Traitement dimages mdicales pour la planification, la simulation et laide intra-opratoire des actes chirurgicaux. Luc Soler1, N. Ayache 2, S.

Nicolau1,2, X. Pennec2, C. Forest1,2, H. Delingette 2, Jacques Marescaux1 IRCAD/EITS, 1 place de lhpital, 67091 Strasbourg EPIDAURE Project, INRIA Sophia Antipolis, 2004 Route des Lucioles, 06902 Sophia Antipolis Mots cls : Segmentation, Simulation, Ralit augmente, Imagerie mdicale. Accroche : Nous prsentons nos derniers rsultats de reconstruction 3D du patient, de simulation chirurgicale raliste et de vue en transparence virtuelle du patient applique aux oprations chirurgicales de lappareil digestif. Lessentiel : Le traitement dimages mdicales a permis une amlioration sensible de la prise en charge du patient. La modlisation 3D du patient partir de son image TDM ou IRM permet ainsi de mieux planifier lacte chirurgical. La simulation quant elle offre la possibilit de sentraner au geste avant de le raliser. Enfin, la ralit augmente donne au chirurgien une vue en transparence de son patient qui permettra demain dobtenir une automatisation des gestes les plus complexes. Synopsis : Medical image processing led to a major improvement of patient care. The 3D modeling of patients from their CT-scan or MRI thus allows a better surgical planning. Simulation offers the opportunity to train the surgical gesture before carrying it out. And finally, augmented reality provides surgeons with a view in transparency of their patient, which in the future will allow to obtain automation of the most complex gestures. Introduction Au cours du XXme sicle, la mdecine a vu lapparition dun nouvel outil qui la rvolutionne : limagerie mdicale 3D IRM (Imagerie par Rsonance Magntique) ou TDM (TomoDensitoMtrie). Elle offre une srie de plans 2D du patient dont lintensit des pixels reprsente une proprit physique diffrente selon les caractristiques des tissus concerns. Cependant, si les techniques dacquisition voluent chaque jour, la lecture et la comprhension des images restent souvent un art difficile matriser. Les progrs raliss en technologie informatique ont permis de rsoudre en partie les difficults de lecture en traduisant linformation contenue dans limage sous la forme dune image 3D ou 4D (cest--dire 3D + le temps). Le patient virtuel, reconstruit partir dune image mdicale, doit tre prcis et fiable et le logiciel de reconstruction doit tre d'utilisation conviviale et rapide Grce une meilleure connaissance pr-opratoire de lanatomie interne dun patient, les mdecins sont aujourdhui en mesure dtablir un meilleur diagnostic et de mieux planifier la thrapie la plus approprie un cas donn. La modlisation 3D du patient est ainsi gnralement utilise dans des outils daide au diagnostic ou de planification opratoire. Lautre utilisation rside dans le suivi temporel des patients permettant de visualiser plus facilement lefficacit dune thrapie. La simulation opratoire par contre reste aujourdhui limite des modles virtuels sans exploiter rellement les donnes mdicales des patients. Ainsi, aucun simulateur commercial ne permet aujourdhui de simuler un acte sur un patient virtuel reconstruit partir de son image mdicale. Pourtant, il sagit l dune recherche majeure qui permettrait de rduire sensiblement les erreurs mdicales par un meilleur entranement pr-opratoire sur une copie conforme du patient opr. A lutilisation pr-opratoire des modlisations 3D du patient sajoute enfin lutilisation per-opratoire qui permet damliorer le geste chirurgical. Dans ce domaine, la ralit augmente propose doffrir un guidage plus efficace du geste opratoire superposant au patient les informations pr-opratoire

(modlisation 3D du patient, planification du placement des outils chirurgicaux ou des trajectoires). La majorit de ces applications a t dveloppe en neurochirurgie et en orthopdie du fait de la fiabilit des repres osseux non mobiles qui permettent de recaler plus facilement le patient virtuel sur le patient rel. Les rares travaux raliss sur la rgion abdominale noffrent alors quune prcision relativement faible dans les informations fournies du fait des mouvements possibles des organes en fonction de la respiration. Afin de dpasser les limites de lanalyse 3D des images mdicales, de la simulation pr-opratoire, et de la ralit augmente sur les organes et pathologies de lappareil digestif, nous dveloppons depuis 8 ans un ensemble doutils dont lobjectif sera de fournir aux chirurgiens de lappareil digestif une aide aussi bien avant que pendant lacte chirurgical. Ce sont ces outils que nous prsentons ici.

