Generation of computational meshes from MRI and CT-scan data

¹ CEA/LIST - Laboratoire Jacques Louis Lions
² King's College London

Abstract

There are fields of engineering where accurate and personalised data are required; biomedical applications are one such example. We describe here a general purpose method to create computational meshes based on the analysis and segmentation of raw medical imaging data. The various ingredients are not new: a segmentation method based on deformable contours and a surface and volume mesh adaptation method based on discrete metric specifications; but the challenge that motivated this paper is to put them together in an attempt to design an automatic, easy to use and efficient 3D code.
For non-engineering (like biomedical) applications, the user interface is often a key point. In this project, we put a great deal of emphasis on the automation of the whole procedure, making then possible to envisage large scale simulations with a minimal amount of user interaction. In particular, the user knowledge is required to help segmenting the image (the user is expected to have the know-how of the body anatomy), all meshing steps rely on fully automatic algorithms depending on a few parameters (for the external surface approximation).
One application example is presented and commented, for which the data preparation takes a few hours and results can be obtained overnight on a PC workstation.

Résumé

Dans certains domaines du calcul scientifique il est nécessaire de disposer de données précises et personnalisées; les applications biomédicales en sont un bon exemple. Nous présentons ici une méthode générique permettant de générer des maillages de calcul à partir de l'analyse et de la segmentation de données médicales discrètes. Si les divers composants ne sont pas nouveaux: une méthode de segmentation d'images basées sur des contours déformables et des techniques d'adaptation de maillage de surfaces et de volumes basées sur la notion de métrique, le challenge est ici d'assembler ces constituants de manière à obtenir un code de simulation efficace et facile à utiliser.
Pour des applications telles que biomédicales, l'interface utilisateur est un point clé. Dans ce projet, nous avons particulièrement soigné l'automatisation de la procédure, ce qui permet d'envisager des simulations de larges tailles pratiquement sans intervention de l'utilisateur. En particulier, les compétences de celui-ci (i.e., ses connaissances en anatomie) sont utilisées pour la segmentation des images, les étapes de maillage étant entièrement automatisées et ne faisant intervenir qu'un ensemble réduit de paramètres (contrôle de l'approximation des surfaces notamment).