FR2931935A1 - Object of interest i.e. brain tumor, volume measuring method for use during MRI, involves displaying value of measured volume of object of interest on interface or storing value of measured volume in memory - Google Patents

Abstract

The method involves screening raw images (In) for isolating a group of volumetric pixels to obtain screened images. Iterative processing of previously screened images is performed from a reference screened image in which an object of interest is selected, to obtain processed images that include the object. Summation of the pixels representing the object is carried out, and number of the pixels obtained by spatial resolution of the pixels is multiplied to obtain volume of the object. A value of the measured volume is displayed on an interface or stored in a memory. Independent claims are also included for the following: (1) a computer system for measuring volume of an object of interest located in a medium (2) a readable or usable medium comprising instructions to perform a method for measuring volume of an object of interest located in a medium.

Description

PROCEDE DE TRAITEMENT D'UNE SERTE D'IMAGES EN COUPE D'UN OBJET POUR MESURER LE VOLUME DE CET OBJET. La présente invention se rapporte à un procédé de traitement d'une série d'images en coupe d'un objet pour mesurer le volume de cet objet. METHOD OF PROCESSING A SERTE OF CUTTING IMAGES OF AN OBJECT TO MEASURE THE VOLUME OF THIS OBJECT. The present invention relates to a method of processing a series of sectional images of an object for measuring the volume of this object.

Plus particulièrement, l'invention peut s'appliquer au traitement d'images (I.R.M., scanner, TEP-scanner, etc.), dans le domaine médical. L'invention permet de mesurer précisément le volume d'un objet tel qu'une tumeur, des nodules pulmonaires, d'accidents vasculaires cérébraux ischémiques, de tumeurs pelviennes, de sclérose en plaques, etc. L'invention permet donc d'aider le médecin à déterminer, par exemple, quel traitement est le mieux adapté. La description donnée ci-après fait référence aux tumeurs cérébrales, mais la présente invention peut être utilisée pour la détermination du volume de tout objet détecté par imagerie. More particularly, the invention can be applied to image processing (I.R.M., scanner, PET scanner, etc.) in the medical field. The invention makes it possible to precisely measure the volume of an object such as a tumor, pulmonary nodules, ischemic strokes, pelvic tumors, multiple sclerosis, etc. The invention therefore helps the doctor to determine, for example, which treatment is the best suited. The description given below refers to brain tumors, but the present invention can be used for determining the volume of any object detected by imaging.

Lorsqu'une tumeur cérébrale est suspectée chez un patient, un examen IRM est pratiqué sur ce patient. Cet examen consiste à réaliser une ou plusieurs séries de coupes virtuelles du crâne du patient par résonance magnétique. Ces séries peuvent différer par la coupe réalisée : coupe frontale ou coronale, coupe sagittale, ou coupe axiale. When a brain tumor is suspected in a patient, an MRI is performed on that patient. This examination consists in making one or more series of virtual cuts of the skull of the patient by magnetic resonance. These series can differ by the cut made: frontal or coronal cut, sagittal cut, or axial cut.

Chaque série est constituée de N images ordonnées, de forme générale rectangulaire. Une image de cette série est identifiée, dans la suite de la description, par son rang n dans la série, n appartenant à l'intervalle [0, N-1] ou [1,N]. La ou les série(s) et le nombre d'images de chaque série dépendent de la résolution de la machine, de l'opérateur et du protocole de prise d'image qui peut être fixé à l'avance ou déterminé par l'opérateur. Lorsque la présence d'une tumeur cérébrale est diagnostiquée par un médecin sur la base des images précédentes, il convient de décider si cette tumeur peut et doit être opérée, ou si elle doit être traitée chimiquement par chimiothérapie. Each series consists of N ordered images, of rectangular general shape. An image of this series is identified in the remainder of the description by its rank n in the series, n belonging to the interval [0, N-1] or [1, N]. The series (s) and the number of images in each series depend on the resolution of the machine, the operator, and the imaging protocol that can be set in advance or determined by the operator . When the presence of a brain tumor is diagnosed by a physician based on the above images, it should be decided whether this tumor can and should be operated on, or whether it should be chemically treated with chemotherapy.

Lorsque la chimiothérapie est décidée par le médecin, celui-ci doit prescrire un traitement adapté à la tumeur. En particulier, il doit prescrire la dose de produit actif, la fréquence et la durée du traitement. Ces paramètres dépendent du volume de la tumeur cérébrale qui doit donc être déterminé le plus précisément possible par le médecin. La précision de la mesure du volume de la tumeur a une influence directe sur la qualité de traitement du patient. En outre, le suivi de l'évolution du volume permet de valider ou d'invalider la méthode de traitement du patient. Ce suivi permet également, dans certains cas, de qualifier la malignité de la lésion, notamment par l'analyse de sa croissance. Cependant, les techniques de mesure actuellement employées quotidiennement sont basées sur une analyse image par image, c'est-à-dire coupe par coupe, et sur des mesures de dimensions (par exemple entre deux points diamétralement opposés) avec lesquelles l'aire, puis le volume sont approximés. Ces techniques impliquent donc de grandes variations entre chaque opérateur ou, pour un opérateur donné, entre chaque patient. Il était donc nécessaire de disposer d'une technique précise et reproductible. When chemotherapy is decided by the doctor, he must prescribe a treatment adapted to the tumor. In particular, it must prescribe the dose of active product, the frequency and the duration of the treatment. These parameters depend on the volume of the brain tumor which must therefore be determined as accurately as possible by the doctor. The accuracy of tumor volume measurement has a direct influence on the quality of treatment of the patient. In addition, the monitoring of the evolution of the volume makes it possible to validate or invalidate the method of treatment of the patient. This monitoring also allows, in certain cases, to qualify the malignancy of the lesion, in particular by analyzing its growth. However, the measurement techniques currently used on a daily basis are based on image-by-image analysis, that is to say, cut by section, and on measurements of dimensions (for example between two diametrically opposed points) with which the area, then the volume are approximated. These techniques therefore involve large variations between each operator or, for a given operator, between each patient. It was therefore necessary to have a precise and reproducible technique.

Il a déjà été proposé deux types de systèmes automatiques de segmentation des images pour améliorer le calcul du volume d'objets. Un premier type de système est basé sur un simple criblage de l'image. Ce système est adapté pour des applications industrielles, où l'objet à mesurer présente une forme simple. Ce système, appliqué à la mesure d'objets complexes disposés dans un milieu également complexe, tels que des tumeurs au sein des structures cérébrales, ne donne aucun résultat satisfaisant. II ne permet pas, en effet, d'isoler l'objet du reste de l'image. Il n'est donc pas utilisable pour des objets complexes, car insuffisamment précis, et n'est reproductible que pour des objets simples. Two types of automatic image segmentation systems have already been proposed to improve the calculation of the volume of objects. A first type of system is based on a simple screen of the image. This system is suitable for industrial applications, where the object to be measured has a simple shape. This system, applied to the measurement of complex objects arranged in an equally complex medium, such as tumors within the brain structures, gives no satisfactory result. It does not, indeed, to isolate the object from the rest of the image. It is therefore not usable for complex objects because it is not precise enough and can only be reproduced for simple objects.

Un deuxième système est utilisé dans des laboratoires de recherche. Ce système est difficile à mettre en oeuvre quotidiennement dans les hôpitaux car il doit être réglé par un grand nombre de paramètres, et nécessite de nombreux calculs. Ainsi, bien que le volume d'objets complexes puisse être calculé, la complexité de ce système rend le calcul des volumes peu reproductible. Ceci rend donc ces deux systèmes inutilisables dans le cadre 5 de diagnostics fréquents. L'invention propose un procédé de traitement d'une série d'images permettant une mesure précise du volume d'un objet, hautement reproductible, facile à mettre en oeuvre grâce à un nombre restreint de paramètres de réglage, et permettant un traitement rapide des données. 10 À cette fin, l'invention a pour objet un procédé de mesure du volume d'un objet d'intérêt situé dans un milieu comprenant une pluralité d'objets, à partir d'une série d'images brutes de N coupes de ce milieu, chaque image étant constituée de voxels de résolution spatiale déterminée, les objets, le milieu et de l'arrière-plan de ce milieu, étant représentés par des 15 ensembles de voxels contigus appelés régions , la valeur de chaque voxel, comprise dans un intervalle de valeurs déterminé, étant représentative de l'intensité de réponse à un signal des objets, du milieu et de l'arrière-plan de ce milieu, le procédé comprenant : une étape de criblage de chaque image brute de la série, 20 indépendamment les unes des autres, mettant en oeuvre un crible, pour isoler un groupe de voxels répartis en plusieurs régions, au moins l'une d'elles représentant l'objet d'intérêt, cette étape générant une série d'images criblées ; - une étape de traitement itératif, image par image, des images criblées 25 précédemment, à partir d'une image criblée de référence dans laquelle l'objet d'intérêt est sélectionné, une image en cours de traitement étant traitée en fonction d'une image prise parmi l'image la précédant ou l'image la suivant dans la série, pour isoler, dans chaque image en cours de traitement, ledit objet d'intérêt, cette étape générant des 30 images traitées ne comprenant que ledit objet d'intérêt ; - une étape de sommation des voxels représentant l'objet d'intérêt des images traitées à l'étape précédente, puis de multiplication du nombre de voxels obtenu par leur résolution spatiale pour obtenir le volume de l'objet d'intérêt ; - une étape d'affichage sur une interface ou de stockage dans une mémoire, de la valeur du volume rnesuré. A second system is used in research laboratories. This system is difficult to implement daily in hospitals because it must be regulated by a large number of parameters, and requires many calculations. Thus, although the volume of complex objects can be calculated, the complexity of this system makes the calculation of volumes not reproducible. This makes these two systems unusable in the context of frequent diagnostics. The invention proposes a method of processing a series of images allowing an accurate measurement of the volume of an object, highly reproducible, easy to implement thanks to a limited number of adjustment parameters, and allowing a fast processing of data. To this end, the subject of the invention is a method for measuring the volume of an object of interest situated in a medium comprising a plurality of objects, from a series of raw images of N sections of this object. medium, each image consisting of voxels of determined spatial resolution, the objects, the medium and the background of this medium being represented by sets of contiguous voxels called regions, the value of each voxel, included in a a determined range of values being representative of the signal response intensity of the objects, the medium and the background of that medium, the method comprising: a step of screening each raw image of the series, independently each other, using a sieve, to isolate a group of voxels distributed in several regions, at least one of them representing the object of interest, this step generating a series of sifted images; an iterative image-by-image processing step of the previously screened images, from a reference screened image in which the object of interest is selected, an image being processed being processed according to a image taken from the image preceding it or the image following it in the series, to isolate, in each image being processed, said object of interest, this step generating processed images comprising only said object of interest ; a step of summing the voxels representing the object of interest of the images processed in the preceding step, then multiplying the number of voxels obtained by their spatial resolution to obtain the volume of the object of interest; - A display step on an interface or storage in a memory, the value of the volume rnesure.