I.

Modlisation 3D des organes et planification opratoire.

La reconstruction 3D dun patient partir dune image mdicale TDM ou IRM est lun des axes principaux de la recherche en traitement dimages mdicales. La majorit des systmes permettent la reconstruction des structures anatomiques et pathologiques partir de systmes interactifs quelques exceptions prs, qui proposent des systmes automatiques permettant une vritable utilisation en routine clinique o le temps de traitement se doit dtre minimal. Lappareil digestif est lune des rgions les plus complexes analyser compte tenu du grand nombre dorganes mous voisins ayant une densit proche les uns des autres. Dans le cas du foie, principal organe de lappareil digestif, les radiologues utilisent couramment des images tomodensitomtriques (TDM) ralises au temps portal 60 secondes aprs injection dun produit de contraste en intraveineuse. Ces images permettent en effet de visualiser les tumeurs hpatiques, hypodenses dans les images, les vaisseaux contrasts en clair, ainsi que le foie qui possde alors un niveau de gris intermdiaire mais gnralement suprieur aux organes voisins les plus proches. Malgr ces variations visibles dans limage, la dlimitation du foie reste une procdure trs complexe du fait de sa trs grande variabilit de localisation et de forme (sa densit moyenne pouvant varier de 70 HU 150 HU). Plusieurs auteurs ont proposs de dlimiter le contour du foie par des mthodes automatiques [1-7], ou semi-automatiques [8-11]. La majorit dentre eux utilisent alors des modles dformables soit pour dlimiter directement les structures [2,4,7,8,9], soit pour amliorer un rsultat provenant dune mthode de dlimitation pralable [3]. Les autres techniques utilisent les seuillages et les oprateurs de morphologie mathmatique pour raliser cette dlimitation [3,6,7,10] ou des oprateurs parfois plus complexes fonds sur des mthodes de filtrages base de gradient [1, 11]. Ces diffrentes techniques fournissent en gnral de bons rsultats mais peuvent galement tre mise en dfaut dans quelques cas particuliers. Cest le cas des patients qui prsentent de multiples petites tumeurs sombres pour les mthodes base de seuillage et doprateurs morphologiques, les mthodes base de modle dformable leur tant alors suprieures. A linverse, lorsque le patient possde un foie ayant une forme atypique trop loigne de la forme classique dun foie, une mthode fonde sur un seuillage fournira alors gnralement un bien meilleur rsultat quune mthode base de modle dformable. Enfin, et ce quelle que soit la mthode, les patients prsentant de larges tumeurs hypodenses situes la priphrie du foie mettront en dfaut les diffrentes techniques. Nous avons dvelopp une mthode originale [12] qui dtecte le parenchyme sain et le parenchyme atteint de tumeurs partir des techniques dveloppes dans les travaux de Bae et al. [6]. Pour parvenir un rsultat fiable et automatique nous avons ajout la segmentation pralable des organes voisins. Nous obtenons ainsi une mthode plus performante et toujours automatique qui fournit en 15 minutes partir dune image TDM de 2 mm dpaisseur ralise 60 secondes aprs injection du produit de

contraste : la peau, les os, les poumons, la rgion du cur, laorte, la rate, les reins, la vsicule biliaire, le foie, la veine porte et les tumeurs hpatiques ds 5 mm de diamtre [12]. Afin dexploiter cette reconstruction, nous avons galement dvelopp un systme de planification chirurgicale [13] fonctionnant sur un simple ordinateur multimdia. En effet, la dlimitation de chaque organe nous permet de dduire pour chacun deux un maillage triangulaire de petite dimension et de lafficher sur toute carte 3D compatible avec le standard OPEN GL. Outre la visualisation 3D des structures dlimites et modlises, ce systme permet de mettre en transparence chaque structure, dinteragir sur celles-ci, de naviguer nimporte o et ainsi de simuler tout type de clioscopie (laparoscopie [13], fibroscopie [13], colonoscopie [14], cholangioscopie [15]). Il permet galement de raliser des rsections virtuelles dfi nies par des plans de coupe placs interactivement et de fournir le volume de toutes les structures visualises (figure 1). Du fait de sa compatibilit avec les standards actuels, ce systme peut-tre utilis sur un ordinateur portable quip dune carte graphique 3D et ainsi tre utilis durant lacte pour amliorer le contrle du geste ralis.

