image sequence, A priori and a posteriori, 020201 artificial intelligence & image processing, Artificial intelligence, business, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing
Abstract: International audience; The analysis of imaged anatomical or biological structures and of their dynamics is an important task in terms of application and therefore of diagnostics. Such an analysis involves in the first place the extraction of these structures from the acquired images according to a given modality, which corresponds, in image processing terminology, to a segmentation phase. Segmentation methods are conventionally qualified as “region-based approaches” or “contour-based approaches”. The two types of information – image properties and a priori constraints – must be integrated into a common formalism, itself numerically implemented as an algorithm. This chapter details more particularly two deformable model approaches: deformable templates (DTs) and variational active contours. It presents the implementation of variational active contour methods in cardiac imaging, describing the choices carried out. The chapter focuses on two examples of active contours, applied to the segmentation of cardiac ultrasound images in 2D and 3D ultrasound echography
Published: 2015

45. Computer-aided diagnostic system for prostate cancer detection and characterization combining learned dictionaries and supervised classification

Author: Rémi Flamary, Carole Lartizien, Jérôme Lehaire, Olivier Rouvière, 2 - Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ), Joseph Louis LAGRANGE ( LAGRANGE ), Université Nice Sophia Antipolis ( UNS ), Université Côte d'Azur ( UCA ) -Université Côte d'Azur ( UCA ) -Observatoire de la Côte d'Azur, Université Côte d'Azur ( UCA ) -Centre National de la Recherche Scientifique ( CNRS ), Application des ultrasons à la thérapie ( LabTAU ), Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Centre Léon Bérard [Lyon]-Institut National de la Santé et de la Recherche Médicale ( INSERM ), Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM), Joseph Louis LAGRANGE (LAGRANGE), Université Côte d'Azur (UCA)-Université Nice Sophia Antipolis (... - 2019) (UNS), COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-Observatoire de la Côte d'Azur, Université Côte d'Azur (UCA)-COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National de la Recherche Scientifique (CNRS), Application des ultrasons à la thérapie (LabTAU), Université Claude Bernard Lyon 1 (UCBL), and Université de Lyon-Université de Lyon-Centre Léon Bérard [Lyon]-Institut National de la Santé et de la Recherche Médicale (INSERM)
Subjects: Ground truth, medicine.diagnostic_test, [ INFO.INFO-IM ] Computer Science [cs]/Medical Imaging, Computer science, business.industry, Feature extraction, Cancer, Pattern recognition, Magnetic resonance imaging, Sparse approximation, medicine.disease, computer.software_genre, Logistic regression, Machine learning, Support vector machine, Prostate cancer, Binary classification, Voxel, medicine, Computer-aided, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, Artificial intelligence, business, computer
Abstract: International audience; This paper aims at presenting results of a computer-aided diagnostic (CAD) system for voxel based detection and characterization of prostate cancer in the peripheral zone based on multiparametric magnetic resonance (mp-MR) imaging. We propose an original scheme with the combination of a feature extraction step based on a sparse dictionary learning (DL) method and a supervised classification in order to discriminate normal {N}, normal but suspect {NS} tissues as well as different classes of cancer tissue whose aggressiveness is characterized by the Gleason score ranging from 6 {GL6} to 9 {GL9}. We compare the classification performance of two supervised methods, the linear support vector machine (SVM) and the logistic regression (LR) classifiers in a binary classification task. Classification performances were evaluated over an mp-MR image database of 35 patients where each voxel was labeled, based on a ground truth, by an expert radiologist. Results show that the proposed method in addition to being explicable thanks to the sparse representation of the voxels compares well (AUC>0.8) with recent state-of-the-art performances. Preliminary visual analysis of example patient cancer probability maps indicate that cancer probabilities tend to increase as a function of the Gleason score.
Published: 2014