Selon des modes de réalisation préférés : - l'étape de criblage de chaque image brute de la série de N images peut être réalisée par une étape -I- de segmentation de chaque image brute, comprenant les étapes suivantes : a) procéder à un criblage, de telle sorte que les voxels ayant une valeur non comprise dans le crible soient affectés d'une première valeur binaire, et que les voxels de l'image correspondant à l'objet d'intérêt ne soient pas contigus avec des voxels correspondant à d'autres objets du milieu, puis b) procéder à une binarisation pour que les voxels ayant une valeur comprise dans le crible soient affectés d'une seconde valeur binaire, puis c) procéder à un étiquetage des régions constituées par des voxels contigus de seconde valeur binaire pour leur affecter une valeur arbitraire, différente pour chaque région ; - le procédé peut comprendre une étape -II- d'affichage des images obtenues à l'étape de criblage de chaque image brute ; l'étape de traitement itératif peut être réalisée par une étape -III- de mise en coïncidence spatiale des images criblées, comprenant les étapes suivantes : d) choisir l'image criblée, cette image étant de rang n ; e) sélectionner, dans l'image de référence, la ou les région(s) de voxels correspondant à l'objet d'intérêt, et procéder à une binarisation de l'image de telle sorte que seuls les voxels de la ou les région(s) sélectionnée(s) soit affectés d'une seconde valeur binaire, les autres étant affectés d'une première valeur binaire, pour obtenir une image binaire de référence de rang n ; f) 5 10 15 20 g) 25 30 effectuer un traitement croissant comprenant les étapes suivantes : f1) sélectionner l'image de rang n+1 suivant, dans la série, l'image de référence de rang n ; f2) réaliser une convolution de l'image binaire de référence de rang n et de l'image de rang n+1 sélectionnée à l'étape f1), pour fabriquer une image de convolution dans laquelle sont représentés les voxels communs entre ces deux images ; f3) à partir de l'image de rang n+1 sélectionnée à l'étape f1) et de l'image de convolution, réaliser une image binaire de rang n+1 comprenant les régions de l'image de rang n+1 sélectionnée à l'étape f1) ayant au moins un voxel en commun avec l'image binaire de référence de rang n ; f4) prendre l'image binaire de rang n+1 réalisée à l'étape f3) précédente comme nouvelle image de référence ; f5) recommencer le traitement selon les étapes f1) à f4) en incrémentant le rang des images jusqu'à ce que le résultat de la convolution soit nul ; effectuer un traitement décroissant comprenant les étapes suivantes : g1) sélectionner l'image de rang n-1 précédant, dans la série, l'image de référence de rang n ; g2) réaliser une convolution de l'image binaire de référence de rang n et de l'image de rang n-1 sélectionnée à l'étape g1), pour fabriquer une image de convolution dans laquelle sont représentés les voxels communs entre ces deux images ; g3) à partir de l'image de rang n-1 sélectionnée à l'étape g1) et de l'image de convolution, réaliser une image binaire de rang n-1 comprenant les régions de l'image de rang n-1 sélectionnée à l'étape g1) ayant au moins un voxel en 6 commun avec l'image binaire de référence de rang n ; g4) prendre l'image binaire de rang n-1 réalisée à l'étape g3) précédente comme nouvelle image de référence ; g5) recommencer le traitement selon les étapes g1) à g4) en décrémentant le rang des images jusqu'à ce que le résultat de la convolution soit nul ; les étapes f) et g) étant effectuées successivement, dans n'importe quel ordre, ou simultanément, en partant de l'image de référence de rang n ; - l'étape de sommation peut être mise en oeuvre par une addition des voxels affectés d'une seconde valeur binaire dans l'ensemble des images binaires obtenues par les étapes d) à g) ; - le procédé peut comprendre, en outre, une étape -VI- d'affichage en trois dimensions de l'objet d'intérêt, obtenu par l'empilement des images générées à l'étape de traitement itératif ; - l'étape -VI- d'affichage peut comprendre les étapes suivantes : -VI-1) empilement des images binaires générées à l'étape -III- de mise en coïncidence spatiale et suppression des voxels de première valeur binaire pour générer l'objet d'intérêt en volume -VI-2) superposition de l'objet d'intérêt en volume à une image brute de la série. l'étape a) peut être précédée d'une étape a) de détection des contours des objets compris dans le milieu, à l'aide d'un filtre détecteur de contours ; - le procédé peut comprendre, en outre, entre l'étape b) et l'étape c), une étape p) d'homogénéisation des régions de chaque image ; - l'étape p) d'homogénéisation peut comprendre les étapes suivantes : (31) réaliser une inversion binaire de l'image binaire obtenue à l'étape b), de manière à inverser les valeurs des voxels, ceux étant affectés d'une première valeur binaire acquérant la seconde valeur binaire, ceux étant affectés de la seconde valeur binaire 7 acquérant la première valeur binaire ; [32) procéder à un étiquetage des régions constituées par des voxels contigus pour leur affecter une valeur arbitraire, différente pour chaque région ; 133) affecter la première valeur binaire aux voxels de la région de l'arrière-plan de l'image, cette région étant identifiée comme celle comprenant au moins un des quatre voxels formant un sommet de l'image ; f34) effectuer une binarisation de l'image obtenue à l'étape précédente, de sorte que les voxels de la première valeur binaire conservent leur valeur, et que les voxels de valeur différente de la première valeur binaire acquièrent la seconde valeur binaire [35) procéder à une opération logique binaire de type OU entre l'image obtenue à l'étape b) et l'image obtenue à l'étape (34) pour générer une image binaire comprenant tous les voxels de seconde valeur binaire de ces deux images, les autres voxels étant de première valeur binaire. - l'étape (3) d'homogénéisation peut comprendre, en outre, avant l'étape [31), une étape [30) de création d'une ligne verticale ou horizontale de voxels affectés de la même valeur que celle des voxels de l'arrière-plan, la ligne étant disposée pour séparer le milieu en deux parties tout en conservant l'intégrité de la région de voxels de l'objet d'intérêt. - le procédé peut comprendre, après l'étape c), une étape y) de filtrage de chaque image pour supprimer les régions comprenant un nombre de voxels inférieur à un effectif minimum. - l'étape -Il- d'affichage peut comprendre une étape de superposition de l'image obtenue à l'étape précédant l'étape -Il- à l'image brute, de sorte que les voxels de première valeur binaire de l'image obtenue à l'étape précédant l'étape -Il- acquièrent la valeur des voxels correspondant dans l'image brute, les autres voxels conservant leur valeur arbitraire, acquise à l'étape c). - le procédé peut comprendre les étapes suivantes : -II-1) traiter l'image obtenue à l'étape précédant l'étape -Il- afin de ne conserver que les voxels formant le contour de chaque région, les autres voxels étant mis à la première valeur binaire -II-2) superposer l'image obtenue à l'étape -II-1) à l'image brute, de sorte que les voxels de première valeur binaire de l'image obtenue à l'étape -II-1) acquièrent la valeur des voxels correspondant dans l'image brute, les autres voxels conservant leur valeur arbitraire, acquise à l'étape c). - le procédé peut comprendre, en outre, entre les étapes f2) et f3), et entre les étapes g2) et g3), une étape de fïltrage de l'image de convolution pour y supprimer les régions de l'image de rang n+1 sélectionnée à l'étape fi), et/ou de rang n-1 sélectionnée à l'étape g1), ayant un nombre inférieur à l'effectif déterminé. - l'étape de filtrage peut être réalisée par un seuillage. - l'étape de filtrage peut être réalisée par une érosion morphologique. - l'étape de filtrage peut être réalisée par une comparaison du nombre de voxels des régions dans l'image de convolution par rapport à l'effectif des régions correspondantes dans de l'image de rang n+1 sélectionnée à l'étape f1) et/ou dans l'image de rang n-1 sélectionnée à l'étape g1). - le procédé peut comprendre, avant l'étape a), une étape préliminaire de filtrage de réduction de bruit des images brutes de la série. l'étape de filtrage de réduction de bruit peut être réalisée par un filtre pris parmi le filtre NAGAO et le filtre KUWAHARA. - le procédé peut comprendre, avant l'étape a), une étape de séparation manuelle de l'objet d'intérêt et du milieu et/ou des objets qui l'entourent par la création d'une ligne de voxels affectés de la même valeur que celle des voxels de l'arrière-plan. - le procédé peut comprendre, avant l'étape a), une étape dans laquelle 30 l'utilisateur, après avoir visionné toutes les images brutes, ne sélectionne que les images dans lesquelles apparaît l'objet d'intérêt. - le procédé peut comprendre, avant l'étape a), une étape de rognage des images brutes, comprenant une sélection, dans les images, d'au moins une zone d'intérêt dans laquelle apparaît l'objet d'intérêt, et un redimensionnement des images à partir de l'image comprenant la ou les zones d'intérêt les plus étendues. L'invention concerne égarement un système informatique de mesure du volume d'un objet d'intérêt situé dans un milieu comprenant une pluralité d'objets, à partir d'une série d'images brutes de N coupes de ce milieu, caractérisé en ce qu'il comprend : - une mémoire comprenant un logiciel mettant en oeuvre le procédé précédent, - une mémoire de stockage des images brutes de la série, connectée à - une unité de traitement desdites images stockées dans la mémoire, l'unité de traitement étant apte à mettre en oeuvre le logiciel, connectée à - une mémoire de stockage des images traitées par le procédé mis en oeuvre par l'unité de traitement, connectée à - une interface d'affichage des images brutes et des images traitées par le procédé mis en oeuvre par l'unité de traitement, et - un moyen de sélection via l'interface, d'au moins un voxel d'au moins une image affichée. Selon un mode préféré de réalisation, la mémoire comprenant le logiciel peut être prise dans le groupe constitué par une mémoire interne au système informatique et un support de donné lisible ou utilisable par le système informatique. L'invention concerne également un support lisible ou utilisable par un système informatique, et sur lequel est enregistré un logiciel de mise en oeuvre du procédé précédent. D'autres caractéristiques de l'invention ressortiront de la description détaillée ci-après faite en référence aux dessins annexés qui représentent, respectivement : en figure 1, une image IRM brute en coupe axiale du crâne d'un patient souffrant d'une tumeur cérébrale ; en figure 2, une fenêtre de criblage sur un diagramme représentant le nombre de pixels de l'image de la figure 1 en fonction de la valeur affectée à chaque pixel, valeur traduisant la réponse de chaque élément du crâne au signal magnétique IRM ; en figure 3, une image binaire résultant du criblage de l'image de la figure 1 par la fenêtre de criblage de la figure 2 ; - en figure 3bis, une image illustrant un traitement d'étiquetage des régions de l'image obtenue en figure 3. en figure 4, une image résultant d'un traitement de détection de contours de l'image de la figure 1 ; - en figure 5, une fenêtre de criblage sur un diagramme représentant le signal des contours de l'image de la figure 4 ; en figure 6, une image binaire résultant du criblage de l'image de la figure 4 par la fenêtre de criblage de la figure 5 ; en figures 7 à 11, des images illustrant un traitement destiné à homogénéiser les images ; en figure 12, une image illustrant un traitement d'étiquetage des régions de l'image obtenue en figure 11 ; en figure 13, une image illustrant un traitement de suppressions des régions de faible effectif ; en figures 14 à 17, des images illustrant un traitement de mise en coïncidence spatiale des images obtenues par les traitements précédents ; en figures 18 à 20, des images illustrant trois modes d'affichages différents ; et - en figures 21 à 23, des images illustrant un mode de réalisation i0 2931935 tr particulier du traitement d'homogénéisation dans le cas de la présence d'une région englobant la région représentant l'objet d'intérêt. L'exemple décrit ci-après en référence aux figures 1 à 23 se 5 rapporte au calcul du volume d'une tumeur cérébrale à partir d'une série de N images IRM du crâne d'un patient. Sur les images illustrées dans les figures, sont représentés la tumeur cérébrale (correspondant à l'objet d'intérêt), le crâne (correspondant au milieu) dans lequel se situe la tumeur, ainsi que d'autres objets (tels que le 10 cerveau), et un arrière-plan dans lequel se trouve le crâne, cet arrière-plan étant, par définition, dépourvu d'objet. Dans l'ensemble de la description, chaque image In de la série comporte des surfaces unitaires appelées pixels, de résolution en longueur et en largeur déterminée, dépendant du réglage et de la précision de l'appareil 15 d'imagerie médicale dont sont issues les images de la série. En fait, chaque image représente une tranche virtuelle, ici d'un crâne. Les pixels comprennent donc également une résolution en épaisseur, dépendant également du réglage et de la précision de l'appareil d'imagerie médicale. Les images sont donc constituées de voxels, c'est-à-dire de volumes unitaires de l'image, de 20 résolution spatiale déterminée. La valeur de chaque voxel dans une image brute est représentative de l'intensité de la réponse des objets, du milieu et de l'arrière-plan, au signal émis par l'appareil d'imagerie médicale. En général, les images issues d'appareils d'imagerie médicale 25 sont codées en niveaux de gris. Autrement dit, chaque voxel est affecté d'une valeur de codage comprise dans un intervalle de valeur déterminée. Par exemple, cet intervalle peut comprendre 65536 valeurs, allant de 0 à 65535. Habituellement, lors de l'affichage d'une telle image, un voxel de valeur 0 est représenté en noir et un voxel de valeur 65535 est représenté en blanc. Entre 30 ces deux valeurs, un voxel est représenté en gris plus ou moins dense en fonction de sa valeur. Par convention, les voxels de l'arrière-plan sont généralement affectés de la valeur 0 et sont donc représentés en noir. Parmi les 65536 valeurs de gris possibles, les images IRM n'ont, en général, pas plus d'environ 1000 valeurs différentes, et les images de scanner, pas plus d'environ 2000 valeurs différentes. Bien évidemment, l'invention n'est pas limitée à ce type 5 d'affichage. Par exemple, l'intervalle de valeur peut être différent et/ou les images peuvent être codées non pas en niveau de gris mais en niveau d'une autre couleur. Dans l'ensemble de la description, on entend par le terme criblage , une opération de filtrage consistant à ne sélectionner qu'une 10 partie des voxels selon un critère, de préférence la valeur (image d'intensité) ou la fréquence (image de contours). Ces voxels font alors partie d'un groupe d'intérêt de voxels que l'on souhaite conserver pour la suite du traitement. Les voxels de ce groupe peuvent être répartis en plusieurs régions sur l'image. 15 Le criblage peut s'effectuer par un crible simple, ne comprenant qu'une borne seuil. Dans ce cas, les voxels de l'image sont séparés en deux groupes, ceux qui ont une valeur en-dessous de la borne seuil et ceux qui ont une valeur au-dessus, le groupe d'intérêt étant l'un des deux groupes. Les voxels ayant la valeur de la borne seuil peuvent être 20 classés, au choix, dans l'un ou l'autre des groupes. Par exemple, des voxels de valeurs de niveau de gris comprises entre 0 et 65535 subissent un criblage tel que tous les voxels ayant une valeur en deçà de 10800 (valeur de la borne seuil) sont exclus de l'image. Autrement dit, le groupe d'intérêt est, clans cet exemple, constitué par les 25 voxels ayant une valeur comprise entre 10800 inclus et 65535. En pratique, les voxels ayant une valeur en deçà de 10800 sont tous affectés d'une valeur arbitraire, telle que le 0. Le criblage peut également s'effectuer par un crible multiple, comprenant au moins deux bornes : une borne inférieure et une borne 30 supérieure. Un crible à deux bornes est également appelé filtre passe-bande . 13 Par exemple, si le crible comprend deux bornes, les voxels de l'image peuvent être séparés en deux ou trois groupes : ^ en deux groupes : le premier groupe comprenant les voxels qui ont une valeur en-dessous de la borne inférieure et ceux qui ont une valeur au- dessus de la borne supérieure, et le deuxième groupe comprenant les voxels qui ont une valeur comprise entre les deux bornes (inclues ou exclues selon le choix). ^ en trois groupes : le premier groupe comprenant les voxels qui ont une valeur en-dessous de la borne inférieure, le deuxième groupe comprenant les voxels qui ont une valeur comprise entre les deux bornes et le troisième groupe comprenant les voxels qui ont une valeur au-dessus de la borne supérieure. Les voxels de chaque groupe peuvent, par exemple, être affectés d'une valeur arbitraire : par exemple le 0, le 12753 et le 65535. According to preferred embodiments: the step of screening each raw image of the series of N images can be carried out by a segmentation step of each raw image, comprising the following steps: a) carrying out a screening such that the voxels with a value not included in the sieve are assigned a first binary value, and the voxels of the image corresponding to the object of interest are not contiguous with voxels corresponding to d other objects in the middle, then b) binarize so that the voxels having a value included in the sieve are assigned a second binary value, then c) proceed to a labeling of the regions constituted by contiguous voxels of second value binary to assign them an arbitrary value, different for each region; the method may comprise a step of displaying the images obtained in the screening step of each raw image; the iterative processing step can be performed by a step -III- of spatially coinciding the screened images, comprising the following steps: d) choosing the screened image, this image being of rank n; e) select, in the reference image, the region (s) of voxels corresponding to the object of interest, and binarize the image so that only the voxels of the region or regions (s) selected or assigned a second binary value, the others being assigned a first binary value, to obtain a reference binary image of rank n; f) selecting an image of rank n + 1 following, in the series, the reference image of rank n; f2) convolving the reference binary image of rank n and the image of rank n + 1 selected in step f1), to produce a convolution image in which are represented the common voxels between these two images ; f3) from the image of rank n + 1 selected in step f1) and the convolution image, make a binary image of rank n + 1 comprising the regions of the image of rank n + 1 selected in step f1) having at least one voxel in common with the reference bit image of rank n; f4) taking the binary image of rank n + 1 made in the previous step f3) as a new reference image; f5) restarting the processing according to steps f1) to f4) by incrementing the rank of the images until the result of the convolution is zero; performing a descending processing comprising the following steps: g1) selecting the image of rank n-1 preceding, in the series, the reference image of rank n; g2) convolving the reference binary image of rank n and the image of rank n-1 selected in step g1), to produce a convolution image in which are represented the common voxels between these two images ; g3) from the image of rank n-1 selected in step g1) and the convolution image, make a binary image of rank n-1 comprising the regions of the image of rank n-1 selected in step g1) having at least one voxel in common with the reference bit image of rank n; g4) taking the binary image of rank n-1 performed in the preceding step g3) as a new reference image; g5) restarting the processing according to steps g1) to g4) by decrementing the rank of the images until the result of the convolution is zero; steps f) and g) being performed successively, in any order, or simultaneously, starting from the reference image of rank n; the summing step can be implemented by adding the voxels assigned a second binary value in the set of binary images obtained by steps d) to g); the method may furthermore comprise a step -VI of displaying in three dimensions the object of interest obtained by stacking the images generated in the iterative processing step; the -VI- display step may comprise the following steps: -VI-1) stacking of the binary images generated at the step -III- of spatial coincidence and removal of the voxels of first binary value to generate the object of interest in volume -VI-2) superposition of the object of interest in volume to a raw image of the series. step a) may be preceded by a step a) of detecting the contours of the objects included in the medium, using an edge detector filter; the method may furthermore comprise, between step b) and step c), a step p) of homogenizing the regions of each image; the homogenization step p) may comprise the following steps: (31) performing a binary inversion of the binary image obtained in step b), so as to reverse the values of the voxels, those being affected by a first binary value acquiring the second binary value, those being assigned the second binary value 7 acquiring the first binary value; [32] to label the regions consisting of contiguous voxels to assign them an arbitrary value, different for each region; 133) assigning the first binary value to the voxels of the region of the background of the image, said region being identified as that comprising at least one of the four voxels forming an apex of the image; f34) binarizing the image obtained in the preceding step, so that the voxels of the first binary value retain their value, and voxels of different value from the first binary value acquire the second binary value [35] performing an OR-type binary logical operation between the image obtained in step b) and the image obtained in step (34) to generate a binary image comprising all the voxels of second binary value of these two images, the other voxels being of first binary value. the step (3) of homogenization may furthermore comprise, before step [31), a step [30) of creating a vertical or horizontal line of voxels assigned the same value as that of the voxels of the background, the line being arranged to separate the medium into two parts while maintaining the integrity of the voxel region of the object of interest. the method may comprise, after step c), a step y) of filtering each image to suppress the regions comprising a number of voxels less than a minimum number. the display step may comprise a step of superposition of the image obtained in the step preceding the step -I.sub.1- to the raw image, so that the voxels of first binary value of the image obtained in the step preceding the step -Il- acquire the value of the corresponding voxels in the raw image, the other voxels retaining their arbitrary value, acquired in step c). the method may comprise the following steps: -II-1) treating the image obtained in the step preceding step -Il- in order to retain only the voxels forming the outline of each region, the other voxels being set to the first binary value -II-2) superimpose the image obtained in step -II-1) to the raw image, so that the voxels of first binary value of the image obtained in step -II- 1) acquire the value of the corresponding voxels in the raw image, the other voxels retaining their arbitrary value, acquired in step c). the method may furthermore comprise, between steps f2) and f3), and between steps g2) and g3), a step of filtering the convolution image in order to delete the regions of the image of rank n. +1 selected in step fi), and / or rank n-1 selected in step g1), having a number less than the determined number. the filtering step can be performed by a thresholding. the filtering step can be performed by morphological erosion. the filtering step can be performed by comparing the number of voxels of the regions in the convolution image with respect to the number of corresponding regions in the image of rank n + 1 selected in step f1) and / or in the n-1 rank image selected in step g1). the method may comprise, before step a), a preliminary noise reduction filtering step of the raw images of the series. the noise reduction filtering step can be performed by a filter taken from the NAGAO filter and the KUWAHARA filter. the method may comprise, before step a), a step of manually separating the object of interest and the medium and / or objects that surround it by creating a line of voxels affected by the same value than the voxels in the background. the method may comprise, before step a), a step in which the user, after viewing all the raw images, selects only the images in which the object of interest appears. the method may comprise, before step a), a step of trimming the raw images, comprising a selection, in the images, of at least one zone of interest in which the object of interest appears, and a resizing the images from the image including the area or areas of greatest interest. The invention relates loosely to a computer system for measuring the volume of an object of interest located in a medium comprising a plurality of objects, from a series of raw images of N sections of this medium, characterized in that it comprises: - a memory comprising software implementing the above method, - a storage memory of the raw images of the series, connected to - a processing unit of said images stored in the memory, the processing unit being capable of implementing the software, connected to a storage memory of the images processed by the method implemented by the processing unit, connected to an interface for displaying the raw images and images processed by the put method implemented by the processing unit, and - a selection means via the interface, at least one voxel of at least one displayed image. According to a preferred embodiment, the memory comprising the software can be taken from the group constituted by a memory internal to the computer system and a data medium that can be read or used by the computer system. The invention also relates to a support readable or usable by a computer system, and on which is recorded a software implementation of the above method. Other features of the invention will emerge from the following detailed description made with reference to the accompanying drawings which show, respectively: in FIG. 1, a rough MRI image in axial section of the skull of a patient suffering from a brain tumor ; in FIG. 2, a screening window on a diagram representing the number of pixels of the image of FIG. 1 as a function of the value assigned to each pixel, a value translating the response of each element of the skull to the magnetic signal MRI; in FIG. 3, a binary image resulting from the screening of the image of FIG. 1 by the screening window of FIG. 2; in FIG. 3bis, an image illustrating a labeling treatment of the regions of the image obtained in FIG. 3. in FIG. 4, an image resulting from an edge detection processing of the image of FIG. 1; in FIG. 5, a screening window on a diagram representing the signal of the outlines of the image of FIG. 4; in FIG. 6, a binary image resulting from the screening of the image of FIG. 4 by the screening window of FIG. 5; in FIGS. 7 to 11, images illustrating a processing intended to homogenize the images; in Fig. 12, an image illustrating a labeling process of the regions of the image obtained in Fig. 11; in FIG. 13, an image illustrating a treatment of deletions of the regions of small size; in FIGS. 14 to 17, images illustrating a spatial coincidence processing of the images obtained by the previous treatments; in FIGS. 18 to 20, images illustrating three different display modes; and - in FIGS. 21 to 23, images illustrating a particular embodiment of the homogenization processing in the case of the presence of a region encompassing the region representing the object of interest. The example described hereinafter with reference to FIGS. 1 to 23 relates to calculating the volume of a brain tumor from a series of N MRI images of the skull of a patient. The images illustrated in the figures show the cerebral tumor (corresponding to the object of interest), the skull (corresponding to the middle) in which the tumor is located, as well as other objects (such as the brain ), and a background in which is the skull, this background being, by definition, devoid of object. Throughout the description, each In image of the series comprises unitary surfaces called pixels, of resolution in length and in determined width, depending on the setting and the precision of the medical imaging apparatus from which the images of the series. In fact, each image represents a virtual slice, here of a skull. The pixels therefore also include a resolution in thickness, also depending on the setting and accuracy of the medical imaging device. The images therefore consist of voxels, that is, unit volumes of the image, of determined spatial resolution. The value of each voxel in a raw image is representative of the intensity of the response of the objects, the medium and the background, to the signal emitted by the medical imaging apparatus. In general, images from medical imaging devices are coded in gray levels. In other words, each voxel is assigned a coding value within a determined value range. For example, this interval may comprise 65536 values, ranging from 0 to 65535. Usually, when displaying such an image, a voxel of value 0 is represented in black and a voxel of value 65535 is shown in white. Between these two values, a voxel is represented in more or less dense gray depending on its value. By convention, voxels in the background are usually assigned the value 0 and are therefore represented in black. Of the 65536 possible gray values, the MRI images generally have no more than about 1000 different values, and the scanner images, no more than about 2000 different values. Of course, the invention is not limited to this type of display. For example, the value range may be different and / or the images may be coded not in gray level but in another color level. Throughout the description, the term screening is understood to mean a filtering operation consisting of selecting only a portion of the voxels according to a criterion, preferably the value (intensity image) or the frequency (image of contours). These voxels are then part of a group of voxels interest that we want to keep for further processing. The voxels in this group can be divided into several regions on the image. The screening can be carried out by a simple screen, comprising only a threshold terminal. In this case, the voxels of the image are separated into two groups, those having a value below the threshold and those having a value above, the interest group being one of the two groups. . The voxels having the value of the threshold terminal can be classified, as desired, in one or other of the groups. For example, voxels of gray level values between 0 and 65535 are screened such that all voxels with a value below 10800 (threshold value) are excluded from the image. In other words, the interest group is, in this example, constituted by the voxels having a value between 10800 inclusive and 65535. In practice, the voxels having a value below 10800 are all assigned an arbitrary value, such as 0. Screening can also be performed by a multiple screen, comprising at least two terminals: a lower terminal and an upper terminal. A two-terminal screen is also called a bandpass filter. For example, if the screen comprises two terminals, the voxels of the image can be separated into two or three groups: in two groups: the first group comprising the voxels which have a value below the lower bound and those which have a value above the upper bound, and the second group includes voxels that have a value between the two bounds (included or excluded by choice). in three groups: the first group comprising the voxels which have a value below the lower bound, the second group comprising the voxels which have a value between the two terminals and the third group comprising the voxels which have a value between above the upper limit. The voxels in each group may, for example, be assigned an arbitrary value: for example 0, 12753 and 65535.

