Pre-operative 3D data are collected. In these 3D data, two types of relevant anatomical structures have to be segmented. Structures that will participate to the planning – tumour and structures at risk such as vessels or bile ducts – are called ‘planning structures’. Taking into account the information provided by these structures, the planning phase allows the selection of a needle trajectory and of a target position. Structures that will be used for registration are called ‘reference structures’ (e.g., the liver surface). 3D representations of these two types of structures are obtained in the pre-operative referential. Let us mention that a structure can belong both to the planning and to the reference structure classes.

Ultrasound data of the reference structures are collected just before the intervention. The echographic probe is equipped with localisation features – for instance infrared diodes – that are tracked in real time using a localiser (see Fig. 1). Each time that an echographic image is recorded, the six position parameters of the probe are also recorded, thus localising the 2D echographic image in the 3D space. We call this device ‘2.5D echography’. Thanks to the image position, the segmented structures are also localised in the 3D space, thus allowing building a 3D representation of the reference structures in the intra-operative referential. Let us mention that this resulting representation may be a sparse set of data. Indeed, those data are used for registration to mainly compute the geometric transformation between the set of 3D points and the pre-operative model of the liver. Therefore, a complete and homogeneous echographic reconstruction of the whole liver surface is not necessary. At that point, planning data (target position of the tumour and trajectory) can be mapped to the intra-operative conditions using this transform.

Then, different types of guiding systems 〚7〛 may be used to reach the target position through the planned trajectory. A passive system based on surgical instrument tracking capabilities may give information that compares the executed trajectory to the planned one. The surgeon can then use this information to control his action. On the other side, an active robotic system may automatically move the instrument according to the planned trajectory. The choice of one particular type of system will be discussed in section 4.

The main purpose of this preliminary work was to evaluate the feasibility of image-based guidance provided that the image modalities are determined by conventional procedures. We mostly focused on registration questions. Our goal was to be able to quantitatively evaluate the algorithms that match CT with 2.5D echography in rather realistic conditions. Reference 〚6〛 evaluates the surface registration of CT data with palpated points on a static phantom. Registration is tested for several data acquisitions on different parts of the liver surface. Results are compared to a point-to-point registration considered as the gold standard. This work differs from 〚6〛 on two points. Firstly, we preferred echographic data acquisition to surface point collection: it allows envisioning the use of the system for percutaneous therapeutic actions whilst surface point collection does not. Secondly, we decided to work on real data acquired with a volunteer. In this case, no gold standard is available. Section 2.2.3 is going to show how accuracy could be characterised however.

In the first stage of this study, it was assumed that the key steps of the protocol, namely image acquisitions and guidance, can be executed at a same point in the respiration cycle, for instance during expiration. This assumption will be discussed in section 4.

Because the experiments were conducted with a volunteer, it was not reasonable to use CT acquisition. Therefore, MRI was selected for pre-operative modelling of the liver. The MRI system is a Philips Gyroscan ACS-NT 1.5 T system. The acquisition was synchronised with the respiration cycle and was done only during the expiration phase. Two T2 UTSE sequences were performed resulting in one axial and one frontal imaging data (see Fig. 2). Inter-slice distance is 4 mm; slice thickness is 4 mm. The total number of slices is 67. The external surface of the liver was chosen as the ‘reference structure’ and was manually segmented onto both MRI data. Two 3D representations consisting in two sets of 3D points were thus obtained: they are named MR_axial and MR_frontal and visualised in Fig. 3.

In a second stage – that simulates intra-operative procedures – 2.5D echographic acquisitions were performed. A first set of data was acquired during the apnoea that follows expiration. On this first set of images, the liver surface was also manually segmented. Fig. 4 shows a typical echographic image of the liver. These segmented images provided a 3D representation named ‘echography representation’ (see also Fig. 4). The echographic system was a Hitachi EUB450 with a 3.5 MHz probe. The infrared based localiser was an Optotrak system from Northern Digital Inc.

Then, a second set of echographic data was acquired. For different positions of the echographic probe, several images were recorded and localised, while an increasing pressure on the body with the probe was applied. The maximum exerted pressure was much higher than usually necessary for data acquisition. In order to roughly evaluate liver local deformability, specific structures of interest that correspond to a single position were manually segmented on the different images.

The registration algorithm is a surface matching using a distance map recorded in an octree spline data structure (cf. 〚8〛). This data structure is computed from the densest representation, namely the pre-operative MRI model in our case. The sparse representation should be a subset of the dense one. The algorithm iteratively moves the sparse representation relatively to the dense one and computes the parameters that minimise the distance function between the two representations. The optimisation uses the Levenberg–Marquardt procedure. Thanks to the distance map, computations are very fast. At a starting point, only rigid matching has been used with a computed transformation that corresponds to the six position parameters. Intrinsic deformations of the liver, due to its elastic structure, were therefore not compensated by the registration. Because data were acquired in conditions where no gold standard was available – in other words, it was not possible to know the exact transform between MR and echographic data – two types of tests were used to evaluate the registration.