Figure 1 : Reconstruction 3D dun patient partir de ses images mdicales et utilisation clinique des outils de planification chirurgicale au bloc opratoire.

II.

Simulation opratoire.

La simulation chirurgicale a connu un essor trs important ces dernires annes du fait de larrive de la chirurgie mini-invasive. Cette chirurgie consiste oprer un patient par lintermdiaire dinstruments longs plongs dans le corps du patient, en regardant un cran reli une camra visualisant lintrieur de la cavit opre. Une telle chirurgie offrait donc un terrain de dveloppement propice la simulation, puisquil est possible de remplacer limage de la camra par une image virtuelle du patient. De mme, le chirurgien oprant par lintermdiaire dinstruments, il est galement possible de relier ces instruments des systmes motoriss reproduisant la sensation haptique du retour de forces. Le premier simulateur de ce type est le Minimally Invasive Surgery Trainer (MIST), dvelopp ds 1995 par la socit Virtual Presence Ltd et commercialis aujourdhui par la socit Mentice (www.mentice.com). Depuis cette date, un grand nombre dentreprises se sont lances dans la simulation de chirurgie. Des simulateurs darthroscopie permettant dinteragir avec un environnement rigide existant, par exemple, chez Mentice (www.mentice.com) ou Boston Dynamics (www.bdi.com/Virtual_Surgery.html). Certains produits proposent des modles dformables, gnralement surfaciques. Le modle de dformation le plus utilis est le modle masse-ressort, du fait de sa simplicit de mise en uvre. Si elle est propose, la dcoupe ne concerne que les organes surfaciques. Lopration la plus souvent simule est la cholcystectomie, disponible sur le LapChole de la socit Xitact (www.xitact.com), le LapSim de Surgical Science (www.surgical-science.com) le LapMentor de la socit Simbionix (www.simbionix.co.il), ou encore le RLT de ReachIn (www.reachin.se) (voir figure 2).

Certaines de ces compagnies ont dvelopp des plates-formes matrielles utilisables aussi bien lors de la simulation doprations de chirurgie abdominale que gyncologique ou arthroscopique, les diffrents scnarios sont alors disponibles sous forme de modules spars. Le rendu visuel de plus en plus raliste, du fait de lutilisation de textures obtenues partir dimages relles, et les progrs dans les mcanismes de retour deffort ont permis ces produits dacqurir une certaine maturit (figure 2). Tous ces simulateurs proposent des exercices dapprentissage permettant dapprendre les gestes lmentaires. La pdagogie suit alors une logique de formation tape par tape permettant au final la ralisation dun geste plus complexe incluant une notation.

Figure 2 : Des vues du LapChole de Xitact, du LapMentor de Simbionix et du LapSim de Surgical Science (sources : www.xitact.com, www.simbionix.co.il et www.surgical-sciences.com)