De même, si le crible comprend trois bornes, les voxels de l'image peuvent être séparés en deux, trois ou quatre groupes. Plus généralement, si le crible comprend n bornes, les voxels de l'image peuvent être séparés en deux à n+1 groupes. Le groupe d'intérêt peut alors comprendre jusqu'à n groupes, c'est-à-dire être constitué de la réunion de 1 à n groupes. Ainsi, dans la suite de la description, on entendra par l'expression voxels ayant une valeur comprise dans le crible , les voxels appartenant au groupe d'intérêt. Le procédé selon l'invention consiste, d'une manière générale, à effectuer une étape de criblage de chaque image rectangulaire ln brute de la série, indépendamment les unes des autres, pour isoler un groupe de voxels répartis en plusieurs régions, au moins l'une d'elles représentant l'objet d'intérêt, cette étape générant une série d'images criblées. Cette étape réalise un premier tri dans les images brutes, permettant de supprimer des images brutes, certains des objets différents de l'objet d'intérêt. Ensuite, le procédé selon l'invention comprend une étape de traitement itératif, image par image, des images criblées précédemment, à 14 partir d'une image criblée de référence dans laquelle l'objet d'intérêt n'est représenté, de préférence, que par une seule région de voxels contigus, une image en cours de traitement étant traitée en fonction d'au moins une image prise parmi l'image la précédant ou l'image la suivant dans la série, pour isoler, dans chaque image en cours de traitement, ledit objet d'intérêt. Cette étape réalise donc un deuxième tri dans les images criblées, permettant de supprimer des images criblées, tous les objets différents de l'objet d'intérêt Cette étape génère ainsi des images traitées ne comprenant que ledit objet d'intérêt. Similarly, if the screen includes three bounds, the voxels in the image can be separated into two, three, or four groups. More generally, if the screen comprises n terminals, the voxels of the image can be separated into two to n + 1 groups. The interest group can then comprise up to n groups, i.e., consist of the union of 1 to n groups. Thus, in the remainder of the description, the expression "voxels having a value included in the sieve" will be understood to mean the voxels belonging to the group of interest. The method according to the invention generally consists in carrying out a screening step of each rough rectangular image of the series, independently of one another, in order to isolate a group of voxels distributed in several regions, at least 1 one of them representing the object of interest, this step generating a series of sifted images. This step performs a first sort in the raw images, allowing to delete raw images, some of the different objects of the object of interest. Next, the method according to the invention comprises an iterative image-by-image processing step of previously screened images, from a reference screened image in which the object of interest is preferably represented. only by a single region of contiguous voxels, an image being processed being processed according to at least one image taken from the preceding image or the next image in the series, to isolate, in each current image treatment, said object of interest. This step therefore performs a second sorting in the screened images, making it possible to delete screened images, all the different objects of the object of interest. This step thus generates processed images comprising only said object of interest.

Puis, le procédé selon l'invention comprend une étape de sommation des voxels représentant l'objet d'intérêt des images traitées à l'étape précédente, puis de multiplication du nombre de voxels obtenu par leur résolution spatiale pour obtenir le volume de l'objet d'intérêt. Enfin, le procédé selon l'invention comprend une étape 15 d'affichage sur une interface ou de stockage dans une mémoire, de la valeur du volume mesuré. Dans l'exemple décrit, relatif au calcul du volume d'une tumeur cérébrale, l'étape de criblage de chaque image brute de la série de N images est réalisée par une étape -I- de segmentation de chaque image 20 brute. La segmentation a pour principal objectif de séparer les unes des autres, dans chaque image de la série, les régions de voxels correspondant à l'objet d'intérêt (ici la tumeur), au milieu (ici le crâne) et aux différents objets du milieu (tels que les différentes circonvolutions des hémisphères cérébraux, le corps calleux, etc.). Ceci permet d'isoler la tumeur par rapport aux régions 25 de voxels correspondant aux autres parties du crâne. Le procédé pour mesurer le volume d'un objet d'intérêt selon l'invention comprend donc une étape de segmentation de chaque image In brute de la série d'images. Une image In est illustrée en figure 1. L'étape de segmentation comprend les étapes suivantes. 30 Dans une étape a), il est procédé à un criblage de chaque image In. Ce criblage est réalisé, de préférence, à l'aide d'un filtre passe-bande, dont les valeurs des bornes minimum et maximum sont choisies de telle sorte que les voxels ayant une valeur non comprise dans le crible soient affectés d'une première valeur binaire, de préférence la valeur des voxels de l'arrière-plan. Les valeurs des bornes du crible doivent également être choisies pour que les voxels de l'image correspondant à la tumeur soient compris dans le crible, et qu'ils ne soient pas contigus avec des voxels également compris dans le crible et correspondant à d'autres objets comme, par exemple, le crâne lui-même. Autrement dit, ces valeurs doivent être choisies pour que sur chaque image ln de la série, les voxels correspondant à la tumeur soient séparés des voxels appartenant à un autre objet par au moins un voxel de l'arrière-plan. On dit également, dans ce cas, que les objets ne sont pas connectés. Cette étape est illustrée aux figures 1 à 3. La figure 1 représente une image brute IRM I,, du crâne 1 d'un patient souffrant d'une tumeur cérébrale 2 localisée dans le cerveau 3. Cette image est codée en intensité, c'est-à-dire que les voxels de limage ont une valeur de codage, en niveau de gris, dépendante de la réponse de chaque objet au signal magnétique IRM émis par l'appareil d'imagerie. La figure 2 illustre un diagramme représentant le nombre de voxels de l'image de la figure 1 en fonction de la valeur affectée à chaque voxel. On constate, ainsi, que les voxels sont répartis en quatre pics. Le premier pic P4 montre qu'un grand nombre de voxels sont regroupés dans une gamme de valeurs proche de la limite inférieure de l'intervalle de valeur de codage de l'image. Concrètement, ce pic P4 regroupe les voxels de l'arrière-plan 4 et les parties les plus sombres de l'image de la figure 1. Cette image est donc affichée de sorte que les voxels ayant une valeur 0 ou proche de 0 soient affichés en noir ou en gris foncé, alors que les voxels affectés d'une valeur proche de la limite supérieure de l'intervalle de codage de l'image sont représentés en blanc ou en gris clair. Le pic P3 regroupe les voxels des zones affichées en gris 30 moyen représentées, par exemple, par les lobes 3 du cerveau. Then, the method according to the invention comprises a step of summing the voxels representing the object of interest of the images processed in the previous step, then multiplying the number of voxels obtained by their spatial resolution to obtain the volume of the object of interest. Finally, the method according to the invention comprises a step of displaying on an interface or storage in a memory, the value of the measured volume. In the example described, relating to the calculation of the volume of a brain tumor, the step of screening each raw image of the series of N images is performed by a step -I- of segmentation of each raw image. The main objective of the segmentation is to separate from each other, in each image of the series, the regions of voxels corresponding to the object of interest (here the tumor), in the middle (here the skull) and to the various objects of the medium (such as the different convolutions of the cerebral hemispheres, the corpus callosum, etc.). This allows the tumor to be isolated from the voxel regions corresponding to the other parts of the skull. The method for measuring the volume of an object of interest according to the invention therefore comprises a segmentation step of each raw image of the series of images. An In image is illustrated in FIG. 1. The segmentation step comprises the following steps. In a step a), each image In is screened. This screening is preferably carried out using a band-pass filter whose minimum and maximum bound values are chosen from so that the voxels having a value not included in the sieve are assigned a first binary value, preferably the value of the voxels of the background. The values of the boundaries of the screen should also be chosen so that the voxels of the image corresponding to the tumor are included in the screen, and that they are not contiguous with voxels also included in the screen and corresponding to other objects like, for example, the skull itself. In other words, these values must be chosen so that on each image ln of the series, the voxels corresponding to the tumor are separated from the voxels belonging to another object by at least one voxel of the background. It is also said, in this case, that the objects are not connected. This step is illustrated in FIGS. 1 to 3. FIG. 1 represents a raw MRI image of the skull 1 of a patient suffering from a brain tumor 2 located in the brain 3. This image is coded in intensity, that is, the image voxels have a grayscale encoding value dependent on the response of each object to the magnetic MRI signal emitted by the imaging apparatus. FIG. 2 illustrates a diagram representing the number of voxels of the image of FIG. 1 as a function of the value assigned to each voxel. It can be seen that the voxels are divided into four peaks. The first peak P4 shows that a large number of voxels are grouped in a range of values close to the lower limit of the image coding value interval. Concretely, this peak P4 groups the voxels of the background 4 and the darkest parts of the image of FIG. 1. This image is thus displayed so that the voxels having a value 0 or close to 0 are displayed. in black or dark gray, while voxels with a value close to the upper limit of the image coding interval are shown in white or light gray. The peak P3 groups the voxels of the areas displayed in medium gray represented, for example, by the lobes 3 of the brain.