46. SVM with feature selection and smooth prediction in images: Application to CAD of prostate cancer

Author: Alain Rakotomamonjy, Rémi Flamary, Emilie Niaf, Carole Lartizien, Olivier Rouvière, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), Application des ultrasons à la thérapie ( LabTAU ), Centre Léon Bérard [Lyon]-Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National de la Santé et de la Recherche Médicale ( INSERM ), A*Star-Nus, Clinical Imaging Research Centre, Joseph Louis LAGRANGE ( LAGRANGE ), Université Nice Sophia Antipolis ( UNS ), Université Côte d'Azur ( UCA ) -Université Côte d'Azur ( UCA ) -Observatoire de la Côte d'Azur, Université Côte d'Azur ( UCA ) -Centre National de la Recherche Scientifique ( CNRS ), Laboratoire d'Informatique, de Traitement de l'Information et des Systèmes ( LITIS ), Université Le Havre Normandie ( ULH ), Normandie Université ( NU ) -Normandie Université ( NU ) -Université de Rouen Normandie ( UNIROUEN ), Normandie Université ( NU ) -Institut national des sciences appliquées Rouen Normandie ( INSA Rouen Normandie ), Normandie Université ( NU ), 2 - Images et Modèles, Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM), Application des ultrasons à la thérapie (LabTAU), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Centre Léon Bérard [Lyon]-Institut National de la Santé et de la Recherche Médicale (INSERM), Joseph Louis LAGRANGE (LAGRANGE), Université Côte d'Azur (UCA)-Université Nice Sophia Antipolis (... - 2019) (UNS), COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-Observatoire de la Côte d'Azur, Université Côte d'Azur (UCA)-COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National de la Recherche Scientifique (CNRS), Laboratoire d'Informatique, de Traitement de l'Information et des Systèmes (LITIS), Institut national des sciences appliquées Rouen Normandie (INSA Rouen Normandie), Institut National des Sciences Appliquées (INSA)-Normandie Université (NU)-Institut National des Sciences Appliquées (INSA)-Normandie Université (NU)-Université de Rouen Normandie (UNIROUEN), Normandie Université (NU)-Université Le Havre Normandie (ULH), Normandie Université (NU), Images et Modèles, and Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon)
Subjects: Optimization problem, Computer science, [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, ComputingMethodologies_IMAGEPROCESSINGANDCOMPUTERVISION, Feature selection, [ SPI.SIGNAL ] Engineering Sciences [physics]/Signal and Image processing, computer.software_genre, Machine learning, Malignancy, Regularization (mathematics), Prostate cancer, Voxel, medicine, [ SDV.IB.IMA ] Life Sciences [q-bio]/Bioengineering/Imaging, medicine.diagnostic_test, Structured support vector machine, business.industry, Magnetic resonance imaging, Pattern recognition, medicine.disease, Linear discriminant analysis, Support vector machine, ComputingMethodologies_PATTERNRECOGNITION, Norm (mathematics), Artificial intelligence, business, computer, Classifier (UML), [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing
Abstract: International audience; We propose a new computer-aided detection scheme for prostate cancer screening on multiparametric magnetic resonance (mp-MR) images. Based on an annotated training database of mp-MR images from thirty patients, we train a novel support vector machine (SVM)-inspired classifier which simultaneously learns an optimal linear discriminant and a subset of predictor variables (or features) that are most relevant to the classification task, while promoting spatial smoothness of the malignancy prediction maps. The approach uses a ℓ1-norm in the regularization term of the optimization problem that rewards sparsity. Spatial smoothness is promoted via an additional cost term that encodes the spatial neighborhood of the voxels, to avoid noisy prediction maps. Experimental comparisons of the proposed ℓ1-Smooth SVM scheme to the regular ℓ2-SVM scheme demonstrate a clear visual and numerical gain on our clinical dataset.
Published: 2014

