Documentation Documentation
Identifiant IdRef : 226720624
Notice de type Rameau

Point d'accès autorisé

Informations

Langue d'expression : Francais
Date de naissance :  2009
Note publique d''information : 
L'objectif de ce travail est la conception et l'implémentation d'une méthode de segmentation générique d'images médicales qui puisse s'adapter à l'évolution des modalités et des besoins exprimés par les médecins. Partant ainsi du constat que la segmentation d'images médicales nécessite l'introduction de connaissances, nous avons opté pour une méthode pouvant combiner avantageusement les informations de bruit, de texture et de forme : les contours actifs basés région. Cette méthode consiste à déformer une courbe vers l'objet à segmenter. Ces déformations sont déduites de la dérivation d'une fonctionnelle à optimiser. Notre contribution principale se situe au niveau de l'obtention de critères généraux permettant l'ajout d'informations a priori. Concernant le modèle de bruit, le critère consiste à considérer une fonction générale d'une loi paramétrique appartenant à la famille exponentielle. Nous avons mis en évidence que l'estimation des paramètres de la loi intervient de façon primordiale dans le calcul de l'équation d'évolution du contour. Pour le modèle de texture, l'absence d'une représentation discriminant de manière générale les textures, nous a conduit à utiliser une approche non paramétrique reposant sur les représentations parcimonieuses. Enfin l'a priori de forme utilise un critère basé sur les moments de Legendre. Les différents a priori sont ensuite reliés par le biais d'un algorithme de minimisation alternée ce qui permet de pondérer efficacement les termes d'attache aux données photométriques et l'a priori géométrique. Les trois approches ont été testées et validées séparément puis de manière combinée sur des images synthétiques, réelles et d'échocardiographie.

Note publique d''information : 
The objective of this work is the design and the implementation of a generic method for medical images segmentation which can adapt to the constant evolution of acquisition techniques and medical experts requirements. Segmentation of medical images requires prior knowledges, on the contaminating noise, on texture or/and shape of the objects to be segmented. Towards this end, we adopt a method able to combine elegantly all these prior information, namely: region based active contours. This method consists in deforming an initial contour toward the boundaries of the desired object. The deformation of the curve is deduced from the shape derivative of a functional to optimized. Our main contribution lies in the achievement of general criteria that allow the addition of prior information. Regarding the noise model, the criterion consists in the optimization of a general function of a pdf belonging to the parametric exponential family. We shed the light on the influence of the estimation method in the evolution speed. For the texture model, the lack of general representation capable of discriminating all kinds of texture led us to adopt a non parametric approach based on sparse representations. Finally, the shape prior uses a criterion based on Legendre moments. The different priors are then merged into a single functional which is then minimized using an alternating relaxation scheme. The three approaches have been tested and validated separately and together on both synthetic, real images.and echocardiographic data.

Notices d'autorité liées

Autres identifiants

Utilisation dans Rameau

Le point d'accès peut être employé dans un point d'accès sujet

... Références liées : ...