Le pic P2 regroupe les voxels des zones affichées en gris clair constituées, principalement, par la tumeur cérébrale 2, et par quelques zones situées à la périphérie du cerveau. Enfin, le pic P1 regroupe les voxels des zones affichées en gris très clair ou en blanc, constituées, principalement, par le crâne 1. En effectuant un criblage de l'image de la figure 1, par exemple par un filtre passe-bande F1, les voxels ayant une valeur non comprise dans le crible sont affectés, dans une nouvelle image représentée en figure 3, d'une première valeur binaire, ici représentée par le 0 affiché en noir. L'étape a) de ce criblage doit être effectuée avec un soin particulier pour s'assurer que, dans la suite du traitement, le calcul du volume de la tumeur soit effectué avec précision et qu'aucun autre objet de l'image, d'un tel que le crâne ou des convolutions du cerveau, ne soit incorporé par erreur lors du calcul du volume de la tumeur. Si l'opération de criblage est mal effectuée et que des voxels de l'objet d'intérêt sont contigus avec des voxels d'un autre objet, le calcul ultérieur du volume prendra en compte les voxels des deux objets. L'utilisateur doit donc ajuster la position du crible et, éventuellement, sa largeur, de telle sorte que les voxels de l'image correspondant à l'objet d'intérêt ne soit pas contigus avec des voxels correspondant à d'autres objets du milieu, également compris dans le crible. Dans une première variante, la largeur du filtre passe-bande (c'est-à-dire l'écart entre les bornes minimum et maximum) est fixée à l'avance et l'opérateur ne peut ajuster que sa position (c'est-à-dire la valeur d'une des bornes minimum ou maximum, la valeur de l'autre borne étant fixée par la largeur du crible). Une telle variante est particulièrement adaptée à des images issues d'un capteur fournissant des données normalisées, comme par exemple un scanner. The peak P2 groups the voxels of the zones displayed in light gray constituted, mainly, by the brain tumor 2, and by some zones situated at the periphery of the brain. Finally, the peak P1 groups the voxels of the zones displayed in very light gray or in white, constituted mainly by the skull 1. By screening the image of FIG. 1, for example by a band-pass filter F1 , the voxels having a value not included in the screen are assigned, in a new image shown in Figure 3, a first binary value, here represented by the 0 displayed in black. Step a) of this screening must be carried out with particular care to ensure that, in the course of treatment, the calculation of the volume of the tumor is carried out accurately and that no other object of the image, d such as the skull or convolutions of the brain, is inadvertently incorporated when calculating the volume of the tumor. If the screening operation is poorly performed and voxels of the object of interest are contiguous with voxels of another object, the subsequent calculation of the volume will take into account the voxels of the two objects. The user must therefore adjust the position of the screen and, possibly, its width, so that the voxels of the image corresponding to the object of interest are not contiguous with voxels corresponding to other objects of the medium. , also included in the sieve. In a first variant, the width of the bandpass filter (ie the difference between the minimum and maximum limits) is fixed in advance and the operator can adjust only his position (this is ie the value of one of the minimum or maximum limits, the value of the other terminal being fixed by the width of the screen). Such a variant is particularly suitable for images from a sensor providing standardized data, such as for example a scanner.

Selon une deuxième variante, la largeur et la position du crible peuvent être ajustées par l'opérateur. Une telle variante est particulièrement adaptée à des images issues d'un appareil d'imagerie médicale, comme l'IRM, produisant des données dépendantes de l'opérateur ou du protocole d'acquisition utilisé. A titre d'exemple, l'image brute, illustrée en figure 1, étant codée en valeurs comprises entre 0 et 65535, le filtre passe-bande F1, utilisé pour obtenir l'image de la figure 3, présente une borne inférieure de valeur 125, et une borne supérieure de valeur 181. Évidemment, ces valeurs ne sont valables que pour l'exemple illustré. Les bornes devront probablement être modifiées pour un autre examen de tumeur cérébrale en IRM. Dans une étape b), il est procédé à une binarisation pour que 10 les voxels ayant une valeur comprise dans le crible soient affectés d'une seconde valeur binaire, ici le 1 affiché en blanc dans la figure 3. Dans un autre mode de réalisation, illustré aux figures 4 à 6, les étapes a) de criblage et b) de binarisation peuvent être précédées d'une étape a) de détection des contours des objets de l'image brute. Cette 15 détection des contours se fait à l'aide d'un filtre détecteur de contours, par exemple de type gradient morphologique, de type variance locale, ou de type distance locale. Ce type de filtrage détecte les différences de valeur d'intensité entre un voxel et ses voisins, et renvoie une valeur, dite de fréquence , 20 représentative de ces différences. L'image résultant de ce filtrage est donc codée en fréquence . Elle est illustrée en figure 4. Dans cette image, un voxel présentant une valeur importante (représentés du gris clair au blanc) a une fréquence moyenne à forte. Cette fréquence correspond au fait que, dans le voisinage du voxel, il existe des 25 voxels de valeurs très différentes. Par conséquent, ce voxel appartient à un contour d'un objet de l'image. Un voxel présentant une valeur faible (représentés du gris foncé au noir) a une fréquence faible, voire nulle. Un tel voxel appartient à l'intérieur d'une région de l'image représentant un objet. En effet, au centre 30 d'une région, la différence entre la valeur d'un voxel et celle de ses voisins (par exemple, 8 ou 24 voxels voisins) est nulle ou quasi nulle. According to a second variant, the width and the position of the screen can be adjusted by the operator. Such a variant is particularly suitable for images from a medical imaging device, such as MRI, producing data dependent on the operator or the acquisition protocol used. By way of example, the raw image, illustrated in FIG. 1, being coded in values between 0 and 65535, the band-pass filter F1, used to obtain the image of FIG. 3, has a lower value limit. 125, and an upper bound of value 181. Obviously, these values are valid only for the example illustrated. The terminals will probably have to be modified for another brain tumor examination on MRI. In a step b), binarization is performed so that the voxels having a value included in the sieve are assigned a second binary value, here the 1 displayed in white in FIG. 3. In another embodiment , illustrated in FIGS. 4 to 6, the steps a) of screening and b) of binarization may be preceded by a step a) of detecting the outlines of the objects of the raw image. This contour detection is carried out using an edge detector filter, for example of the morphological gradient type, of the local variance type, or of the local distance type type. This type of filtering detects differences in intensity value between a voxel and its neighbors, and returns a value, called frequency, representative of these differences. The image resulting from this filtering is therefore frequency-coded. It is illustrated in Figure 4. In this image, a voxel with a significant value (represented from light gray to white) has a medium to strong frequency. This frequency corresponds to the fact that in the vicinity of the voxel there are voxels of very different values. Therefore, this voxel belongs to an outline of an object of the image. A voxel with a low value (represented from dark gray to black) has a low or no frequency. Such a voxel belongs within a region of the image representing an object. Indeed, in the center of a region, the difference between the value of a voxel and that of its neighbors (for example, 8 or 24 neighboring voxels) is zero or almost zero.

Ensuite, un criblage est effectué, par un filtre passe-bande F2, sur l'image codée en fréquence illustrée en figure 4. Ce filtre passe-bande F2 est illustré en figure 5, sur un diagramme illustrant le nombre de voxels de l'image de la figure 4 en fonction 5 de la valeur affectée à chaque voxel dans l'image codée en fréquence de la figure 4. Ce diagramme montre qu'un grand nombre de voxels présente une fréquence faible, voire nulle. Il montre également qu'un faible nombre de voxels présente une fréquence importante. 10 Ainsi, en plaçant le filtre passe-bande F2 dans les fréquences hautes, les voxels appartenant au centre des régions de l'image ont une valeur non comprise dans le crible. Ils sont alors affectés d'une première valeur binaire, ici le 0 affiché en noir. Au contraire, les voxels appartenant au contour des régions de l'image ont une valeur comprise dans le crible. 15 Comme dans le premier mode de réalisation, une binarisation des voxels ayant une valeur comprise dans le crible est effectuée, dans une étape b), pour leur affecter une seconde valeur binaire l'image résultant de cette binarisation est illustrée en figure 6. Une fois que l'image a subi un criblage puis une binarisation, 20 les régions de voxels contigus, de seconde valeur binaire, subissent, dans une étape c), un étiquetage , qui consiste à affecter une valeur arbitraire différente à chaque région, cette valeur étant différente des première et seconde valeurs binaires. Cette étape permet d'avoir des voxels de même valeur pour 25 une même région représentant un même objet. La valeur arbitraire peut être choisie pour qu'à l'affichage, chaque région apparaisse avec une couleur différente ou avec un niveau de gris différent. Pour le mode de réalisation illustré aux figures 1 à 3, l'image obtenue après étiquetage des régions est illustrée en figure 3bis. 30 Les étapes de criblage, de binarisation et d'étiquetage sont réalisées sur toutes les images ln brutes de la série d'images. 19 En pratique, il peut être souhaitable que l'opérateur n'ait à choisir le criblage (position et/ou largeur) que sur une image de la série, et que ce criblage s'applique automatiquement à toutes les autres images de la série. Pour que le criblage soit efficace, il convient que l'opérateur puisse visionner toutes les images issues du criblage pour vérifier que les voxels de l'image correspondant à l'objet d'intérêt ne sont pas contigus avec des voxels correspondant à d'autres objets. Ainsi, le procédé selon l'invention peut comprendre, avant l'étape b), une étape d'affichage des images obtenues à l'étape a) de criblage. Then, a screening is carried out, by a band-pass filter F2, on the frequency-coded picture illustrated in FIG. 4. This band-pass filter F2 is illustrated in FIG. 5, on a diagram illustrating the number of voxels of the FIG. 4 is a plot of the value assigned to each voxel in the frequency-coded image of FIG. 4. This diagram shows that a large number of voxels have a low or zero frequency. It also shows that a small number of voxels has a high frequency. Thus, by placing the bandpass filter F2 in the high frequencies, the voxels belonging to the center of the regions of the image have a value not included in the screen. They are then assigned a first binary value, here the 0 displayed in black. On the contrary, the voxels belonging to the contour of the regions of the image have a value included in the screen. As in the first embodiment, a binarization of the voxels having a value included in the sieve is performed, in a step b), to assign a second binary value thereto the image resulting from this binarization is illustrated in FIG. Once the image has been screened and then binarized, the contiguous voxel regions, of second binary value, are tagged in a step c), which assigns a different arbitrary value to each region. being different from the first and second binary values. This step makes it possible to have voxels of the same value for the same region representing the same object. The arbitrary value can be chosen so that, at the display, each region appears with a different color or with a different gray level. For the embodiment illustrated in FIGS. 1 to 3, the image obtained after labeling the regions is illustrated in FIG. 3bis. The screening, binarization and labeling steps are performed on all raw images in the image series. In practice, it may be desirable for the operator to select the screen (position and / or width) only on one image in the series, and this screening automatically applies to all other images in the series. . For the screening to be effective, the operator should be able to view all the images from the screen to verify that the voxels of the image corresponding to the object of interest are not contiguous with voxels corresponding to other objects. Thus, the method according to the invention may comprise, before step b), a step of displaying the images obtained in step a) of screening.

Après l'étape c) d'étiquetage, le procédé selon invention peut comprendre une étape y) de filtrage de l'image étiquetée pour supprimer les régions comprenant un nombre de voxels inférieur à un effectif minimum, par exemple dix, quarante, soixante ou cent voxels. Cette étape permet de limiter les calculs ultérieurs et de rendre la lecture des images par l'utilisateur plus facile. Une image issue d'un tel filtrage est illustrée en figure 13. Afin d'améliorer la précision du calcul du volume de la tumeur cérébrale, le procédé selon l'invention peut comprendre, entre l'étape b) et l'étape c), une étape f3) d'homogénéisation des régions de chaque image. Cette homogénéisation permet de supprimer des voxels aberrants, de valeurs très différentes par rapport aux autres voxels de la tumeur, alors que ces voxels appartiennent manifestement à la tumeur. En outre, cette étape d'homogénéisation permet le calcul du volume de certaines tumeurs qui apparaissent, à l'image, comme constituées de deux parties différentes : une première partie, extérieure, appelée couronne , ayant une réponse au signal émis par l'appareil d'imagerie très différente de la réponse d'une deuxième partie, centrale, appelée noyau . Autrement dit, la couronne forme une région englobant le noyau. Ces deux parties, bien que de réponses différentes, appartiennent toutes les deux à la tumeur et doivent donc être prises en compte dans le calcul du volume. After the labeling step c), the method according to the invention may comprise a step y) of filtering the labeled image to suppress the regions comprising a number of voxels less than a minimum number, for example ten, forty, sixty or hundred voxels. This step makes it possible to limit the subsequent calculations and to make the reading of the images by the user easier. An image resulting from such a filtering is illustrated in FIG. 13. In order to improve the accuracy of the calculation of the volume of the brain tumor, the method according to the invention can comprise, between step b) and step c) , a step f3) for homogenizing the regions of each image. This homogenization makes it possible to suppress aberrant voxels with very different values compared to the other voxels of the tumor, whereas these voxels clearly belong to the tumor. In addition, this homogenization step allows the calculation of the volume of certain tumors which appear, in the image, as consisting of two different parts: a first part, external, called crown, having a response to the signal emitted by the device imaging very different from the response of a second part, central, called nucleus. In other words, the crown forms a region encompassing the nucleus. These two parts, although of different responses, both belong to the tumor and must therefore be taken into account in the calculation of the volume.

Enfin, cette étape permet le calcul du volume de tumeurs lorsque le procédé utilise une détection de contours, comme dans le mode de réalisation illustré aux figures 4 à 6. Finally, this step allows the calculation of tumor volume when the method uses edge detection, as in the embodiment illustrated in FIGS. 4 to 6.

L'étape d'homogénéisation est illustrée aux figures 6 à 11 pour le cas d'une tumeur 2 présentant une couronne 2a englobant un noyau 2b. L'étape d'homogénéisation F3) se fait à partir de l'image binaire obtenue à l'étape b) de binarisation (Figure 6). Dans une première étape R1), une inversion binaire de l'image obtenue à l'étape b) est réalisée en inversant les valeurs des voxels. Ainsi, ceux qui étaient affectés d'une première valeur binaire, par exemple le 0, illustré en noir dans la figure 6, sont affectés de la seconde valeur binaire, c'est-à-dire le 1, affiché en blanc dans la figure 7. De même, ceux qui étaient affectés de la seconde valeur binaire, dans l'image de la figure 6, sont affectés de la première valeur binaire dans l'image de la figure 7. Ce faisant, la couronne 2a qui était représentée par des voxels blancs sur la figure 6 est maintenant représentée, dans la figure 7, par des voxels noirs. De la même manière, le noyau 2b qui était représenté par des voxels noirs dans la figure 6 est représenté, dans l'image de la figure 7, par des voxels blancs. Dans une deuxième étape R2), est effectué un étiquetage des régions constituées par des voxels contigus (ceux qui sont affectés de la seconde valeur binaire, mais pas ceux qui sont affectés de la première valeur binaire), pour leur affecter une valeur arbitraire, différente pour chaque région. Ainsi, comme illustré en figure 8, le noyau 2b est affecté d'une valeur telle qu'il apparaît en gris clair, et l'arrière-plan 4 est affecté d'une valeur telle qu'il apparaît en gris foncé. Les voxels noirs de la couronne restent à la première valeur binaire. Dans une étape R3), illustrée en figure 9, la première valeur binaire est affectée aux voxels de la région de l'arrière-plan de l'image. En pratique, cette région peut être identifiée comme celle comprenant au moins un des quatre voxels formant un sommet de l'image rectangulaire. The homogenization step is illustrated in Figures 6 to 11 for the case of a tumor 2 having a ring 2a including a core 2b. The homogenization step F3) is made from the binary image obtained in step b) of binarization (FIG. 6). In a first step R1), a binary inversion of the image obtained in step b) is performed by inverting the values of the voxels. Thus, those assigned a first binary value, for example the 0, illustrated in black in FIG. 6, are assigned the second binary value, that is to say the 1, displayed in white in FIG. 7. Similarly, those assigned the second binary value, in the image of Fig. 6, are assigned the first binary value in the image of Fig. 7. In doing so, the ring 2a which was represented by white voxels in FIG. 6 are now shown in FIG. 7 as black voxels. In the same way, the core 2b which was represented by black voxels in FIG. 6 is represented in the image of FIG. 7 by white voxels. In a second step R2), a labeling of the regions consisting of contiguous voxels (those assigned the second binary value, but not those assigned the first binary value), is performed to assign them an arbitrary value, different for each region. Thus, as illustrated in FIG. 8, the core 2b is assigned a value such that it appears in light gray, and the background 4 is assigned a value such that it appears in dark gray. The black voxels of the crown remain at the first binary value. In a step R3), illustrated in FIG. 9, the first binary value is assigned to the voxels of the region of the background of the image. In practice, this region can be identified as that comprising at least one of the four voxels forming a vertex of the rectangular image.