Bien quattractifs, ces simulateurs nen restent cependant pas moins limits la simulation de modles virtuels limits et dfinis dans une base de donne fixe. Ils nexploitent ainsi en aucun cas la reconstruction 3D des patients ralisable partir de limage mdicale et ne permettent pas de prparer un acte chirurgical sur une copie du patient. De plus, ces simulateurs noffrent pas la possibilit de dcouper un organe volumineux comme le foie et se limitent en fait lapprentissage de gestes lmentaires. A partir des modlisations 3D du patient, nous proposons de raliser un simulateur raliste permettant de prparer et simuler une intervention chirurgicale avant de la pratiquer rellement [16]. Notre objectif est ainsi de raliser et valider un simulateur extrmement raliste pour la chirurgie laparoscopique du foie, incluant une modlisation physique et visuelle raliste des organes, un retour deffort temps rel, et la possibilit de modifier la topologie du patient par des rsections larges ralises dans nimporte quelle rgion du patient reconstruit. Afin de raliser un tel simulateur, il est important de reproduire les sensations lies la ralisation des gestes chirurgicaux. La premire version, dcrite dans [17], permettait uniquement la simulation des principaux gestes chirurgicaux de prhension et rsection par lapplication dun bistouri lectrique. Dans lobjectif damliorer la qualit visuelle du simulateur, nous avons travaill sur laspect raliste de la rgion dcoupe, en ajoutant une rgnration locale du maillage qui fournit ainsi une bonne simulation dune rsection par ultrason (figure 3 et [18]). Loriginalit de cette mthode rside dans le maintient de la varit du maillage [18,19]. Cette proprit est importante parce quelle nous permet de calculer la normale chaque sommet de la surface du maillage et ainsi damliorer la stabilit de linteraction haptique. Dautre part, cette proprit nous permet dutiliser une structure de donne simplifie pour le maillage qui est optimise pour le calcul des forces. Nous avons galement fusionn dans un mme maillage deux algorithmes de dformation diffrents : une mthode implicite dite masse-tenseur [17,20], et une mthode prcalcule [17]. Ainsi, lorgane virtuel est spar en plusieurs rgions volumiques dans lesquels la mthode de dformation (massetenseur ou prcalcule) est choisie en fonction de la nature de linteraction avec loutil virtuel (aucune interaction, dformation, dcoupe). Notre mthode est fonde sur la thorie de dcomposition en domaine et est optimise de faon minimiser le nombre de communications entre deux rgions

voisines. Nos travaux actuels visent dvelopper une paralllisation de cette mthode qui permettra ainsi dacclrer les temps de calcul.

Figure 3 : Illustration dune rsection montrant laspect raliste dune dcoupe et dun clampage vasculaire [18].

III.

Ralit Augmente : le patient transparent.

Lune des limites de la planification et de la simulation pr-opratoire est la difficult de reproduire fidlement le geste planifi et simul sur le patient rel. Cette limite peut-tre dpasse par la superposition des donnes pr-opratoires sur le patient rel durant lintervention. Mais cette superposition est complexe raliser en pratique car elle ncessite la mise en correspondance prcise de points de repre caractristiques entre le patient virtuel et le patient rel. Nous avons dvelopp un ensemble doutils dans lobjectif daboutir un rsultat fiable et utilisable en clinique. Nous proposons ainsi doffrir une vue en transparence du patient en superposant le patient virtuel 3D reconstruit partir des images mdicales IRM ou TDM, limage vido ralise durant lintervention. Afin de retirer la contrainte lie aux dformations et aux dplacements des organes de la rgion abdominale lis la respiration du patient, limage mdicale et limage vido peuvent tre ralises en anesthsie gnrale avec un volume dair constant dans les poumons. Une telle procdure est observe en pratique pour les interventions dinsertion daiguille, tels que la thermo-ablation par radiofrquence des tumeurs hpatiques. Grce ces restrictions, les organes abdominaux sont la mme position entre les deux acquisitions avec un dplacement observ in vivo de moins dun millimtre. Le recalage pourra donc tre limit un recalage rigide 2D (vido) - 3D (modlisation) des images. Afin de mettre en correspondance les images, il est ncessaire davoir des points de repre visibles dans les deux images. Dans le cas de la neurochirurgie ou de lorthopdie, ces marqueurs (dont le nombre varie de 3 6) sont gnralement fixs sur les os afin dassurer leur immobilit. Dans le cas de la chirurgie digestive, nous plaons un plus grand nombre de marqueurs sur la peau, le nombre important permettant dassurer une plus grande stabilit et donc fiabilit du recalage (au total 25 marqueurs). Ces marqueurs seront modliss automatiquement lors de la segmentation de la peau et segments automatiquement dans limage vido. Afin de raliser ce recalage, nous orientons deux camras numriques couleurs tri-CCD calibres conjointement vers le mannequin sous deux points de vue diffrents avec un angle compris entre 40 et 90 pour permettre un recalage stroscopique prcis [21]. Ces camras sont relies un ordinateur de type PC par une carte dacquisition Matrox Meteor II permettant lacquisition simultane des deux sources vidos. Pour superposer le modle 3D dans les images vido, il faut positionner les marqueurs localiss sur la reconstruction 3D sur ceux visibles dans les images vido. Pour cela, nous utilisons un recalage 3D/2D selon notre mthode dcrite dans [21] : les points 3D sont les coordonnes spatiales des marqueurs reconstruits partir des donnes issues du scanner, et les points 2D sont les coordonnes pixels correspondants aux marqueurs dans les deux vues camra. Ltude exprimentale [21] que nous avons ralise avec un mannequin abdominal a montr que la prcision de la superposition pour des cibles situes dans le mannequin tait de 2 mm en moyenne aprs recalage des marqueurs.

