L’imagerie par résonance magnétique (IRM) cardiaque est une modalité d’imagerie performante non invasive, qui permet d’évaluer en un seul examen la fonction cardiaque et la viabilité myocardique. Pour le suivi des maladies ischémiques, la segmentation du ventricule gauche est une étape nécessaire. Cette étape, souvent réalisée d’une façon manuelle, est fastidieuse. Une nouvelle approche automatisée, permettant une détection précise de l’endocarde, est présentée. Elle prend en compte les problèmes dus à la présence des piliers dans la cavité et aux hétérogénéités dans la cavité causées par le flux sanguin. Pour homogénéiser la cavité, les images sont tout d’abord filtrées par les opérateurs connexes. Elles sont ensuite segmentées en utilisant un modèle déformable de type GVF-snake en deux étapes. Cette méthode ne nécessite aucun ajustement de paramètres. Les images de 13 patients ont été ainsi traitées sur trois niveaux de coupes. Une comparaison avec les contours tracés manuellement par un expert a été faite pour évaluer la segmentation obtenue. De très bons résultats ont été obtenus avec une moyenne de recouvrement surfacique de 90,7% et une distance moyenne entre les deux contours de 0,6 pixel. Cette méthode peut donc être proposée pour une évaluation clinique plus large.

Cardiac magnetic resonance imaging (MRI) is one of the essential non-invasive modalities for the diagnosis of cardiovascular diseases. The main advantage of MRI compared to other techniques is its ability to study in only one examination the contraction and the viability. Left ventricle segmentation is very important to follow-up ischemic diseases. A novel approach to detect endocardial border on cardiac magnetic resonance (CMR) images is presented in this paper. It consists in filtering short axis CMR images, using connected operators (area-open and area-close filters) to homogenize the cavity, prior to the segmentation which is performed using GVF-snake algorithm in two steps. This method does not require a complicated parameters adjustment. Validation was performed on thirty-nine slices by comparing resulting segmentation to the manual contours traced by an expert. This comparison showed good results with an overall average similarity area of 90.7% and an average distance between the two contours of 0.6 pixel. Thus this method can be proposed for clinical evaluation.