Projet : Enregistrement et Segmentation d’Images Médicales

🎯 Objectif

Fournir une chaîne de traitement complète (registration + segmentation + visualisation) pour deux volumes IRM (.nrrd), incluant l’alignement, l’extraction d’une région d’intérêt et le calcul du volume segmenté.

---

🛠️ Structure du projet

project_root/
├── Data/
│   ├── case6_gre1.nrrd
│   └── case6_gre2.nrrd
├── src/
│   ├── registration.py
│   ├── segmentation.py
│   └── visualisation.py
├── main.py
├── README.md
└── requirements.txt

---

📌 Choix techniques

1. Enregistrement (registration)

• Librairie : ITK (Insight Toolkit)
• Transformation : VersorRigid3DTransform (translation + rotation)
• Optimiseur : RegularStepGradientDescentOptimizerv4
  • Learning rate : 4.0
  • Step minimum : 0.001
  • Itérations : 100
• Métrique : MattesMutualInformationImageToImageMetricv4
  • Nombre de bins : 32 (pour histogramme)
• Stratégie multi-résolution (pyramide) :
  • shrink_factors = [4, 2, 1]
  • smoothing_sigmas = [2.0, 1.0, 0.0]
• Poids sur les paramètres : rotation ×1000 par rapport aux translations

2. Segmentation

• Technique : ConnectedThresholdImageFilter (ITK)
• Plage de seuils : ±10% autour de la valeur du point seed
• Seed : sélectionné manuellement dans un plan (Z,X) avec matplotlib.ginput()
• Visualisation slice : par VTK avec glissière interactive
• Résultat : masques binaires en 3D

3. Visualisation

• Type : rendu volumique GPU (vtkGPUVolumeRayCastMapper)
• Rendu surfacique : vtkMarchingCubes sur image et masques
• Affichage combiné : IRM + 2 masques avec rendu 3D et transparence
• Calcul de volume : via vtkImageAccumulate (mm³)

---

⚠️ Difficultés rencontrées

• Réglage délicat des paramètres d’optimisation pour éviter les mauvais minima
• Nécessité d’un bon placement du seed (risque de fuite du contour)
• Interopérabilité ITK <-> VTK (types, dimensions, repères)
• Conversion des slices 3D vers 2D pour affichage ou interaction utilisateur

---

✅ Résultats

• Images correctement alignées
• Masques 3D extraits à partir d’un seul clic utilisateur
• Volumes comparés (en mL) entre deux IRM pour détection de changement
• Affichage 3D interactif avec vtkRenderWindowInteractor (rouge = ancienne tumeur et vert = nouvelle tumeur)

---

▶️ Utilisation

1. Installez les dépendances :

   pip install -r requirements.txt

2. Placez vos fichiers .nrrd dans le dossier Data/.

3. Exécutez le script principal :

   python main.py

4. Suivez les instructions pour :

   • Choisir une slice via glissière VTK
   • Sélectionner une seed sur l’image slice (clic matplotlib)
   • Visualiser les résultats en 3D

---

📚 Références

• ITK Python Docs
• VTK Examples