47. Domain-specific summarisation of Life-Science e-experiments from provenance traces

Author: Tristan Glatard, Germain Forestier, Alban Gaignarda, Bernard Gibaud, Johan Montagnatat, Laboratoire d'Informatique, Signaux, et Systèmes de Sophia-Antipolis (I3S) / Equipe MODALIS, Scalable and Pervasive softwARe and Knowledge Systems (Laboratoire I3S - SPARKS), Laboratoire d'Informatique, Signaux, et Systèmes de Sophia Antipolis (I3S), Université Nice Sophia Antipolis (1965 - 2019) (UNS), COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-Centre National de la Recherche Scientifique (CNRS)-Université Côte d'Azur (UCA)-Université Nice Sophia Antipolis (1965 - 2019) (UNS), COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-Centre National de la Recherche Scientifique (CNRS)-Université Côte d'Azur (UCA)-Laboratoire d'Informatique, Signaux, et Systèmes de Sophia Antipolis (I3S), COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-Centre National de la Recherche Scientifique (CNRS)-Université Côte d'Azur (UCA), Laboratoire Traitement du Signal et de l'Image (LTSI), Université de Rennes (UR)-Institut National de la Santé et de la Recherche Médicale (INSERM), Modélisation, Intelligence, Processus et Système (MIPS), Université de Haute-Alsace (UHA) Mulhouse - Colmar (Université de Haute-Alsace (UHA)), Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), CNRS MASTODONS, CrEDIBLE, Gaignard, Alban, Université Nice Sophia Antipolis (... - 2019) (UNS), COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-Centre National de la Recherche Scientifique (CNRS)-Université Côte d'Azur (UCA)-Université Nice Sophia Antipolis (... - 2019) (UNS), Université de Rennes 1 (UR1), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-Institut National de la Santé et de la Recherche Médicale (INSERM), Ecole Nationale Supérieure d'Ingénieur Sud Alsace-Université de Haute-Alsace (UHA) Mulhouse - Colmar (Université de Haute-Alsace (UHA))-IUT de Colmar-IUT de Mulhouse, Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM), Scalable and Pervasive softwARe and Knowledge Systems ( SPARKS ), Laboratoire d'Informatique, Signaux, et Systèmes de Sophia Antipolis ( I3S ), Université Nice Sophia Antipolis ( UNS ), Université Côte d'Azur ( UCA ) -Université Côte d'Azur ( UCA ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Nice Sophia Antipolis ( UNS ), Université Côte d'Azur ( UCA ) -Université Côte d'Azur ( UCA ) -Centre National de la Recherche Scientifique ( CNRS ) -Laboratoire d'Informatique, Signaux, et Systèmes de Sophia Antipolis ( I3S ), Université Côte d'Azur ( UCA ) -Université Côte d'Azur ( UCA ) -Centre National de la Recherche Scientifique ( CNRS ), Laboratoire Traitement du Signal et de l'Image ( LTSI ), Université de Rennes 1 ( UR1 ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ), Modélisation, Intelligence, Processus et Système ( MIPS ), Université de Haute-Alsace (UHA) Mulhouse - Colmar ( Université de Haute-Alsace (UHA) ) -Ecole Nationale Supérieure d'Ingénieur Sud Alsace, 2 - Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), Université de Rennes 1 ( UR1 ), Université de Rennes ( UNIV-RENNES ) -Université de Rennes ( UNIV-RENNES ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), and Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)
Subjects: [INFO.INFO-AI] Computer Science [cs]/Artificial Intelligence [cs.AI], [INFO.INFO-WB] Computer Science [cs]/Web, Computer Networks and Communications, Computer science, media_common.quotation_subject, [ INFO.INFO-WB ] Computer Science [cs]/Web, Process design, 02 engineering and technology, Domain (software engineering), Workflows, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], World Wide Web, 03 medical and health sciences, 020204 information systems, E-Science, 0202 electrical engineering, electronic engineering, information engineering, Instrumentation (computer programming), [ INFO.INFO-AI ] Computer Science [cs]/Artificial Intelligence [cs.AI], Repurposing, 030304 developmental biology, media_common, 0303 health sciences, Perspective (graphical), [INFO.INFO-WB]Computer Science [cs]/Web, 020206 networking & telecommunications, Linked data, Automatic summarization, Data science, Human-Computer Interaction, Data sharing, Workflow, Debugging, Provenance, Linked Data, e-Science, Software
Abstract: International audience; Translational research in Life-Science nowadays leverages e-Science platforms to analyse and produce huge amounts of data. With the unprecedented growth of Life-Science data repositories, identifying relevant data for analysis becomes increasingly difficult. The instrumentation of e-Science platforms with provenance tracking techniques provide useful information from a data analysis process design or debugging perspective. However raw provenance traces are too massive and too generic to facilitate the scientific interpretation of data. In this paper, we propose an integrated approach in which Life-Science knowledge is (i) captured through domain ontologies and linked to Life-Science data analysis tools, and (ii) propagated through rules to produced data, in order to constitute human-tractable experiment summaries. Our approach has been implemented in the Virtual Imaging Platform (VIP) and experimental results show the feasibility of producing few domain-specific statements which opens new data sharing and repurposing opportunities in line with Linked Data initiatives.
Published: 2014