Plus généralement, l'objectif de cette étape R3) est d'affecter aux voxels de l'arrière-plan 4 de l'image de la figure 8 la même valeur binaire que celle des voxels de l'arrière-plan de l'image obtenue à l'étape b), c'est-à-dire l'image de la figure 6. Ensuite, dans une étape 114), une binarisation de l'image obtenue à l'étape 113) est effectuée de sorte que les voxels ayant la première valeur binaire conservent leur valeur, et que les voxels ayant une valeur différente de la première valeur binaire (cette valeur étant arbitraire et acquise à l'étape f12)) acquièrent la seconde valeur binaire. L'image résultant de cette étape (34) est illustrée en figure 10 où apparaissent, en blanc, les régions, et notamment le noyau de la tumeur, qui était affectées d'une valeur arbitraire (gris clair pour le noyau) dans l'image de la figure 8. Enfin, dans une étape f15), une opération logique binaire de type ou est effectuée entre l'image obtenue à l'étape f34) et l'image obtenue à l'étape b). Cette opération logique ou permet de générer une image binaire comprenant les voxels de seconde valeur binaire de chacune des deux images, les autres voxels étant de première valeur binaire. L'image résultant de cette opération logique est illustrée en figure 11 où l'on constate que la tumeur est maintenant représentée de manière uniforme et qu'il n'est plus possible de distinguer la couronne et le noyau. Comme décrit précéderment, l'image obtenue à l'issue de l'étape f35) est utilisée pour l'étape c) d'étiquetage des régions constituées par des voxels contigus de seconde valeur binaire. Le résultat de cet étiquetage est illustré en figure 12. Il est également possible, après cette étape c), d'effectuer une étape y) de filtrage de chaque image pour supprimer les régions comprenant un nombre de voxels inférieur à un effectif minimum. Le résultat de cette étape de filtrage est illustré en figure 13. Dans le cas d'images IRM du crâne d'un patient, il peut arriver que le crâne lui-même forme une seule région 1 constituée de voxels contigus, et englobant toutes les autres régions de l'image. Cette image est illustrée en figure 21. Dans ce cas, l'étape d'homogénéisation décrite précédemment peut conduire à la situation aberrante dans laquelle l'image obtenue à l'issue de l'étape (35) est constituée par une seule région de voxels 22 de seconde valeur binaire constituée par le crâne et tous les objets situés dedans. Cette image est illustrée en figure 22. Pour éviter cette situation, le procédé selon l'invention comprend, avant l'étape R1), une étape f30) de création d'une ligne de voxels affectés de la même valeur binaire que celle des voxels de l'arrière-plan. Cette ligne doit être disposée pour séparer le milieu englobant (le crâne dans cet exemple) en deux parties non contiguës, tout en conservant l'intégrité de la région de voxels de la tumeur qui elle, ne doit surtout pas être séparée en deux par des voxels de cette ligne. More generally, the objective of this step R3) is to assign to the voxels of the background 4 of the image of FIG. 8 the same binary value as that of the voxels of the background of the image. obtained in step b), that is to say the image of FIG. 6. Then, in a step 114), a binarization of the image obtained in step 113) is carried out so that the voxels having the first binary value retain their value, and voxels having a value different from the first binary value (this value being arbitrary and acquired in step f12) acquire the second binary value. The image resulting from this step (34) is illustrated in FIG. 10 in which the regions, and in particular the nucleus of the tumor, which were assigned an arbitrary value (light gray for the nucleus) in the white region, appear in white. Figure 8. Finally, in a step f15), a binary logic operation of type or is performed between the image obtained in step f34) and the image obtained in step b). This logical operation or generates a binary image comprising voxels of second binary value of each of the two images, the other voxels being of first binary value. The image resulting from this logical operation is illustrated in Figure 11 where it is found that the tumor is now uniformly represented and that it is no longer possible to distinguish the crown and the nucleus. As described above, the image obtained at the end of step f35) is used for the labeling step c) of the regions consisting of contiguous voxels of second binary value. The result of this labeling is illustrated in FIG. 12. It is also possible, after this step c), to carry out a step y) of filtering each image to eliminate the regions comprising a number of voxels less than a minimum number. The result of this filtering step is illustrated in FIG. 13. In the case of MRI images of the skull of a patient, it may happen that the skull itself forms a single region 1 consisting of contiguous voxels, and encompassing all other regions of the image. This image is illustrated in FIG. 21. In this case, the homogenization step described above can lead to the aberrant situation in which the image obtained at the end of step (35) consists of a single region of voxels 22 of second binary value constituted by the skull and all the objects located in it. This image is illustrated in FIG. 22. To avoid this situation, the method according to the invention comprises, before step R1), a step f30) of creating a line of voxels assigned the same binary value as that of the voxels from the background. This line must be arranged to separate the encompassing medium (the skull in this example) into two non-contiguous parts, while preserving the integrity of the voxel region of the tumor, which must not be separated in two by voxels of this line.

Ainsi, lorsque l'utilisateur s'aperçoit que l'étape f3) d'homogénéisation a conduit à l'image illustrée en figure 22, le système de mise en oeuvre du procédé selon l'invention lui permet de tracer cette ligne de voxels, sur une des images de la série, illustrée en en figure 21, de sorte qu'elle coupe la région 1 du crâne en deux parties la et lb non contiguës, mais qu'elle conserve l'intégrité de la région 2 de la tumeur. Grâce à cette ligne, lors de l'étape (3), après que l'étape (30) ait été mise en oeuvre, le crâne n'est plus constitué d'une seule région 1 englobante comme dans la figure 21, mais de deux régions la et 1 b non contiguës, séparées par des voxels de l'arrière-plan correspondant à la ligne horizontale H. L'objet d'intérêt est ainsi homogénéisé correctement. L'image résultante est illustrée en figure 23. Le procédé selon l'invention permet donc le calcul précis du volume de la tumeur, même lorsque le Crane apparaît, sur les images, comme une seule région englobant la tumeur. Une fois que toutes les images de la série ont subi l'étape ûI- de segmentation, elles sont affichées dans une étape -II-. Pour que le volume de la tumeur soit calculé, il est nécessaire d'isoler totalement la tumeur du reste de l'image obtenue à l'étape de criblage. A cette fin, le procédé selon l'invention comprend une étape de traitement itératif réalisée par une étape -III- de mise en coïncidence spatiale des images criblées, obtenues, dans l'exemple de réalisation décrit, à l'étape -I-. 23 Dans une étape d), l'utilisateur choisit une image, parmi les N images traitées à l'étape -I-. L'image choisie par l'utilisateur sert d'image de référence de rang n, n appartenant à l'intervalle [0, N-1] ou [1,N]. Elle correspond à l'image de la figure 13. Thus, when the user realizes that the homogenization step f3) has led to the image illustrated in FIG. 22, the implementation system of the method according to the invention allows it to draw this line of voxels, on one of the images of the series, illustrated in Figure 21, so that it intersects the region 1 of the skull in two parts la and lb noncontiguous, but it maintains the integrity of the region 2 of the tumor. With this line, during step (3), after step (30) has been implemented, the skull no longer consists of a single encompassing region 1 as in FIG. two regions la and 1b non-contiguous, separated by voxels of the background corresponding to the horizontal line H. The object of interest is thus homogenized correctly. The resulting image is illustrated in FIG. 23. The method according to the invention thus allows the precise calculation of the volume of the tumor, even when the Crane appears, in the images, as a single region encompassing the tumor. Once all the images in the series have undergone the segmentation step, they are displayed in a step -II-. For the tumor volume to be calculated, it is necessary to completely isolate the tumor from the rest of the image obtained in the screening step. To this end, the method according to the invention comprises an iterative processing step performed by a step -III- spatial matching of the screened images, obtained in the embodiment described, step -I-. In a step d), the user chooses an image from among the N images processed in step -I-. The image chosen by the user serves as a reference image of rank n, n belonging to the interval [0, N-1] or [1, N]. It corresponds to the image of Figure 13.

Puis, dans une étape e), l'utilisateur sélectionne, sur l'image de référence de rang n, la ou toutes les régions représentant la tumeur 2. Pour ce faire, l'utilisateur clique sur cette ou ces régions, dans l'image qu'il a choisie, à l'aide d'un moyen de sélection, telle qu'une souris. Ce moyen permet de désigner, au système de mise en oeuvre du procédé, un ou plusieurs voxels que l'utilisateur considère comme appartenant à la tumeur. Dans une première variante, illustrée en figure 13, l'image de référence est choisie parce que la tumeur n'y est représentée que par une seule région 20 de voxels contigus. Cette variante permet un traitement ultérieur rapide. Lorsque l'utilisateur clique sur le voxel, le système est informé de la valeur du voxel sélectionné. Comme chaque région de l'image diffère des autres régions par la valeur de ses voxels, le système peut sélectionner automatiquement toute la région représentant la tumeur à partir du simple clic de l'utilisateur. Dans une deuxième variante (non illustrée), la tumeur peut être représentée, dans l'image de référence, par deux ou plusieurs régions, en raison, par exemple, d'une forme complexe de la tumeur. Dans ce cas, l'utilisateur sélectionne toutes ces réglons dans l'image de référence. Le système est alors informé de la valeur des voxels sélectionnés. Comme chaque région de l'image diffère des autres régions par la valeur de ses voxels, le système peut sélectionner automatiquement les régions auxquelles appartiennent les voxels sélectionnés. Dans un mode alternatif, le moyen de sélection pourrait permettre la sélection d'une ou plusieurs régions d'intérêt. Après cette sélection, le système procède à une binarisation de l'image de telle sorte que seuls les voxels de la région 20 sélectionnée soient affectés d'une seconde valeur binaire (dans la figure 14, le 1 illustré en blanc), tous les autres voxels étant affectés d'une première valeur binaire (dans la figure 14, la valeur 0 illustrée en noir). Autrement dit, lors de cette étape e), tous les voxels n'appartenant pas à la région 20 représentant la tumeur sont mis à la même valeur que l'arrière-plan 1. On obtient ainsi une image binaire de référence de rang n. Then, in a step e), the user selects, on the reference image of rank n, the region or regions representing the tumor 2. To do this, the user clicks on this region or these regions, in the image he has chosen, using a selection means, such as a mouse. This means makes it possible to designate, in the system for carrying out the method, one or more voxels that the user considers to belong to the tumor. In a first variant, illustrated in FIG. 13, the reference image is chosen because the tumor is represented by only one region of contiguous voxels. This variant allows rapid subsequent processing. When the user clicks on the voxel, the system is informed of the value of the selected voxel. As each region of the image differs from other regions in the value of its voxels, the system can automatically select the entire region representing the tumor from the user's simple click. In a second variant (not shown), the tumor may be represented in the reference image by two or more regions, due, for example, to a complex form of the tumor. In this case, the user selects all these rules in the reference image. The system is then informed of the value of the selected voxels. Since each region of the image differs from other regions in the value of its voxels, the system can automatically select the regions to which the selected voxels belong. In an alternative mode, the selection means could allow the selection of one or more regions of interest. After this selection, the system binarizes the image so that only the voxels of the selected region are assigned a second binary value (in FIG. 14, the 1 shown in white), all other voxels being assigned a first binary value (in FIG. 14, the value 0 illustrated in black). In other words, during this step e), all the voxels not belonging to the region representing the tumor are set to the same value as the background 1. A reference binary image of rank n is thus obtained.

Dans la deuxième variante, le système procède à une binarisation de l'image de telle sorte que seuls les voxels des régions sélectionnées soient affectés d'une mêrne seconde valeur binaire, tous les autres voxels étant affectés d'une première valeur binaire. Ainsi, tous les voxels n'appartenant pas aux régions représentant la tumeur sont mis à la même valeur que l'arrière-plan 1. On obtient ainsi une image binaire de référence de rang n présentant plusieurs régions en blanc et l'arrière-plan noir. Ensuite, les images obtenues à l'étape de segmentation sont mises en coïncidence spatiale. Pour ce faire, on effectue un traitement des images suivantes et précédentes, dans la série, de l'image de rang n. Le traitement des images n+1, n+2, ..., N, suivant l'image de rang n, est appelé traitement croissant . Le traitement des images n-1, n-2, ..., 1, précédant l'image de rang n, est appelé traitement décroissant . Le traitement croissant f) comprend les étapes suivantes. In the second variant, the system binarizes the image so that only the voxels of the selected regions are assigned the same second binary value, all the other voxels being assigned a first binary value. Thus, all the voxels not belonging to the regions representing the tumor are set to the same value as the background 1. This gives a reference binary image of rank n having several regions in white and the background black. Then, the images obtained at the segmentation stage are put in spatial coincidence. For this purpose, the following and previous images in the series of the n-rank image are processed. The processing of images n + 1, n + 2, ..., N, following the image of rank n, is called increasing processing. The processing of images n-1, n-2, ..., 1, preceding the image of rank n, is called decreasing processing. The increasing processing f) comprises the following steps.

Dans une étape fi), l'image de rang n+1, suivant dans la série l'image de référence de rang n, est sélectionnée. Cette image de rang n+1 est illustrée en figure 15. Ensuite, dans une étape f2), une convolution de l'image binaire de référence de rang n, illustrée en figure 14, est effectuée avec l'image de rang n+1, sélectionné à l'étape fi), illustrée en figure 15. Cette convolution conduit à la fabrication d'une image de convolution dans laquelle sont représentés les voxels communs entre l'image binaire de référence de rang n et l'image de rang n+1. Cette irnage de convolution est illustrée en figure 16, où apparaissent deux régions ayant des voxels de valeurs différentes, une première région 5 et une deuxième région 6. Puis, dans une étape f3), on fabrique une image binaire de rang n+1 à partir de l'image de rang n+1, sélectionnée précédemment, et de l'image de convolution réalisée à l'étape f2). L'image binaire de rang n+1 comprend les régions de l'image de rang n+1 ayant au moins un voxel en commun avec l'image binaire de référence de rang n. Autrement dit, sont affichées dans l'image binaire de rang n+1, les régions 50-60 de l'image de rang n+1 auxquelles appartiennent les voxels 5 et les voxels 6 de l'image de convolution. L'image binaire de rang n+1 est illustrée en figure 17. Selon une alternative, peuvent n'être affichées, dans l'image binaire de rang n+1, que les régions de l'image de rang n+1 ayant un effectif, supérieur à un seuil déterminé, de voxels en commun avec l'image binaire de référence de rang n. Ce seuillage permet d'exclure les régions trop faiblement connectées avec la région illustrant la tumeur, c'est-à-dire les régions ayant un effectif trop faible. D'autres solutions peuvent être utilisées pour supprimer ces régions trop faiblement connectées comme par exemple procéder à une érosion morphologique de l'image de convolution. Cette érosion morphologique consiste à supprimer un nombre de voxels déterminé dans chaque région, cette suppression étant: faite au niveau des contours des régions. L'érosion morphologique est obtenue en faisant parcourir l'image par un élément structurant carré. In a step f1), the image of rank n + 1, following in the series the reference image of rank n, is selected. This image of rank n + 1 is illustrated in FIG. 15. Then, in a step f2), a convolution of the reference binary image of rank n, illustrated in FIG. 14, is carried out with the image of rank n + 1 , selected in step fi), illustrated in FIG. 15. This convolution leads to the fabrication of a convolution image in which are represented the common voxels between the reference binary image of rank n and the image of rank n 1. This convolution line is illustrated in FIG. 16, where two regions having voxels of different values, a first region 5 and a second region 6 appear. Then, in a step f 3), a binary image of rank n + 1 is produced at from the image of rank n + 1, previously selected, and the convolution image made in step f2). The binary image of rank n + 1 comprises the regions of the image of rank n + 1 having at least one voxel in common with the reference binary image of rank n. In other words, the regions 50-60 of the image of rank n + 1 to which the voxels 5 and the voxels 6 of the convolution image belong are displayed in the binary image of rank n + 1. The binary image of rank n + 1 is illustrated in FIG. 17. According to an alternative, can be displayed, in the binary image of rank n + 1, only the regions of the image of rank n + 1 having a effective, greater than a determined threshold, of voxels in common with the reference binary image of rank n. This thresholding makes it possible to exclude the regions which are too weakly connected with the region illustrating the tumor, that is to say the regions having too small a population. Other solutions can be used to suppress these regions that are too weakly connected, for example to carry out a morphological erosion of the convolution image. This morphological erosion consists in suppressing a number of voxels determined in each region, this suppression being done at the level of the contours of the regions. Morphological erosion is achieved by moving the image through a square structuring element.