The first test, named ‘repeatability test’, consists in running the registration algorithm from several initial relative positions of the MRI and echographic representations and to observe the repeatability of the computed transform. Such a test informs on the presence of local minima in the vicinity of the solution. The value of the residual mean square (rms) after registration is also an indicator of registration accuracy: a large rms would mean an inaccurate registration or mismatched data (this may occur when the sparse data are not a subset of the dense ones). Even if we are mostly interested in registering echography to MRI, we considered for this test three registrations: Echography to MR_frontal, Echography to MR_axial and MR_frontal to MR_axial.

The second test, named ‘closed-loop accuracy test’, takes advantage of the two MR acquisitions. Starting from the three registrations mentioned above (echography to MR_frontal, echography to MR_axial and MR_frontal to MR_axial), we obtained respectively the transforms T_{echo_frontal}, T_{echo_axial} and T_{frontal_axial}. Let us notice that a transform T_{R1_R2} applied to a point or vector given in a referential R₁ maps it to R₂. If the three registrations were perfectly accurate and if there was no systematic error coming from data acquisition and structure segmentation, we would have (see Fig. 5):

L’objectif principal de cette étude a été d’évaluer la faisabilité d’une assistance informatisée s’appuyant sur les données d’imagerie classiquement utilisées (scanner ou IRM et échographie). Relativement aux autres travaux du même type sur le foie, il s’agissait de tester les possibilités de recalage sur des données aussi proches que possible de la réalité clinique : utilisation de données échographiques acquises mini-invasivement – par opposition à des données de surface acquises par palpation –, test sur des données réelles acquises sur un volontaire sain (par opposition à des tests sur fantômes, le plus souvent statiques).

Nous avons utilisé un système dont les différents éléments se composent :

• • d’un échographe portatif (Hitachi EUB 450), dont la sonde est munie de diodes électroluminescentes ;
• • d’un localisateur tridimensionnel, muni de trois caméras infrarouges (système Optotrak, NDI), permettant de repérer la sonde d’échographie dans l’espace ; ainsi, grâce à l’enregistrement de la position de la sonde simultanément à celui de l’image, les données extraites des images peuvent être représentées dans un référentiel commun, donnant ainsi accès à un modèle tri-dimensionnel issu de l’échographie ;
• • d’un logiciel informatique permettant de segmenter les images acquises lors d’un examen préopératoire (IRM dans notre cas) et lors de l’échographie dite peropératoire. Ce logiciel permet, après segmentation, de reconstruire une représentation tridimensionnelle des données segmentées à partir de chacun de ces deux examens (IRM et échographie) ; un logiciel de mise en correspondance de données permet enfin de fusionner les deux volumes reconstruits.

Pour l’étape de planification préopératoire, nous avons réalisé une IRM chez un sujet sain, cet examen ayant fait la preuve de sa spécificité et de sa sensibilité dans l’exploration hépatique. L’acquisition a été réalisée en mode T2 UTSE selon deux plans orthogonaux : horizontal et frontal. Un trigger respiratoire, constitué d’une ceinture mesurant les mouvements d’ampliation thoracique, déclenchait l’acquisition en période de fin d’expiration. La distance inter-coupes était de 0,4 cm, l’épaisseur de coupe de 4 mm. Le nombre total de coupes s’élevait à 67. Pour l’étape du recalage peropératoire, nous avons utilisé l’échographie. La représentation tridimensionnelle échographique obtenue grâce à la localisation de la sonde par localisateur a nécessité plusieurs mises en apnée successives du volontaire. Les clichés ont été enregistrés au cours de la même phase du cycle respiratoire que celle durant laquelle avait lieu l’acquisition IRM en mode trigger. Les coupes réalisées ont été sagittales, horizontales et obliques. Au nombre de 36, elles ont balayé la totalité du volume du foie. Les coupes IRM et échographiques ont été segmentées manuellement.

Les représentations tridimensionnelles reconstruites à partir de chacun des examens (échographie et IRM) ont ensuite été fusionnées selon un recalage rigide. Il s’agissait de déterminer les six paramètres de transformation (rotation et translation) permettant de superposer les deux ensembles de données en minimisant l’erreur aux moindres carrés. La précision du recalage a été estimée en utilisant plusieurs types de tests : tests de stabilité et tests de cohérence. La difficulté principale de cette évaluation résidait dans l’absence d’« étalon or » servant de mesure de référence. Travaillant sur le sujet sain vivant, nous avons été obligés de procéder à une évaluation indirecte de la précision par analyse de la cohérence de différents recalages obtenus sur des données distinctes.