48. Evaluation of 2D L-COSY to study lipid composition in mouse fatty liver at 7T

Author: Martel, D., Langlois, J.-B., Friboulet, Denis, Beuf, O., Ratiney, H., 5 - RMN et optique : De la mesure aux biomarqueurs, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), Centre d'Exploration et de Recherche Médicales par Émission de Positons ( CERMEP ), Université Joseph Fourier - Grenoble 1 ( UJF ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-CHU Grenoble-Hospices Civils de Lyon ( HCL ) -CHU Saint-Etienne-Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), 2 - Images et Modèles, RMN et optique : De la mesure au biomarqueur, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Centre d'Etude et de Recherche Multimodal Et Pluridisciplinaire en imagerie du vivant (CERMEP - imagerie du vivant), Université de Lyon-Université de Lyon-CHU Grenoble-Hospices Civils de Lyon (HCL)-CHU Saint-Etienne-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA), and Images et Modèles
Subjects: [ SPI.SIGNAL ] Engineering Sciences [physics]/Signal and Image processing, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing
Abstract: International audience; Recent studies have demonstrated the ability of 1D MRS to assess in vivo hepatic fatty composition. In this study, we evaluate the use of the 2D Localized Correlation Spectroscopy (LCOSY) to analyze lipid composition of fatty liver of ob/ob mice and compare it to 1D MRS . Our results show that LCOSY can be used for the study of fatty liver to derive quantitative indexes in a more robust way than 1D MRS
Published: 2014

49. Robust outlier detection with L0-SVDD

Author: El Azami, M., Lartizien, C., Canu, S., 2 - Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), Laboratoire d'Informatique, de Traitement de l'Information et des Systèmes ( LITIS ), Université Le Havre Normandie ( ULH ), Normandie Université ( NU ) -Normandie Université ( NU ) -Université de Rouen Normandie ( UNIROUEN ), Normandie Université ( NU ) -Institut national des sciences appliquées Rouen Normandie ( INSA Rouen Normandie ), Normandie Université ( NU ), Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM), Laboratoire d'Informatique, de Traitement de l'Information et des Systèmes (LITIS), Institut national des sciences appliquées Rouen Normandie (INSA Rouen Normandie), Institut National des Sciences Appliquées (INSA)-Normandie Université (NU)-Institut National des Sciences Appliquées (INSA)-Normandie Université (NU)-Université de Rouen Normandie (UNIROUEN), Normandie Université (NU)-Université Le Havre Normandie (ULH), and Normandie Université (NU)
Subjects: [ SPI.SIGNAL ] Engineering Sciences [physics]/Signal and Image processing, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing
Abstract: Présentation orale; The problem of outlier detection consists in finding data that is not representative of the population from which it was ostensibly derived. Recently, to solve this problem, Liu et al. [1] proposed a two steps hypersphere-based approach, taking into account a confidence score pre-calculated for each input data. Defining these scores in a first step, independently from the second one, makes this approach not well-suited for large stream data. To solve these difficulties, we propose a global reformulation of the support vector data description (SVDD) problem based on the L0 norm, well suited for outlier detection. We demonstrate that this L0-SVDD problem can be solved using an iterative procedure providing data specific weighting terms. We show that our approach outperforms state of the art outlier detection techniques using both synthetic and clinical data.
Published: 2014

50. Kernel-Based Learning From Both Qualitative and Quantitative Labels: Application to Prostate Cancer Diagnosis Based on Multiparametric MR Imaging