La taille (le coté) de l'élément structurant est communément un nombre impair de voxels supérieur à 3. De préférence, on utilise un élément structurant de 3x3 voxels ou, éventuellement, de 5x5 voxels. L'érosion est un opérateur de voisinage dont la fonction est d'attribuer au voxel central la valeur minimum des valeurs des huit voxels voisins, pour un élément structurant de 3x3 voxels ou, des vingt-quatre voxels voisins, pour un élément structurant de 5x5 voxels. Il est aussi possible de procéder à une comparaison du nombre de voxels des régions dans l'image de convolution par rapport à l'effectif des régions correspondantes dans l'image de rang n+1 sélectionnée à l'étape fi). Ainsi, si le nombre de voxels d'une région dans l'image de convolution est très inférieur au nombre de voxels de la région correspondante, dans l'image de rang n+1, cela peut signifier que ces régions représentent des objets différents. Il convient alors de ne pas afficher dans l'image binaire de rang n+1, la région ayant un petit effectif dans l'image de convolution. A titre d'exemple, la région 50 aurait pu ne pas être affichée dans l'image binaire de rang n+1, car le nombre de voxel 5 dans l'image de convolution est très inférieur au nombre de voxels de la région 50. Le terme inférieur est donné à titre général. Il appartient à l'homme du métier de fixer le ratio minimum entre les effectifs de voxels comme il le souhaite. Ensuite, dans une étape f4), le système prend l'image binaire 10 de rang n+1 comme nouvelle image de référence. Puis le système recommence le traitement selon les étapes f1) à f4) en incrémentant le rang des images jusqu'à ce que le résultat de la convolution soit nul, c'est-à-dire jusqu'à ce qu'il n'y ait aucun voxel en commun entre les images utilisées pour la convolution. L'image issue de la 15 convolution est alors entièrement noire. Ceci signifie que, la dernière image criblée utilisée pour le traitement itératif ne comprend aucun voxel représentant la tumeur. Un traitement décroissant g) est également effectué à partir de l'image binaire de référence de rang n. Pour effectuer ce traitement 20 décroissant, l'image de rang n-1 est sélectionnée au cours d'une étape g1). Cette image précède, dans la série, l'image de référence de rang n. Ensuite, comme pour le traitement croissant, le procédé comprend une étape g2), au cours de laquelle une convolution est réalisée entre l'image binaire de référence de rang n et l'image de rang n-1 pour 25 fabriquer une image de convolution dans laquelle sont représentées les voxels communs entre ces deux images. Ensuite, dans une étape g3), une image binaire de rang n-1 est réalisée à partir de l'image de rang n-1 et de l'image de convolution. L'image binaire de rang n-1 comprend les régions de l'image de rang n-1 30 ayant au moins un voxel en commun avec l'image binaire de référence de rang n. The size (the side) of the structuring element is commonly an odd number of voxels greater than 3. Preferably, a structuring element of 3 × 3 voxels or, optionally, 5 × 5 voxels is used. Erosion is a neighborhood operator whose function is to assign to the central voxel the minimum value of the values of the eight neighboring voxels, for a structuring element of 3x3 voxels or, of the twenty-four neighboring voxels, for a structuring element of 5x5 voxels. It is also possible to compare the number of voxels of the regions in the convolution image with respect to the number of corresponding regions in the image of rank n + 1 selected in step f1). Thus, if the number of voxels of a region in the convolution image is much smaller than the number of voxels in the corresponding region, in the image of rank n + 1, it may mean that these regions represent different objects. It should not be displayed in the binary image of rank n + 1, the region having a small number in the convolution image. By way of example, the region 50 could not have been displayed in the binary image of rank n + 1 because the number of voxels in the convolution image is much smaller than the number of voxels in the region 50. The lower term is given as a general term. It is up to the person skilled in the art to set the minimum ratio between the number of voxels as he wishes. Then, in a step f4), the system takes the binary image of rank n + 1 as a new reference image. Then the system resumes the processing according to steps f1) to f4) by incrementing the rank of the images until the result of the convolution is zero, that is to say until there is no have no voxel in common between the images used for convolution. The image resulting from the convolution is then entirely black. This means that the last screened image used for the iterative treatment does not include any voxel representing the tumor. A descending processing g) is also performed from the reference bit image of rank n. To perform this descending processing, the image of rank n-1 is selected during a step g1). This image precedes, in the series, the reference image of rank n. Then, as for the increasing processing, the method comprises a step g2), during which a convolution is performed between the n-rank reference bit image and the n-1 rank image to make a convolution image. in which are represented the common voxels between these two images. Then, in a step g3), a binary image of rank n-1 is made from the image of rank n-1 and the convolution image. The n-1 binary image comprises regions of the n-1 rank image having at least one voxel in common with the n-rank reference binary image.

Puis, dans une étape g4), l'image binaire de rang n-1 est prise comme nouvelle image de référence et le traitement est recommencé en décrémentant le rang des images, jusqu'à ce que le résultat de la convolution soit nul, c'est-à-dire jusqu'à ce qu'il n'y ait aucun voxel en commun entre les images utilisées pour la convolution. L'image issue de la convolution est alors entièrement noire. Ceci signifie que, la dernière image criblée utilisée pour le traitement itératif ne comprend aucun voxel représentant la tumeur. Les traitements croissant f) et décroissant g) peuvent être effectués successivement ou simultanément. En outre, ils peuvent être inversés, c'est-à-dire qu'ils peuvent être réalisés dans n'importe quel ordre. Ensuite, le calcul du volume de la tumeur cérébrale est obtenu en sommant les voxels affectés d'une seconde valeur binaire dans l'ensemble des images binaires obtenues par les étapes d) à g), puis en multipliant le nombre de voxels obtenus par leur résolution spatiale. Then, in a step g4), the binary image of rank n-1 is taken as a new reference image and the processing is restarted by decrementing the rank of the images, until the result of the convolution is zero, c that is, until there is no voxel in common between the images used for convolution. The image resulting from the convolution is then entirely black. This means that the last screened image used for the iterative treatment does not include any voxel representing the tumor. The increasing f) and decreasing g) treatments can be performed successively or simultaneously. In addition, they can be reversed, that is, they can be made in any order. Then, the calculation of the volume of the brain tumor is obtained by summing the voxels assigned a second binary value in the set of binary images obtained by the steps d) to g), then by multiplying the number of voxels obtained by their spatial resolution.

Enfin, la valeur du volume mesuré peut être, soit affichée, soit stocké dans une mémoire pour une utilisation ultérieure. Pour faciliter le choix, à l'étape d) de l'étape -III-, d'une image traitée lors de l'étape -I- de segmentation, et pour s'assurer que cette étape -I-s'est correctement déroulée, l'étape -II- d'affichage des images obtenues comprend une étape de superposition des images segmentées avec les images brutes. Plus précisément, les images obtenues à l'étape précédent l'étape -II- (c'est-à-dire à l'étape c) ou à l'étape y)), sont superposées aux images brutes de sorte que les voxels de premières valeurs binaires (donc les voxels de l'arrière-plan) de chaque image obtenue à l'étape précédant l'étape -II-, acquièrent la valeur du voxel correspondant dans l'image brute. Les autres voxels de l'image obtenue à l'étape précédant l'étape -II- conservent leur valeur arbitraire acquise à l'étape c). I_e résultat de cette superposition est illustré en figure 18 dans laquelle la tumeur 2 est représentée par une région homogène de voxels de même valeur que celles acquises à l'étape c) (figures 3bis ou 13). Le reste de l'image est constitué des voxels issus de l'image brute. Finally, the value of the measured volume can be either displayed or stored in a memory for later use. To facilitate the choice, in step d) of step -III-, of an image processed during step -I- segmentation, and to ensure that this step -I-is correctly unrolled, the step -II- display of the images obtained comprises a step of superposition of the segmented images with the raw images. More specifically, the images obtained in the step preceding step -II- (that is to say in step c) or step y)), are superimposed on the raw images so that the voxels first binary values (thus the voxels of the background) of each image obtained in the step preceding step -II-, acquire the value of the corresponding voxel in the raw image. The other voxels of the image obtained in the step preceding step -II- retain their arbitrary value acquired in step c). The result of this superposition is illustrated in FIG. 18 in which the tumor 2 is represented by a homogeneous region of voxels of the same value as those acquired in step c) (FIGS. 3bis or 13). The rest of the image consists of voxels from the raw image.

La superposition peut être faite par un traitement consistant à remplacer dans l'image brute les voxels dont les coordonnées dans l'image binaire ont une valeur différente de 0 par une couleur bien visible, c'est-à-dire une valeur très peut ou pas représentée dans l'image brute. The superposition can be done by a process consisting in replacing in the raw image the voxels whose coordinates in the binary image have a value different from 0 by a very visible color, that is to say a very value can or not represented in the raw image.

Selon une variante illustrée en figure 19, seuls sont superposés, à l'image brute, les voxels formant le contour des régions obtenues à l'étape c). À cette fin, l'image obtenue à l'étape précédant l'étape -II- est traitée afin de ne conserver que les voxels formant le contour de chaque région. According to a variant illustrated in FIG. 19, only the voxels forming the contour of the regions obtained in step c) are superimposed on the raw image. For this purpose, the image obtained in the step preceding step -II- is processed in order to keep only the voxels forming the contour of each region.

Un premier exemple de traitement se fait comme suit. Une érosion morphologique des régions de l'image obtenue à l'étape c) ou y) est réalisée. L'image d'érosion obtenue représente donc les mêmes régions, dont les contours ont été amputés d'un nombre de voxels déterminé. Puis cette image d'érosion est soustraite à l'image obtenue à l'étape c) ou y), afin d'obtenir une image dans laquelle seuls les contours des régions apparaissent, les autres voxels appartenant à l'arrière-plan. Cette soustraction est obtenue, par exemple, par un opérateur OU exclusif (XOR) : ne sont conservés, dans l'image de contour, que les voxels appartenant à l'image obtenue à l'étape c) ou y) ou à l'image d'érosion mais pas les voxels communs aux deux images. Les contours obtenus sont des contours internes de la tumeur, c'est-à-dire que les voxels qui les constituent appartiennent à la tumeur. Un deuxième exemple de traitement se fait comme suit. Une dilatation morphologique des régions de l'image obtenue à l'étape c) ou y) est réalisée. La dilatation est un opérateur de voisinage dont la fonction est d'attribuer au voxel central la valeur maximum des valeurs des huit voxels voisins, pour un élément structurant de 3x3 voxels, ou des vingt-quatre voxels voisins, pour un élément structurant de 5x5 voxels. L'image de dilatation obtenue représente donc les mêmes régions, dont les contours ont été enrichis d'un nombre de voxels déterminé. Puis, comme pour le premier exemple de traitement, l'image de dilatation est soustraite à l'image obtenue à l'étape c) ou y), afin d'obtenir une image dans laquelle seuls les contours des 29 régions apparaissent. Les contours obtenus sont des contours externes de la tumeur, c'est-à-dire que les voxels qui les constituent n'appartiennent pas à la tumeur. Ensuite, l'image de contours obtenue précédemment est superposée à l'image brute de sorte que les voxels de l'arrière-plan ayant la première valeur binaire acquièrent la valeur des voxels correspondant dans l'image brute. Les autres voxels constituant le contour des régions conservent leur valeur acquise à l'étape c). La superposition peut également être faite par un affichage de type calque: sur l'image brute de voxels, est superposée une image vectorielle des contours. Ainsi, les contours ne sont plus représentés par des voxels, mais par des lignes. Ces sont générées automatiquement : les coordonnées x, y des voxels de l'image de contours obtenue précédemment sont transformées en vecteurs pour obtenir une image vectorielle que l'on superpose sur l'image brute. Ce mode de superposition est avantageux lorsque la résolution des images est faible ou lorsqu'il est nécessaire d'agrandir fortement l'image. En effet, les contours restent sous forme d'une fine ligne au lieu d'être constitués de voxels de plus en plus gros au fur et à mesure de l'agrandissement de l'image. A first example of treatment is as follows. Morphological erosion of the regions of the image obtained in step c) or y) is performed. The erosion image obtained therefore represents the same regions, the contours of which have been amputated by a certain number of voxels. Then this erosion image is subtracted from the image obtained in step c) or y), in order to obtain an image in which only the contours of the regions appear, the other voxels belonging to the background. This subtraction is obtained, for example, by an exclusive OR operator (XOR): only the voxels belonging to the image obtained in step c) or y) or to the image are preserved in the contour image. image of erosion but not the voxels common to both images. The contours obtained are internal contours of the tumor, that is to say that the voxels that constitute them belong to the tumor. A second example of treatment is as follows. Morphological dilation of the regions of the image obtained in step c) or y) is performed. Expansion is a neighborhood operator whose function is to assign to the central voxel the maximum value of the values of the eight neighboring voxels, for a structuring element of 3x3 voxels, or of twenty-four neighboring voxels, for a structuring element of 5x5 voxels. . The dilation image obtained therefore represents the same regions, the contours of which have been enriched with a determined number of voxels. Then, as for the first example of treatment, the dilation image is subtracted from the image obtained in step c) or y), in order to obtain an image in which only the outlines of the 29 regions appear. The contours obtained are external contours of the tumor, that is to say that the voxels that constitute them do not belong to the tumor. Then, the contour image obtained previously is superimposed on the raw image so that the voxels of the background having the first binary value acquire the value of the corresponding voxels in the raw image. The other voxels constituting the outline of the regions retain their value acquired in step c). The superposition can also be done by a layer type display: on the raw image of voxels, is superimposed a vector image of the outlines. Thus, contours are no longer represented by voxels, but by lines. These are generated automatically: the x, y coordinates of the voxels of the previously obtained contour image are transformed into vectors to obtain a vector image that is superimposed on the raw image. This superposition mode is advantageous when the resolution of the images is low or when it is necessary to greatly enlarge the image. Indeed, the contours remain in the form of a thin line instead of being made of voxels larger and larger as the image grows.

