Segmentation D Images Irm Multi Chos Tridimensionnelles Pour La D Tection Des Tumeurs C R Brales Par La Th Orie De L Vidence
Download Segmentation D Images Irm Multi Chos Tridimensionnelles Pour La D Tection Des Tumeurs C R Brales Par La Th Orie De L Vidence PDF/ePub or read online books in Mobi eBooks. Click Download or Read Online button to get Segmentation D Images Irm Multi Chos Tridimensionnelles Pour La D Tection Des Tumeurs C R Brales Par La Th Orie De L Vidence book now. This website allows unlimited access to, at the time of writing, more than 1.5 million titles, including hundreds of thousands of titles in various foreign languages.
Segmentation d'images IRM multi-échos tridimensionnelles pour la détection des tumeurs cérébrales par la théorie de l'évidence
L'imagerie par résonance magnétique (IRM) est un outil puissant permettant l'observation in vivo de l'anatomie cérébrale. La diversité de ses pondérations d'acquisition offre aux spécialistes une informations riche et abondante, particulièrement adaptée au diagnostic des tumeurs. Dans ce travail, nous proposons une méthode de segmentation multi-échos des images IRM cérébrales fondée sur la théorie de l'évidence. Nous proposons, en particulier, une méthode d'intégration d'informations contextuelles fondée sur une combinaison pondérée de fonctions de croyance. Nous montrons que ce processus conduit à une réelle segmentation en régions permettant l'extraction des tumeurs cérébrales. Nous étudions ensuite la nature du conflit issu de la combinaison spatiale et montrons qu'il s'agit d'une information utile et représentative de la position des frontières entre les différentes structures anatomiques. Enfin, nous proposons la mise en coopération des informations " régions " et " frontières " issues de ce processus.
Segmentation d'images multispectrales basée sur la fusion d'informations
L'objectif de cette thèse consiste à développer une architecture de fusion d'informations basée sur la théorie floue pour la segmentation d'une cible à partir de plusieurs sources d'images. Notre application principale porte sur la segmentation des images IRM multispectrales. Nous proposons une approche de segmentation automatique basée sur la fusion des caractéristiques extraites de chaque source d'image. Ces caractéristiques sont modélisées par des fonctions d'appartenance, obtenues à partir de fonctions analytiques, qui prennent en compte des connaissances à priori sur la possibilité d'appartenance à une cible (tumeur ou tissus cérébraux) donnée par l'expert, et aussi la gradation d'intensité du signal de la cible. La segmentation d'une cible consiste finalement à combiner les différents degrés d'appartenance de la cible. Une étape supplémentaire basée sur une croissance 3D des régions floues est proposée pour améliorer le résultat de la combinaison. Pour évaluer les résultats de segmentation représentés par un ensemble flou, une extension du coefficient Kappa de Cohen, nommée "Kappa flou" est proposée, qui est une méthode d'évaluation globale sur la proportion d'agrément d'un classement flou. Cette architecture développée est mise en oeuvre pour la segmentation des tumeurs cérébrales à partir des images IRM qui comprennent pour l'instant les séquences de base : T1, T2 et densité de protons (DP). Les résultats sur sept patients atteints de tumeur montrent l'efficacité de notre système.
Localisation des tumeurs dans des images IRM cérébrales
Pour analyser les images IRM, les m decins localisent les contours des organes, les tumeurs et d finissent leurs extensions manuellement. Ceci influence la pr cision du diagnostic et peut m me fausser les tudes de certaines maladies dangereuses. Pour viter ces probl mes, les techniques de traitement d'images apportent des solutions automatiques. La segmentation est un domaine tr s vaste et les approches sont nombreuses. Nous nous sommes int ress es dans ce travail la m thode de contours actifs bas r gion. Il s'agit d'une courbe param trique capable de se d former de mani re it rative vers une zone d'int r t d'une image. Cette dynamique est bas e sur la notion d' nergie interne et externe qui sont calcul es en moyennant des descripteurs sur les r gions. Nous avons commenc par tudier le principe des mod les actifs avant d'examiner l'effet des nergies, de l'initialisation et de nombre d'it rations sur les r sultats de la localisation. Les param tres optimaux ont t ainsi d termin s pour segmenter les tumeurs dans les images IRM c r brales.