Apports de la programmation "orienté-objet" à la conception et la réalisation d'applications en imagerie médicale

A survey of existing tools for quantitative image analysis in PET shows us that they are not really suited to our needs. Moreover, they are limited for any kind of extension. These facts forced us to develop our own software. We decide to use object oriented programming (OOP) techniques to perform our development. They are based on domain specific data instead of domain specific functions like in procedural programming techniques. OOP brings several concepts that led us to construct robust software, easy to maintain and to extend. These software qualities are provided by decomposition of the initial problem. Class concept achieves this decomposition. Each relevant type of domain specific data leads to a class definition. A class contains a data structure and several methods that access the data structure. An object is an instance of a class that has a state, a behaviour and a unique identity. Objects and classes are defined by identifying by abstractions based on an understanding of the problem. They can also be defined by common behaviors or through scenarios leading to a use case driven design. OOP provides object encapsulation, hiding the details of an object that do not contribute to its essential characteristics. Encapsulation means also protection of the data which can only be accessed by class methods. OOP provides inheritance, a parental relationship between classes. The derived class inherits of a part or all of the data and the methods of its parent class. Inheritance provides programming by extension. It implies class hierarchy and allows code and structural reuse.
We will use OOP techniques to provide a complete bundle of applications that fulfil our needs in quantitative medical image analysis. Object and class design are the most important part in OOP. By analyzing the domain of application, we determine the relevant objects. The sorting of these images as function as time, space or modality criteria is performed by the class ImageList. Each image of a Study is an instance of the class Image. The ColorScale class provides to each image an appropriate color lookup table. We define also an Administrative-Part class that contains image information such as image size and correction factor. It also include patient information such as name, age, … Quantitative analysis is achieved by image segmentation. The outline of regions of interest is performed by using instances of a class Object-of-Interest (OOI). We derive different object shapes from OOI. Polygons are used to estimate regional activity. When used at different times, it produces tome activity curves. When assembled in space, they produce volume of interest. A line of interest is used as fiducial marker. A group of interest contains several instances of OOIs and allow a parental structure of the OOIs defined on an image. A signature and a time stamp is associated with each instance of OOI since image segmentation may lead to medical decisions.
The different classes include methods to access their data structures. These methods depend also on the domain of application analysis. For instance, class Image contains methods for mathematical operations that are notified, time stamped and signed. It contains also methods to achieve color scale manipulation and methods for OOI definition and quantification. Class Study contains import and export methods and several methods connecting the images. The OOI class defines creation, manipulation and quantification methods.
Each class contains creation and destruction methods together with read and write methods. All of our objects are defined as persistent, which means that they survive in time and in space. We create a super class from which we derived all our classes. This super class implements computer independent data representation and an activation/passivation mechanism that reduces data file sizes. We also introduce a version in our objects to fulfil backward compatibility.
Once the classes design was done, we investigated different object oriented languages and decided to choose the C++ language, a C language extension, for its availability and its wide-spread use.
So far we did not discuss about visualisation of our objects. They are designed separately. We defined a visualisation class for each described class, so our objects and their view can evolve independently. Moreover this separation allows to build different interfaces on the same objects such as graphical or alphanumeric interfaces. These two types of interface are made equivalent through a command language interpreter. This interpreter allows also macro command execution.