Nous avons ainsi dvelopp une mthode de recalage efficace qui permet de superposer la modlisation 3D du patient sur lacquisition temps relle ralise au bloc, fournissant ainsi une vue en transparence virtuelle du patient. La figure 4 illustre le rsultat obtenu en utilisant cette mthode sur labdomen dun porc.

Figure 4 : Rsultat de ralit augmente obtenu sur labdomen dun animal.

Pour tre utile, cette visualisation en transparence doit tre couple une visualisation des outils qui seront insrs lintrieur du corps, de faon les rendre visible durant toute lintervention et ainsi permettre de raliser un ciblage correct de la tumeur vise. Nous avons donc dvelopp un systme de suivi temps rel des outils chirurgicaux permettant de superposer un instrument virtuel sur linstrument rel (figure 5). Pour cela, nous avons adapt la librairie ARToolKit [22] de faon ce quelle puisse fonctionner avec la carte dacquisition Mtor II. On peut ainsi facilement raliser un suivi de linstrument en y ajoutant un carr imprim planaire, reconnu automatiquement par la librairie, et voir en permanence la position de loutils.

Figure 5 : Suivi temps rel de loutil chirurgical et superposition de sa position dans le corps.

Afin de valider lintrt dun tel systme, nous avons ralis un ciblage similaire celui pratiqu lors dun acte de thermo-ablation par radiofrquence. Nous avons modlis les cibles par des marqueurs radio-opaques colls sur un foie synthtique lintrieur dun mannequin (cf. figure 5 et 6). Pour atteindre les cibles, la vue augmente fournit la position virtuelle de la cible et de laiguille sur les 2 images vido. Lorientation de laiguille est guide par la couleur de la cible qui change lorsque laiguille pointe dans la bonne direction. De plus, la distance (en mm) entre la pointe de laiguille virtuelle et la cible virtuelle est indique par le logiciel en temps rel.

Figure 6 : Vue des marqueurs radio-opaque colls sur la surface du foie lintrieur du mannequin et ciblage assist par ordinateur par la vision en ralit augmente.

Deux utilisateurs diffrents, le concepteur du logiciel et un chirurgien expert nayant pas particip au dveloppement du logiciel, ont ensuite ralis 50 ciblages chacun. La prcision du pointage a t value grce une camra endoscopique oriente vers les marqueurs cibles. La distance moyenne et le temps moyen obtenu pour atteindre la cible sont indiqus dans le Tableau 1. Total Informaticien Chirurgien Distance moyenne relle(mm) 2.79 1.41 3.6 1.03 1.98 1.27 Temps moyen (sec) 46.57 24.64 38.5 21.78 54.64 24.88 Tableau 1 : rsultat du pointage des cibles (valeur moyenne cart-type). Ces rsultats montrent clairement une trs grande prcision dans le ciblage, puisque lexpert obtient une erreur de ciblage de moins de 2 mm. De plus, la comparaison entre les ciblages raliss par le concepteur du systme et un expert chirurgien nous permet de vrifier que ce systme assure un trs bon ralisme dutilisation en favorisant lexpertise du geste et non pas lexpertise du systme dvelopp. Cest en effet un problme rencontr frquemment dans les systmes GMCAO o la connaissance du systme dvelopp par le concepteur lui permet souvent de raliser des actions plus prcise que lexpert mdical. Lautre avantage de ce systme est le temps ncessaire au placement de laiguille. En routine clinique, il faut de 5 10 minutes pour raliser un tel placement, du fait de lutilisation dune imagerie per-opratoire, telle que lchographie ou le scanner, qui augmente la dure de lopration. Notre exprience montre quen moyenne moins dune minute est ncessaire la ralisation du geste.