Author: Stéphane Canu, Olivier Rouvière, Rémi Flamary, Carole Lartizien, Emilie Niaf, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé ( CREATIS ), Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), Laboratoire d'Informatique, de Traitement de l'Information et des Systèmes ( LITIS ), Université Le Havre Normandie ( ULH ), Normandie Université ( NU ) -Normandie Université ( NU ) -Université de Rouen Normandie ( UNIROUEN ), Normandie Université ( NU ) -Institut national des sciences appliquées Rouen Normandie ( INSA Rouen Normandie ), Normandie Université ( NU ), Applications des ultrasons à la thérapie, Université de Lyon-Université de Lyon-Institut National de la Santé et de la Recherche Médicale ( INSERM ), Department of Urinary and Vascular Radiology, Hospices Civils de Lyon ( HCL ), 2 - Images et Modèles, Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Hospices Civils de Lyon ( HCL ) -Université Jean Monnet [Saint-Étienne] ( UJM ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Claude Bernard Lyon 1 ( UCBL ), Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM), Laboratoire d'Informatique, de Traitement de l'Information et des Systèmes (LITIS), Institut national des sciences appliquées Rouen Normandie (INSA Rouen Normandie), Institut National des Sciences Appliquées (INSA)-Normandie Université (NU)-Institut National des Sciences Appliquées (INSA)-Normandie Université (NU)-Université de Rouen Normandie (UNIROUEN), Normandie Université (NU)-Université Le Havre Normandie (ULH), Normandie Université (NU), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National de la Santé et de la Recherche Médicale (INSERM), Hospices Civils de Lyon (HCL), Images et Modèles, and Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon)
Subjects: Male, Computer Science::Machine Learning, Support Vector Machine, Computer science, Posterior probability, Physics::Medical Physics, ComputingMethodologies_IMAGEPROCESSINGANDCOMPUTERVISION, information science, 02 engineering and technology, [ SPI.SIGNAL ] Engineering Sciences [physics]/Signal and Image processing, Machine learning, computer.software_genre, Sensitivity and Specificity, 030218 nuclear medicine & medical imaging, Pattern Recognition, Automated, 03 medical and health sciences, Kernel (linear algebra), 0302 clinical medicine, Discriminative model, Image Interpretation, Computer-Assisted, 0202 electrical engineering, electronic engineering, information engineering, Humans, Structured support vector machine, Contextual image classification, Uncertain data, business.industry, Estimation theory, Probabilistic logic, Prostatic Neoplasms, Reproducibility of Results, Pattern recognition, Image Enhancement, Computer Graphics and Computer-Aided Design, Magnetic Resonance Imaging, Support vector machine, ComputingMethodologies_PATTERNRECOGNITION, Computer Science::Computer Vision and Pattern Recognition, 020201 artificial intelligence & image processing, Artificial intelligence, business, computer, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, Software, Algorithms
Abstract: International audience; Building an accurate training database is challenging in supervised classification. For instance, in medical imaging, radiologists often delineate malignant and benign tissues without access to the histological ground truth, leading to uncertain data sets. This paper addresses the pattern classification problem arising when available target data include some uncertainty information. Target data considered here are both qualitative (a class label) or quantitative (an estimation of the posterior probability). In this context, usual discriminative methods, such as the support vector machine (SVM), fail either to learn a robust classifier or to predict accurate probability estimates. We generalize the regular SVM by introducing a new formulation of the learning problem to take into account class labels as well as class probability estimates. This original reformulation into a probabilistic SVM (P-SVM) can be efficiently solved by adapting existing flexible SVM solvers. Furthermore, this framework allows deriving a unique learned prediction function for both decision and posterior probability estimation providing qualitative and quantitative predictions. The method is first tested on synthetic data sets to evaluate its properties as compared with the classical SVM and fuzzy-SVM. It is then evaluated on a clinical data set of multiparametric prostate magnetic resonance images to assess its performances in discriminating benign from malignant tissues. P-SVM is shown to outperform classical SVM as well as the fuzzy-SVM in terms of probability predictions and classification performances, and demonstrates its potential for the design of an efficient computer-aided decision system for prostate cancer diagnosis based on multiparametric magnetic resonance (MR) imaging.
Published: 2014

Catalog

Books, media, physical & digital resources

See catalog results

Searchworks

Select search scope, currently: Articles Catalog books, media & more in Jio Institute collections Articles journal articles & other e-resources

Search

Search Constraints

Refine your results

Search Limiters

Topic

Publication Year Range

Language

Journal

Database

Publisher

660 results on '"Images et Modèles"'

Search Results

Catalog

Select search scope, currently: Articles

Catalog

books, media & more in Jio Institute collections

Articles

journal articles & other e-resources