A brief analysis of some graphical user interface builders led us to choose the InterViews graphical library, we have developed application to perform 2D image segmentation (Mediman), mathematical operations on images (Calculator) and kinetic modelling (Models). These applications fulfil our needs concerning quantitative medical image analysis. The defined objects will be further used to perform image coregistrations, volume of interest visualisation and their quantification

La rigidité et la manque d’extension possible des logiciels destines à l’analyse quantitative d’images nous ont incités à élaborer nos propres logiciels. Pour ce faire, nous avons utilisé des nouvelles techniques de programmation, à savoir la programmation orienté-objet (POO). Contrairement aux techniques traditionnelles qui se basent sur les fonctions à réaliser, la POO se base sur les données inhérentes au domaine d’application. A chaque type de données, considéré comme essentiel, on associe une classe. Il s’agit d’une entité contenant la structure des données et les méthodes d’accès à cette structure. Une classe représente donc un type d’objets à manipuler. Les classes sont définies soit sur base de vocabulaire utilisé dans le domaine d’application, soit en fonction de comportement communs d’objets ou encore sur base de situations possibles ou de scénarios. La définition et la conception des classes sont des points essentiels des techniques de la POO. Ces classes permettent une simplification du problème par décomposition, ce qui conduit à des logiciels robustes, de maintenance et d’extension aisées. Ces qualités sont renforcées grâce aux concepts de la POO. En effet, une classe fournit l’encapsulation des données et méthodes, c’est-à-dire que les détails de l’implémentation sont rendus invisibles. De plus, le concept d’héritage permet de dériver des classes d’une ou plusieurs classes existantes. La nouvelle classe profite des données et méthodes de sa (ou ses) classe(s) parent(s). Ceci permet une extension aisée des fonctionnalités, fournit une organisation hiérarchique des classes et diminue la quantité de code à écrire.
Une analyse du domaine d’application permet de déterminer les types d’objets intervenant dans les logiciels d’analyse d’images. Nous avons défini une classes Etude contenant toutes les images d’un patient donné. Afin de trier ces images selon les modalités d’imagerie ou un ordre spatio-temporel, on définit une classe Liste-d’images. Les images seront également des objets d’une classe Image. L’analyse d’images quantitative se fait par extraction d’informations contenue dans des zones d’intérêt. Pour pouvoir segmenter l’image, on définit une classe Objet-d’intérêt (OOI) dont des formes polygonales, linéaires ou ponctuelles sont les classes dérivées. A chaque image on associe également une instance de la classe Echelle-de-couleurs. Celle-ci nous permet d’afficher chaque image avec une échelle de couleurs appropriée. Les informations relatives à l’image et au patient sont regroupées dans la classes Données-administratives. Les différentes classes contiennent des méthodes dictées par les fonctionnalités du domaine d’application. La classe Image contient des opérations mathématiques sui seront signées et notifiées ainsi que des opérations de définition d’OOI également signées. Pour les OOI, on définit des méthodes de calcul de surface, de distance ou de position ainsi que des méthodes de calcul courbes d’activité ; elles peuvent également se faire dans l’espace et fournir la quantification de courbes d’activité ; elles peuvent également se faire dans l’espace et fournir la quantification de volumes d’intérêt. Toutes les classes contiendront également des méthodes de construction et de destruction des objets ainsi que des méthodes de lecture et d’écriture. Ces dernières fournissent des fichiers dont le format est indépendant de tous types d’architecture d’ordinateur (XDR°. Elle incluent également un mécanisme d’activation/passivation qui permet de diminuer la dimension des fichiers en écrivant de façon unique un objet à multiples références. Les objets crées seront persistants, c’est-à-dire qu’ils continuent à exister dans l’espace et le temps. Ils bénéficient également d’une version, ce qui assure leur compatibilité arrière et leur permet d’évoluer. Une étude des différents langages de POO nous a mené à choisir le langage C++, une extension du langage C, essentiellement pour sa disponibilité et son utilisation répandue.
EN ce qui concerne la partie visuelle, elle est développée séparément. A chacune des classes définies ci-dessus, on associe une classe de visualisation, ce qui permet aux objets et à leur vue d’évoluer indépendamment. Après une analyse des différents environnements permettant la création d’interface, nous avons choisi la bibliothèque Interviews. Elle est écrite en C++ et encapsule les fonctions de base du système Xwindow dans quelques classes. Ce choix assure la portabilité de nos logiciels.
Sur base des classes que nous avons définies et sur base des choix de langage et d’outil de création d’interfaces, nous avons développé un logiciel pour la segmentation bidimensionnelle des images ainsi qu’un logiciel destiné à l’analyse pharmacocinétique des traceurs. Ultérieurement, ces classes seront réutilisées pour le développement de logiciels destinés à la coregistration et à la segmentation tridimensionnelles d’images, c’est-à-dire la création et la quantification de volumes d’intérêt.