IV.

Conclusion

Les diffrents travaux raliss par nos quipes nous ont permis daboutir un ensemble doutils daide au diagnostic et la planification de lacte chirurgical. Ils permettent galement de simuler un acte complexe sur une copie 3D virtuelle du patient et dutiliser les informations pr-opratoire durant lintervention, notamment en superposant limage virtuelle des organes et pathologies internes sur labdomen du patient. Ces systmes, au stade exprimental, sont progressivement tests cliniquement dans lobjectif de parvenir terme une utilisation en routine. Ils reprsentent la premire phase ncessaire lautomatisation des gestes chirurgicaux qui permettront de rduire les erreurs opratoires. En effet, la simulation de lacte permettra de retirer tout geste inutile ou imparfait, en servant de programmation du geste final. Ce geste sera alors transmis un robot chirurgical qui, par le biais de la ralit augmente, pourra reproduire fidlement les gestes optimiss du chirurgien. La chirurgie de demain est en marche.

Remerciement : Nous remercions tous les partenaires mdicaux qui nous ont fourni les images mdicales de patients, en particulier les Professeurs Afshin Gangi et Catherine Roy du service de radiologie de lHpital Civil de Strasbourg. Nous remercions galement lquipe chirurgicale du Professeur Jacques Marescaux pour son aide, son analyse et sa validation mdicale de nos travaux, notamment les Professeurs Didier Mutter et Jol Leroy, les Docteurs Michel Vix, Margareth Henry et Alain Garcia. Enfin, nous remercions lquipe Virtual-Surg de lIRCAD ainsi que lquipe Epidaure de lINRIA pour leur remarquable contribution ces travaux, et en particulier Christophe Koehl, Anne-Blandine Osswald, Fivos Doganis, Nicolas Papier, Johan Moreau, Christian Haessig, Stphane Cotin et Guillaume Picinbono. Rfrences :
[1] S. Chemouny, H. Henry, B. Masson, F. Borne, M. Jaeger and O. Monga : Advanced 3D image processing techniques for liver and hepatic tumor location and volumetry. Medical Imaging 1999: Image processing, SPIE, proceeding vol. 3661, pp. 761-771, 1999. [2] J. Montagnat and H. Delingette : Volumetric Medical Images Segmentation using Shape Constrained Deformable Models. CVRMed-MRCAS97, Springer Verlag Publisher, LNCS 1205, pp. 13-22, 1997. [3] L. Gao, D.G. Heath, B.S. Kuszyk and E.K. Fishman : Automatic Liver Segmentation Techniques for ThreeDimensional Visualization of CT Data. Radiology, 2(201), pp. 359-364, 1996. [4] J.-S. Chou, S.-Y.Chen, G.S. Sudakoff, K.R. Hoffmann, C.-T. Chen and A.H. Dachman : Image fusion for visualization of hepatic vasculature and tumors. Medical Imaging 1995: Image Processing, SPIE, proceedings vol. 2434, pp. 157-163, 1995. [5] J.L. Boes, C.R. Meyer and T. E. Weymouth : Liver definition in CT Using a Population-Based Shape Model . CVRMed95, Springer Verlag Publisher, LNCS 905, pp. 506-512, 1995. [6] K.T. Bae, M.L. Giger, C.-T. Chen and C.E. Kahn : Automatic segmentation of liver structure in CT images. Medical Physics, 1(20), pp. 71-78, 1993. [7] S. Matsushita, H. Oyamada, M. Kusakabe and N. Suzuki : Attempt to extract 3 -D image of liver automatically out of Abdominal MRI. Medical Imaging 1993: Image Processing, SPIE, proceedings vol. 1898, pp. 803-808, 1993. [8] S. Matsushita, H. Oyamada, M. Kusakabe and N. Suzuki : Attempt to extract 3 -D image of liver automatically out of Abdominal MRI. Medical Imaging 1993: Image Processing, SPIE, proceedings vol. 1898, pp. 803-808, 1993. [9] A. Schenk, G. Prause and H.-O. Peitgen : Efficient SemiAutomatic Segmentation of 3D objects in Medical Images. MICCAI 2000, Springer Verlag Publisher, LNCS 1935, pp. 186-195, 2000 [10] G. Glombitza, W. Lamad, A. M. Demeris, M.-R. Gpfert, A. Mayer, M. L. Bahner, H.-P. Meinzer, G. Richter, T. Lehnert and C. Herfarth : Virtual planning of liver resections: image processing, visualisation and volumetric evaluation. International Journal of Medical Informatics, Elsevier, vol. 53, pp. 225-237, 1999. [11] A. Schenk, G.P.M. Prause, H.-O. Peitgen : Local cost computation for efficient segmentation of 3D objects with live wire, Medical Imaging 2001 : SPIE proceeding Vol. 4322, pp. 1357-1364, 2001. [12] L. Soler, H. Delingette, G. Malandain, J. Montagnat, N. Ayache, C. Koehl, O. Dourthe, B. Malassagne, M. Smith, D. Mutter, J. Marescaux : Fully automatic anatomical, pathological, and functional segmentation from CT scans for hepatic surgery. Computer Aided Surgery, Vol. 6, Num. 3, pp. 131-142, 2001. [13] C. Koehl, L. Soler, J. Marescaux : A PACS Based Interface for 3D Anatomical Structures Visualization and Surgical Planning., SPIE proceeding Vol. 4681, pp. 17-24, San diego (USA), 2002. [14] M. Henri, J. Lamy, L. Soler, M. Arenas, F. Rubino, R. Ceulemans, E. Dutson, A. Garcia, C. Ronse, J. Leroy, D. Mutter, J. Marescaux : Automatic Detection of Polyps and Virtual Colonoscopy : A new Approach from MRI., JSLS, 6 : 250, 2002. [15] D. Mutter, M. Simone, E. Dutson, F. Rubino, A. Garcia, M. Henri, R. Ceulemans, M. Arenas, C. Roy, L. Soler, J. Marescaux : Evaluation of a New Technique in 3 -Dimensional Virtual Cholangioscopy., JSLS, 6 : 248, 2002. [16] N. Ayache : Epidaure: a Research Project in Medical Image Analysis, Simulation and Robotics at INRIA, IEEE Transaction on Medical Imaging, octobre 2003, Vol.22, Num. 10, pp. 1185-1201.

