Aujourd’hui, la quasi-totalité des images médicales est disponible sous forme numérique. Une telle image peut être une simple représentation 2D (radiographie numérique), une représentation 3D spatiale (ensemble d’images 2D d’un volume, par exemple une IRM d’un cerveau), ou 2D + temps (évolution au cours du temps de la perfusion d’un produit de contraste dans un organe), ou encore à n dimensions, lorsque les pixels de l’image sont décrits par n valeurs (imagerie multispectrale). Dans tous les cas, une image médicale n’est donc rien d’autre qu’un tableau (ou matrice) à n dimensions. Une case de ce tableau est appelée pixel (en 2D) ou voxel (en 3D).
Les mathématiques, naturellement
--------------------------------
Si l’utilisation des informations portées par les images repose en grande partie sur l’expérience et les connaissances du médecin, force est de constater que le volume et la qualité des images obtenues ne permettent pas d’exploiter de manière optimale ces données : la visualisation reste 2D (sur un écran ou un film photographique) et parfois partielle, et peu ou pas d’évaluations quantitatives sont possibles à partir de l’expertise humaine, qui sont pourtant nécessaires pour une bonne analyse du problème clinique étudié. La représentation sous forme de matrice engage alors tout naturellement à aborder le traitement des images médicales à l’aide d’outils mathématiques. Un large spectre est alors utilisé, depuis la géométrie jusqu’aux équations aux dérivées partielles, en passant par l’algèbre linéaire, les statistiques ou les probabilités.
Les outils développés s’intègrent à la fois dans le processus d’acquisition des images, dans les besoins de modélisation, de traitement et d’extraction d’informations. Les logiciels de manipulation de ces images, utilisés en routine clinique, nécessitent également le développement d’outils de visualisation adaptés.