Le procédé selon l'invention peut également comprendre, à l'issue de l'étape de traitement itératif, une étape -VI- d'affichage en trois dimensions de l'objet d'intérêt, obtenu par l'empilement des images générées à l'étape de traitement itératif. Dans l'exemple de réalisation décrit, cette étape -VI- d'affichage en trois dimensions de la tumeur, est obtenue par l'empilement des images binaires générées à l'étape -III- de mise en coïncidence spatiale. Cette étape d'affichage en trois dimensions permet d'étudier la structure spatiale de la tumeur. L'étape -VI- d'affichage de l'objet d'intérêt en trois dimensions comprend l'empilement des images binaires générées à l'étape -Il-, et la suppression des voxels de l'arrière-plan (ayant une première valeur binaire) afin de générer l'objet d'intérêt en volume. La représentation en trois dimensions peut être effectuée par 30 le calcul d'une isosurface obtenue par application d'un algorithme de type marching cubes au volume de données constitué des images binaires empilées (générées à l'étape ûIII-). Afin de vérifier que tous les voxels appartenant à la tumeur ont bien été pris en compte, l'étape d'affichage en trois dimensions comprend, de préférence, la superposition de la tumeur en volume à une image brute de la série. Cet affichage peut être fait de manière dynamique, c'est-à-dire que l'opérateur peut faire défiler les images brutes, selon leur rang dans la série, tout en conservant l'affichage de la tumeur en trois dimensions. Ainsi, l'utilisateur peut vérifier qu'une partie de la tumeur n'a pas été oubliée lors du traitement. Cet affichage est illustré en figure 20 où la tumeur en trois dimensions T est affichée en superposition sur une image Iä de la série. Des traitements complémentaires peuvent être apportés au procédé selon l'invention afin d'améliorer le criblage et la détection de l'objet d'intérêt dans les images brutes de la série. Ainsi, dans l'exemple de réalisation décrit, avant l'étape a), le procédé peut comprendre une étape préliminaire de filtrage de réduction du bruit des images brutes de la série. Ce bruit est illustré par des voxels de valeurs très différentes de celles des voxels représentant les objets du milieu et le milieu lui-même. Ce bruit se traduit par un chatoiement (ou speckie en anglais) de l'image plus ou moins important. Il est dû aux imperfections électroniques des capteurs du dispositif d'imagerie. À titre d'exemple, le filtre utilisé pour la réduction du bruit est un filtre NAGAO ou un filtre KUWAHARA. Le filtre NAGAO a montré une efficacité inattendue pour le traitement d'images IRM du crâne de patients pour la détection de tumeur cérébrale. En effet, lorsque ce filtre a été appliqué avant la mise en oeuvre du procédé de traitement selon l'invention, les résultats de la segmentation et de la coïncidence spatiale ont été notoirement améliorés. Par ailleurs, si l'objet d'intérêt est mal séparé du milieu et ou des objets qui l'entourent, malgré un filtrage de réduction de bruit et/ou un ajustement du criblage lors de l'étape a), le procédé selon l'invention peut comprendre une étape de séparation manuelle de l'objet d'intérêt et du reste de l'image. Cette étape peut être réalisée par la création, par l'utilisateur, d'une ligne de voxels entre l'objet et son entourage. De préférence, la ligne de voxels est affectée de la même valeur que celle des voxels de l'arrière-plan. L'objet n'est alors plus connecté aux objets qui l'entourent. The method according to the invention may also comprise, at the end of the iterative processing step, a step -VI- of three-dimensional display of the object of interest, obtained by the stacking of the images generated at the iterative processing step. In the exemplary embodiment described, this step -VI- three-dimensional display of the tumor, is obtained by stacking the binary images generated in step -III- of spatial coincidence. This three-dimensional display step makes it possible to study the spatial structure of the tumor. The step -VI- of displaying the object of interest in three dimensions comprises the stacking of the binary images generated in the step -Il-, and the suppression of the voxels of the background (having a first binary value) to generate the object of interest in volume. The three-dimensional representation may be performed by calculating an isosurface obtained by applying a cubic marching algorithm to the data volume consisting of the stacked binary images (generated in step ûIII-). In order to verify that all voxels belonging to the tumor have been taken into account, the three-dimensional display step preferably comprises superimposing the tumor in volume to a raw image of the series. This display can be done dynamically, that is to say that the operator can scroll the raw images, according to their rank in the series, while maintaining the display of the tumor in three dimensions. Thus, the user can verify that part of the tumor has not been forgotten during treatment. This display is illustrated in FIG. 20 where the three-dimensional tumor T is superimposed on an image Ia of the series. Complementary treatments can be made to the method according to the invention in order to improve the screening and the detection of the object of interest in the raw images of the series. Thus, in the embodiment described, before step a), the method may comprise a preliminary noise reduction filtering step of the raw images of the series. This noise is illustrated by voxels of values very different from those of the voxels representing the objects of the medium and the medium itself. This noise is reflected by a shimmer (or speckie in English) of the image more or less important. It is due to the electronic imperfections of the sensors of the imaging device. For example, the filter used for noise reduction is a NAGAO filter or a KUWAHARA filter. The NAGAO filter has shown unexpected efficacy in treating MRI images of the skull of patients for brain tumor detection. Indeed, when this filter was applied before the implementation of the treatment method according to the invention, the results of the segmentation and the spatial coincidence have been notoriously improved. Moreover, if the object of interest is poorly separated from the medium and or objects surrounding it, despite a noise reduction filtering and / or an adjustment of the screening during step a), the method according to invention may comprise a step of manual separation of the object of interest and the rest of the image. This step can be achieved by creating, by the user, a line of voxels between the object and his entourage. Preferably, the voxel line is assigned the same value as the voxels in the background. The object is no longer connected to objects around it.

Le procédé selon l'invention peut également comprendre des étapes de prétraitement visant à diminuer la quantité de calcul à effectuer, et donc à diminuer le temps de traitement des images. Ainsi, le procédé selon l'invention peut comprendre une étape dans laquelle l'utilisateur, après avoir visionné toutes les images brutes de la série, ne sélectionne que les images dans lesquelles apparaît l'objet d'intérêt. Ensuite, l'étape de criblage n'est réalisée que sur ce groupe d'images sélectionnées par l'utilisateur. Complémentairement ou alternativement, le procédé selon l'invention peut comprendre une étape de rognage des images brutes. Au cours de cette étape, l'utilisateur sélectionne, dans les images, au moins une zone d'intérêt dans laquelle apparaît l'objet d'intérêt. Ensuite, tous les voxels de l'image n'appartenant pas à cette zone d'intérêt sont soit mis à la valeur de l'arrière-plan, soit supprimés ce qui correspond à un redimensionnement de l'image. La zone d'intérêt doit être de taille suffisante pour que l'objet d'intérêt, ici la tumeur, soit entièrement représentée dans toutes les images de la série. Autrement dit, il ne faut pas que la fenêtre ait une taille et ou une position qui fasse que dans une des images de la série, une partie de la tumeur soit rognée. En pratique, l'utilisateur peut définir la zone d'intérêt en trois dimensions, sur les images brutes empilées, grâce à un volume d'intérêt . Le volume d'intérêt peut être de forme cubique ou elliptique, dimensionné et/ou positionné à l'aide de la souris. La position et les dimensions de ce volume d'intérêt permettent ensuite au système de supprimer tous les voxels qui ne sont pas compris dans le volume d'intérêt. Cette suppression peut être réalisée en redimensionnant les images ou en attribuant à ces voxels la valeur de l'arrière-plan. Selon l'invention, le procédé précédent est préférentiellement mis en oeuvre dans un système informatique comprenant une mémoire dans laquelle est chargé un logiciel mettant en oeuvre le procédé précédent. Ce système comprend également une mémoire de stockage des images brutes de la série, connectée à une unité de traitement desdites images, l'unité de traitement étant apte à mettre en oeuvre le logiciel. Cette unité de traitement est connectée à une mémoire de stockage, au moins temporaire, des images traitées par le procédé mis en oeuvre par unité traitement. Le système comprend également une interface d'affichage des images brutes et des images traitées par le procédé. Enfin, le système comprend un moyen de sélection, via l'affichage, d'au moins un voxel d'au moins une image affichée. Ce moyen de sélection est généralement une souris ou un pavé tactile. La mémoire comprenant le logiciel peut être soit une mémoire interne au système informatique, soit un support de données lisible ou utilisable par le système informatique tel qu'un CD-ROM, une clé USB, une mémoire interne d'un autre système informatique capable de communiquer avec le système informatique selon l'invention, etc. L'invention se rapporte également à un logiciel de mise en oeuvre du procédé décrit précédemment, ce logiciel étant enregistré sur un support lisible ou utilisable par un système informatique. The method according to the invention may also comprise pretreatment steps aimed at reducing the amount of calculation to be performed, and thus at reducing the processing time of the images. Thus, the method according to the invention may comprise a step in which the user, after having viewed all the raw images of the series, only selects the images in which the object of interest appears. Then, the screening step is performed only on this group of images selected by the user. Complementarily or alternatively, the method according to the invention may comprise a step of trimming the raw images. During this step, the user selects, in the images, at least one area of interest in which the object of interest appears. Then, all the voxels of the image not belonging to this area of interest are either set to the background value or deleted, which corresponds to a resizing of the image. The area of interest must be large enough for the object of interest, in this case the tumor, to be fully represented in all the images in the series. In other words, the window must not have a size and / or a position that in one of the images in the series, part of the tumor is cropped. In practice, the user can define the area of interest in three dimensions, on the stacked raw images, thanks to a volume of interest. The volume of interest can be of cubic or elliptical shape, dimensioned and / or positioned using the mouse. The position and dimensions of this volume of interest then allow the system to remove all voxels that are not included in the volume of interest. This deletion can be done by resizing the images or by assigning these voxels the value of the background. According to the invention, the preceding method is preferably implemented in a computer system comprising a memory in which is loaded a software implementing the above method. This system also includes a storage memory of the raw images of the series, connected to a processing unit of said images, the processing unit being able to implement the software. This processing unit is connected to a storage memory, at least temporary, images processed by the method implemented per processing unit. The system also includes an interface for displaying raw images and images processed by the method. Finally, the system comprises means for selecting, via the display, at least one voxel of at least one displayed image. This selection means is generally a mouse or a touchpad. The memory comprising the software can be either a memory internal to the computer system, or a data medium readable or usable by the computer system such as a CD-ROM, a USB key, an internal memory of another computer system capable of communicate with the computer system according to the invention, etc. The invention also relates to a software implementation of the method described above, this software being recorded on a support readable or usable by a computer system.

Claims (26)