Nous avons préalablement scindé les données IRM pour obtenir deux représentations tridimensionnelles, à partir des coupes axiales pour l’une, des coupes frontales pour l’autre. Différents recalages ont ensuite été réalisés, à plusieurs reprises pour chacun d’eux, entre échographie et IRM frontale, échographie et IRM axiale et IRM axiale et IRM frontale. Afin d’évaluer la stabilité des résultats, chaque matrice de transformation de chaque recalage a été comparée pour chaque essai avec les autres matrices de transformation du même recalage ; les recalages ont enfin été combinés par produit matriciel pour vérifier la cohérence des résultats de ces différents recalages.

Une seconde série d’images échographiques a également été acquise, afin d’évaluer localement la compressibilité du foie. Pour une position donnée de la sonde échographique connue grâce au localisateur, plusieurs images étaient enregistrées pour des valeurs croissantes de pression de la sonde sur le corps du volontaire. Des structures anatomiques de référence ont été segmentées sur ces images et superposées dans un référentiel commun. Leur déplacement, résultant de la compression par la sonde échographique, a été mesuré.

Pour les différents recalages, la distance moyenne résiduelle entre les deux représentations tridimensionnelles à superposer était, après recalage, de l’ordre de 3 mm. La stabilité des transformations s’avère très satisfaisante. Pour ce qui concerne le test de cohérence, si T₁, T₂ et T₃ sont les matrices de transformation respectivement obtenues pour les recalages « IRM frontale – IRM axiale », « échographie – IRM frontale » et « échographie–IRM axiale », nous devrions, en théorie, obtenir T₁ × T₂ = T₃. En pratique, nous obtenons une erreur cumulative d’une amplitude d’environ 6 mm, mesurée à l’origine du repère échographique, situé presque au centre du volume hépatique. Ceci semble tout à fait convenable, eu égard aux différentes sources d’erreur. Les principales sources d’erreur nous paraissent être les suivantes :

• • précision du trigger respiratoire lors de l’acquisition IRM ;
• • précision de la mise en apnée lors de l’acquisition échographique : le sujet volontaire a dû se mettre plusieurs fois en apnée en essayant de reproduire l’apnée au même instant du cycle respiratoire que lors de l’acquisition IRM ;
• • bouger du volontaire lors des acquisitions ;
• • précision des calibrages de l’IRM (échelle) et de l’échographie (calibrages intrinsèque et extrinsèque) ;
• • précision de la segmentation des données.

L’approche qualitative basée sur l’observation visuelle des coupes échographiques et des représentations tridimensionnelles a permis de constater qu’une pression abdominale pouvait déformer la face antérieure du foie (face superficielle) sans modifier la face postérieure (face profonde). Il a par ailleurs aussi été observé qu’une déformation du foie dans le sens antéro-postérieur pouvait s’accompagner d’un mouvement de translation. Sur le plan quantitatif, les déformations internes au foie mesurées sur les images échographiques pour une position donnée de la sonde et une acquisition avec ou sans pression ont été de 1,5 cm en coupe horizontale et de 0,7 cm en coupe sagittale. Il est à noter, cependant, que les pressions exercées étaient très largement supérieures à ce qui est strictement nécessaire à l’acquisition des images. Nous pensons que ces déformations seront négligeables dans des conditions normales d’acquisition échographique.

Nous avons étudié la faisabilité d’une assistance informatisée pour la destruction mini-invasive de tumeurs hépatiques. Les premiers résultats obtenus sont très encourageants mais la précision ainsi que l’applicabilité clinique se doivent d’être améliorées. Cette étude est donc poursuivie dans les directions suivantes.

• • L’utilisation de la surface du foie comme structure de recalage rend l’acquisition de données peropératoires longue, voire fractionnée en plusieurs sous-acquisitions. Ceci, outre l’inconvénient intrinsèque relatif à un allongement de la procédure opératoire, résulte en une source d’erreurs. Nous souhaitons donc étudier l’utilisation d’autres structures pour le recalage, notamment l’arborescence portale.
• • Afin d’améliorer la précision du système, un recalage élastique des données sera utilisé dans les versions à venir.
• • Enfin, la modélisation biomécanique par éléments finis du foie et de son environnement anatomique, qui est en cours, permettra une meilleure prédiction des déformations et déplacements de la tumeur. Ceci sera utilisé, d’abord pour le choix de la trajectoire de la tumeur, puis pour la mise en œuvre du guidage du geste, robotisé ou non.