[17] S. Cotin, H. Delingette, and N. Ayache : A Hybrid Elastic Model allowing Real -Time Cutting, Deformations and Force-Feedback for Surgery Training and Simulation., The Visual Computer, 16(8), pp. 437-452, 2000. [18] C. Forest, H. Delingette, N. Ayache : Cutting Simulation of Manifold Volumetric Meshes., in Medical Image Computing and Computer-Assisted Intervention (MICCAI02), LNCS 2488, pp. 235-284, Sept. 2002. [19] C. Forest, H. Delingette, N. Ayache : Removing Tetrahedra from a Manifold Mesh., in Computer Animation (CA02), IEEE Computer Society, pp. 225-229, Geneva, Switzerland, June, 2002. [20] G. Picinbono, J-C. Lombardo, H. Delingette, and N. Ayache : Improving realism of a surgery simulator: linear anisotropic elasticity, complex interactions and force extrapolation., Journal of Visualisation and Computer Animation, 13(3):147-167, july 2002. [21] S. Nicolau, X. Pennec, L. Soler and N. Ayache : Evaluation of a new 3D/2D registration criterion for Liver Radio-frequencies Guided by Augmented reality., IS4TM 2003, LNCS 2673, pp.270-283. [22] M. Billinghurst, H.Kato, M. Billinghurst, I. Poupyrev (2001) : The MagicBook: Moving Seamlessly between Reality and Virtuality., In IEEE Computer Graphics and Applications, May/June, 2001, pp.2-4.