REVENDICATIONS1. Procédé de mesure du volume d'un objet d'intérêt (2) situé dans un milieu (1) comprenant une pluralité d'objets (3), à partir d'une série d'images brutes (In) de N coupes de ce milieu (1), chaque image étant constituée de voxels de résolution spatiale déterminée, les objets (2, 3), le milieu (1) et de l'arrière-plan (4) de ce milieu, étant représentés par des ensembles de voxels contigus appelés régions , la valeur de chaque voxel, comprise dans un intervalle de valeurs déterminé, étant représentative de l'intensité de réponse à un signal des objets (2, 3), du milieu (1) et de l'arrière- plan (4) de ce milieu, caractérisé en ce qu'il comprend : - une étape de criblage de chaque image brute (In) de la série, indépendamment les unes des autres, mettant en oeuvre un crible, pour isoler un groupe de voxels répartis en plusieurs régions, au moins l'une d'elles représentant l'objet d'intérêt (2), cette étape générant une série d'images criblées ; - une étape de traitement itératif, image par image, des images criblées précédemment, à partir d'une image criblée de référence dans laquelle l'objet d'intérêt (2) est sélectionné, une image en cours de traitement étant traitée en fonction d'une image prise parmi l'image la précédant ou l'image la suivant dans la série, pour isoler, dans chaque image en cours de traitement, ledit objet d'intérêt (2), cette étape générant des images traitées ne comprenant que ledit objet d'intérêt (2) ; - une étape de sommation des voxels représentant l'objet d'intérêt (2) des images traitées à l'étape précédente, puis de multiplication du nombre de voxels obtenu par leur résolution spatiale pour obtenir le volume de l'objet d'intérêt (2) ; - une étape d'affichage sur une interface ou de stockage dans une mémoire, de la valeur du volume mesuré. REVENDICATIONS1. Method for measuring the volume of an object of interest (2) located in a medium (1) comprising a plurality of objects (3), from a series of raw images (In) of N sections of this medium (1), each image being constituted by voxels of determined spatial resolution, the objects (2, 3), the medium (1) and the background (4) of this medium being represented by sets of voxels contiguous regions, the value of each voxel, within a given range of values, being representative of the signal response intensity of the objects (2, 3), the medium (1) and the background ( 4) of this medium, characterized in that it comprises: - a step of screening each raw image (In) of the series, independently of each other, using a sieve, to isolate a group of voxels distributed in several regions, at least one of them representing the object of interest (2), this step generating a series of screened images; an iterative image-by-image processing step, of previously screened images, from a reference screened image in which the object of interest (2) is selected, an image being processed being processed as a function of an image taken from the image preceding it or the image following it in the series, to isolate, in each image being processed, said object of interest (2), this step generating processed images comprising only said object of interest (2); a step of summing the voxels representing the object of interest (2) of the images processed in the preceding step, then multiplying the number of voxels obtained by their spatial resolution to obtain the volume of the object of interest ( 2); a step of displaying on an interface or storage in a memory, of the value of the measured volume. 2. Procédé de mesure selon la revendication 1, dans lequel l'étape de criblage de chaque image brute de la série de N images est réalisée par une étape -I- de segmentation de chaque image brute, comprenant les étapes suivantes :a) procéder à un criblage, de telle sorte que les voxels ayant une valeur non comprise dans le crible soient affectés d'une première valeur binaire, et que les voxels de l'image correspondant à l'objet d'intérêt ne soient pas contigus avec des voxels correspondant à d'autres objets du milieu, puis b) procéder à une binarisation pour que les voxels ayant une valeur comprise dans le crible soient affectés d'une seconde valeur binaire, puis c) procéder à un étiquetage des régions constituées par des voxels contigus de seconde valeur binaire pour leur affecter une valeur arbitraire, différente pour chaque région ; 2. Measuring method according to claim 1, wherein the step of screening each raw image of the series of N images is performed by a step -I- of segmentation of each raw image, comprising the following steps: a) proceeding to a screening, such that the voxels having a value not included in the sieve are assigned a first binary value, and that the voxels of the image corresponding to the object of interest are not contiguous with voxels corresponding to other objects in the middle, then b) binarizing so that the voxels having a value included in the sieve are assigned a second binary value, then c) proceed to a labeling of the regions constituted by contiguous voxels of second binary value to assign them an arbitrary value, different for each region; 3. Procédé de mesure selon l'une quelconque des revendications 1 ou 2, comprenant une étape -Il- d'affichage des images obtenues à l'étape de criblage de chaque image brute. 3. Measuring method according to any one of claims 1 or 2, comprising a step -Il- display images obtained in the screening step of each raw image. 4. Procédé de mesure selon l'une quelconque des revendications 1 à 3, dans lequel l'étape de traitement itératif est réalisée par une étape -III- de mise en coïncidence spatiale des images criblées, comprenant les étapes suivantes : d) choisir l'image criblée, cette image étant de rang n ; e) sélectionner, dans l'image de référence, la ou les région(s) de voxels correspondant à l'objet d'intérêt, et procéder à une binarisation de l'image de telle sorte que seuls les voxels de la ou les région(s) sélectionnée(s) soit affectés d'une seconde valeur binaire, les autres étant affectés d'une première valeur binaire, pour obtenir une image binaire de référence de rang n ; f) effectuer un traitement croissant comprenant les étapes suivantes : f1) sélectionner l'image de rang n+1 suivant, dans la série, l'image de référence de rang n ; f2) réaliser une convolution de l'image binaire de référence de rang n et de l'image de rang n+1 sélectionnée à l'étapefi), pour fabriquer une image de convolution dans laquelle sont représentés les voxels communs entre ces deux images ; f3) à partir de l'image de rang n+1 sélectionnée à l'étape f1) et de l'image de convolution, réaliser une image binaire de rang n+1 comprenant les régions de l'image de rang n+1 sélectionnée à l'étape f1) ayant au moins un voxel en commun avec l'image binaire de référence de rang n ; f4) prendre l'image binaire de rang n+1 réalisée à l'étape f3) précédente comme nouvelle image de référence ; f5) recommencer le traitement selon les étapes f1) à f4) en incrémentant le rang des images jusqu'à ce que le résultat de la convolution soit nul ; effectuer un traitement décroissant comprenant les étapes suivantes : g1) sélectionner l'image de rang n-1 précédant, dans la série, l'image de référence de rang n ; g2) réaliser une convolution de l'image binaire de référence de rang n et de l'image de rang n-1 sélectionnée à l'étape 20 g1), pour fabriquer une image de convolution dans laquelle sont représentés les voxels communs entre ces deux images ; g3) à partir de l'image de rang n-1 sélectionnée à l'étape g1) et de l'image de convolution, réaliser une image binaire de 25 rang n-1 comprenant les régions de l'image de rang n-1 sélectionnée à l'étape g1) ayant au moins un voxel en commun avec l'image binaire de référence de rang n ; g4) prendre l'image binaire de rang n-1 réalisée à l'étape g3) précédente comme nouvelle image de référence ; 30 g5) recommencer le traitement selon les étapes g1) à g4) en décrémentant le rang des images jusqu'à ce que le résultat de la convolution soit nul ; 10 g) 15les étapes f) et g) étant effectuées successivement, dans n'importe quel ordre, ou simultanément, en partant de l'image de référence de rang n. 4. Measuring method according to any one of claims 1 to 3, wherein the iterative processing step is performed by a step -III- of spatially coinciding the screened images, comprising the following steps: d) select the sifted image, this image being of rank n; e) select, in the reference image, the region (s) of voxels corresponding to the object of interest, and binarize the image so that only the voxels of the region or regions (s) selected or assigned a second binary value, the others being assigned a first binary value, to obtain a reference binary image of rank n; f) performing an increasing processing comprising the following steps: f1) selecting the image of rank n + 1 following, in the series, the reference image of rank n; f2) convolving the reference binary image of rank n and the image of rank n + 1 selected in step f), to produce a convolution image in which are represented the common voxels between these two images; f3) from the image of rank n + 1 selected in step f1) and the convolution image, make a binary image of rank n + 1 comprising the regions of the image of rank n + 1 selected in step f1) having at least one voxel in common with the reference bit image of rank n; f4) taking the binary image of rank n + 1 made in the previous step f3) as a new reference image; f5) restarting the processing according to steps f1) to f4) by incrementing the rank of the images until the result of the convolution is zero; performing a descending processing comprising the following steps: g1) selecting the image of rank n-1 preceding, in the series, the reference image of rank n; g2) convolving the reference binary image of rank n and the n-1 rank image selected in step g1), to produce a convolution image in which are represented common voxels between these two images; g3) from the n-1 image selected in step g1) and the convolution image, making a n-1 rank binary image comprising the regions of the n-1 rank image selected in step g1) having at least one voxel in common with the reference bit image of rank n; g4) taking the binary image of rank n-1 performed in the preceding step g3) as a new reference image; G5) restarting the processing according to steps g1) to g4) by decrementing the rank of the images until the result of the convolution is zero; G) the steps f) and g) being performed successively, in any order, or simultaneously, starting from the reference image of rank n. 5. Procédé de mesure selon la revendication 4, dans lequel l'étape de sommation est mise en oeuvre par une addition des voxels affectés d'une seconde valeur binaire dans l'ensemble des images binaires obtenues par les étapes d) à g). 5. Measuring method according to claim 4, wherein the summing step is carried out by adding the voxels assigned a second binary value in the set of binary images obtained by steps d) to g). 6. Procédé selon l'une quelconque des revendications 1 à 5, comprenant, en outre, une étape -VI- d'affichage en trois dimensions de l'objet d'intérêt, obtenu par l'empilement des images générées à l'étape de traitement itératif. 6. Method according to any one of claims 1 to 5, further comprising a step -VI- three-dimensional display of the object of interest, obtained by stacking the images generated in step iterative treatment. 7. Procédé selon la revendication 6 lorsqu'elle dépend de la revendication 4, dans lequel l'étape -VI- d'affichage comprend les étapes suivantes : -VI-1) empilement des images binaires générées à l'étape -III- de mise en coïncidence spatiale et suppression des voxels de première valeur binaire pour générer l'objet d'intérêt en volume -VI-2) superposition de l'objet d'intérêt en volume à une image brute de la série. The method of claim 6 when dependent on claim 4, wherein the -VI- display step comprises the following steps: -VI-1) stacking the binary images generated in step -III- of spatially coinciding and removing the voxels of first binary value to generate the object of interest in volume -VI-2) superposition of the object of interest in volume to a raw image of the series. 8. Procédé selon l'une quelconque des revendications 2 à 7, dans lequel l'étape a) est précédée d'une étape a) de détection des contours des objets compris dans le milieu, à l'aide d'un filtre détecteur de contours. 8. A method according to any one of claims 2 to 7, wherein step a) is preceded by a step a) of detecting the contours of the objects included in the medium, with the aid of a detector filter. contours. 9. Procédé selon l'une quelconque des revendications 2 à 8, comprenant, en outre, entre l'étape b) et l'étape c), une étape 13) 25 d'homogénéisation des régions de chaque image. 9. A method according to any one of claims 2 to 8, further comprising, between step b) and step c), a step 13) of homogenizing the regions of each image. 10. Procédé selon la revendication 9, dans lequel l'étape [3) d'homogénéisation comprend les étapes suivantes : X31) réaliser une inversion binaire de l'image binaire obtenue à l'étape b), de manière à inverser les valeurs des voxels, ceux étant 30 affectés d'une première valeur binaire acquérant la seconde 37 valeur binaire, ceux étant affectés de la seconde valeur binaire acquérant la première valeur binaire ; [32) procéder à un étiquetage des régions constituées par des voxels contigus pour leur affecter une valeur arbitraire, différente pour chaque région ; (33) affecter la première valeur binaire aux voxels de la région de l'arrière-plan de l'image, cette région étant identifiée comme celle comprenant au moins un des quatre voxels formant un sommet de l'image ; 134) effectuer une binarisation de l'image obtenue à l'étape précédente, de sorte que les voxels de la première valeur binaire conservent leur valeur, et que les voxels de valeur différente de la première valeur binaire acquièrent la seconde valeur binaire ; (35) procéder à une opération logique binaire de type OU entre l'image obtenue à l'étape b) et l'image obtenue à l'étape (34) pour générer une image binaire comprenant tous les voxels de seconde valeur binaire de ces deux images, les autres voxels étant de première valeur binaire. The method of claim 9, wherein the step [3) of homogenizing comprises the following steps: X31) performing a binary inversion of the binary image obtained in step b), so as to invert the values of the voxels, those being assigned a first binary value acquiring the second binary value, those being assigned the second binary value acquiring the first binary value; [32] to label the regions consisting of contiguous voxels to assign them an arbitrary value, different for each region; (33) assigning the first binary value to the voxels of the background region of the image, which region is identified as that comprising at least one of the four voxels forming an apex of the image; 134) binarizing the image obtained in the preceding step, so that the voxels of the first binary value retain their value, and the voxels of different value from the first binary value acquire the second binary value; (35) performing an OR-type binary logical operation between the image obtained in step b) and the image obtained in step (34) to generate a binary image including all voxels of second binary value of these two images, the other voxels being of first binary value. 11. Procédé selon la revendication 10, dans lequel l'étape (3) d'homogénéisation comprend, en outre, avant l'étape (31), une étape 130) de création d'une ligne verticale ou horizontale de voxels affectés de la même valeur que celle des voxels de l'arrière-plan, la ligne étant disposée pour séparer le milieu en deux parties tout en conservant l'intégrité de la région de voxels de l'objet d'intérêt. The method of claim 10, wherein the step (3) of homogenizing further comprises, prior to step (31), a step 130) of creating a vertical or horizontal line of voxels affected by the same value as the voxels in the background, the line being arranged to separate the medium into two parts while maintaining the integrity of the voxel region of the object of interest. 12. Procédé selon l'une quelconque des revendications 2 à 11, comprenant, après l'étape c), une étape y) de filtrage de chaque image pour supprimer les régions comprenais: un nombre de voxel inférieur à un effectif minimum. 12. A method according to any one of claims 2 to 11, comprising, after step c), a step y) of filtering each image to suppress the regions included: a voxel number less than a minimum size. 13. Procédé selon l'une quelconque des revendications 3 à 12, dans lequel l'étape -Il- d'affichage comprend une étape de superposition de l'image obtenue à l'étape précédant l'étape -II- à l'image brute, de sorteque les voxels de première valeur binaire de l'image obtenue à l'étape précédant l'étape -II- acquièrent la valeur des voxels correspondant dans l'image brute, les autres voxels conservant leur valeur arbitraire, acquise à l'étape c). The method according to any one of claims 3 to 12, wherein the display step comprises a step of superimposing the image obtained in the step preceding the step -II- in the image. so that the voxels of first binary value of the image obtained in the step preceding step -II- acquire the value of the corresponding voxels in the raw image, the other voxels retaining their arbitrary value, acquired at the step c). 14. Procédé selon la revendication 13, dans lequel l'étape -Il- comprend les étapes suivantes : -II-1) traiter l'image obtenue à l'étape précédant l'étape -Il- afin de ne conserver que les voxels formant le contour de chaque région, les autres voxels étant mis à la première valeur binaire -H-2) superposer l'image obtenue à l'étape -II-1) à l'image brute, de sorte que les voxels de première valeur binaire de l'image obtenue à l'étape -II-1) acquièrent la valeur des voxels correspondant dans l'image brute, les autres voxels conservant leur valeur arbitraire, acquise à l'étape c). 14. The method of claim 13, wherein the step -Il- comprises the following steps: -II-1) treat the image obtained in the step preceding step -Il- so as to keep only the voxels forming the contour of each region, the other voxels being set to the first binary value -H-2) superimpose the image obtained in step -II-1) to the raw image, so that the voxels of first binary value of the image obtained in step -II-1) acquire the value of the corresponding voxels in the raw image, the other voxels retaining their arbitrary value, acquired in step c). 15. Procédé selon l'une quelconque des revendications 4 à 14, comprenant, en outre, entre les étapes f2) et f3), et entre les étapes g2) et g3), une étape de filtrage de l'image de convolution pour y supprimer les régions de l'image de rang n+1 sélectionnée à l'étape fi), et/ou de rang n-1 sélectionnée à l'étape g1), ayant un nombre inférieur à l'effectif déterminé. The method of any one of claims 4 to 14, further comprising, between steps f2) and f3), and between steps g2) and g3), a step of filtering the convolution image for delete the regions of the image of rank n + 1 selected in step fi), and / or rank n-1 selected in step g1), having a number less than the determined number. 16. Procédé selon la revendication 15, dans lequel l'étape de filtrage est réalisée par un seuillage. 16. The method of claim 15, wherein the filtering step is performed by thresholding. 17. Procédé selon la revendication 15, dans lequel l'étape de filtrage est réalisée par une érosion morphologique. 17. The method of claim 15, wherein the filtering step is performed by morphological erosion. 18. Procédé selon la revendication 15, dans lequel l'étape de filtrage est réalisée par une comparaison du nombre de voxels des régions dans l'image de convolution par rapport à l'effectif des régions correspondantes dans de l'image de rang n+1 sélectionnée à l'étape f1) et/ou dans l'image de rang n-1 sélectionnée à l'étape g1). 18. The method of claim 15, wherein the filtering step is performed by comparing the number of voxels of the regions in the convolution image with respect to the number of corresponding regions in the n + rank image. 1 selected in step f1) and / or in the image of rank n-1 selected in step g1). 19. Procédé selon l'une quelconque des revendications 2 à 18, comprenant, avant l'étape a), une étape préliminaire de filtrage deréduction de bruit des images brutes de la série. 19. A method according to any one of claims 2 to 18, comprising, before step a), a preliminary step of filtering noise reduction of the raw images of the series. 20. Procédé selon la revendication 19, dans lequel l'étape de filtrage de réduction de bruit est réalisée par un filtre pris parmi le filtre NAGAO et le filtre KUWAHARA. The method of claim 19, wherein the noise reduction filtering step is performed by a filter taken from the NAGAO filter and the KUWAHARA filter. 21. Procédé selon l'une quelconque des revendications 2 à 20, comprenant, avant l'étape a), une étape de séparation manuelle de l'objet d'intérêt et du milieu et/ou des objets qui l'entourent par la création d'une ligne de voxels affectés de la même valeur que celle des voxels de l'arrière-plan. 21. Method according to any one of claims 2 to 20, comprising, before step a), a step of manual separation of the object of interest and the environment and / or objects that surround it by creating a row of voxels assigned the same value as that of the voxels in the background. 22. Procédé selon l'une quelconque des revendications 2 à 21, comprenant, avant l'étape a), une étape dans laquelle l'utilisateur, après avoir visionné toutes les images brutes, ne sélectionne que les images dans lesquelles apparaît l'objet d'intérêt. 22. Method according to any one of claims 2 to 21, comprising, before step a), a step in which the user, after viewing all the raw images, selects only the images in which the object appears. interest. 23. Procédé selon l'une quelconque des revendications 2 à 22, comprenant, avant l'étape a), une étape de rognage des images brutes, comprenant une sélection, dans les images, d'au moins une zone d'intérêt dans laquelle apparaît l'objet d'intérêt, et un redimensionnement des images à partir de l'image comprenant la ou les zones d'intérêt les plus étendues. The method according to any one of claims 2 to 22, comprising, before step a), a step of trimming the raw images, comprising a selection, in the images, of at least one area of interest in which the object of interest appears, and a resizing of the images from the image including the area or areas of greatest interest. 24. Système informatique de mesure du volume d'un objet d'intérêt situé dans un milieu comprenant une pluralité d'objets, à partir d'une série d'images brutes de N coupes de ce milieu, caractérisé en ce qu'il comprend : - une mémoire comprenant un logiciel mettant en oeuvre le procédé selon l'une quelconque des revendications 1 à 23, une mémoire de stockage des images brutes de la série, connectée à - une unité de traitement desdites images stockées dans la mémoire, l'unité de traitement étant apte à mettre en oeuvre le logiciel, connectée à - une mémoire de stockage des images traitées par le procédé mis 40 en oeuvre par l'unité de traitement, connectée à - une interface d'affichage des images brutes et des images traitées par le procédé mis en oeuvre par l'unité de traitement, et - un moyen de sélection via l'interface, d'au moins un voxel d'au moins une image affichée. 24. Computer system for measuring the volume of an object of interest located in a medium comprising a plurality of objects, from a series of raw images of N sections of this medium, characterized in that it comprises a memory comprising a software implementing the method according to any one of claims 1 to 23, a storage memory of the raw images of the series, connected to a processing unit of said images stored in the memory, processing unit being able to implement the software, connected to a storage memory of the images processed by the method implemented by the processing unit, connected to an interface for displaying the raw images and images processed by the method implemented by the processing unit, and - a selection means via the interface, at least one voxel of at least one displayed image. 25. Système informatique selon la revendication 24, dans lequel la mémoire comprenant le logiciel est prise dans le groupe constitué par une mémoire interne au système informatique et un support de donné lisible ou utilisable par le système informatique. 25. The computer system of claim 24, wherein the memory comprising the software is taken from the group consisting of a memory internal to the computer system and a data carrier readable or usable by the computer system. 26. Support lisible ou utilisable par un système informatique, sur lequel est enregistré un logiciel de mise en oeuvre du procédé selon l'une quelconque des revendications 1 à 23. 26. Support readable or usable by a computer system, on which is recorded software implementation of the method according to any one of claims 1 to 23.