Modélisation et correction des inhomogénéités d'intensité en imagerie cérébrale par résonance magnétique

= Intensity inhomogeneity modelisation and correction for magnetic resonance images of the brain

• Auteur / Autrice : Julien Milles
• Direction : Yue Min Zhu, Gérard Gimenez
• Type : Thèse de doctorat
• Discipline(s) : Images et Systèmes
• Date : Soutenance en 2002
• Etablissement(s) : Lyon, INSA
• Ecole(s) doctorale(s) : École doctorale Électronique, électrotechnique, automatique (Lyon)
• Partenaire(s) de recherche : Laboratoire : CREATIS - Centre de Recherche et d'Application en Traitement de l'Image pour la Santé (Lyon2007-....)

Mots clés

Mots clés contrôlés

Modèles mathématiques

Imagerie par résonance magnétique

Résumé

Ce travail concerne la modélisation et la correction des inhomogénéités d'intensité en imagerie cérébrale par résonance magnétique. Le premier volet de nos travaux modélise l'intensité d'un pixel en fonction des paramètres physiques liés à l'objet et à l'imageur. Nous proposons ensuite quatre méthodes d'estimation afin de calculer les profils de sensibilité en émission et détection des antennes radio-fréquence pour des objets homogènes et hétérogènes. La deuxième partie de notre travail consiste en la correction des images obtenues par résonance magnétique. Nous avons développé une première approche fondée sur les paramètres issus de la modélisation précédente. L'autre est fondée sur la coopération de deux algorithmes privilégiant des informations soit spatiales, soit fréquentielles. Ces méthodes ont été validées sur des données réelles issues de fantômes et du cerveau d'un volontaire sain. Les résultats obtenus sont très satisfaisants et ouvrent de nouvelles voies algorithmiques.

This work deals with modelisation and correction of intensity inhomogeneity for magnetic resonance images of the brain. We first modelise intensity variation for a given pixel according to physical parameters which depend on the object being imaged and the machine. We propose four estimation methods to compute transmission and reception radio-frequency coils sensitivity profiles for homogeneous and heterogeneous objects. Subsequently we propose two different approaches to correct magnetic resonance images. We first expose a method which uses the parameters computed with the modelisation described before. The second solution is based on a cooperative framework between two algorithms which work in two separate domains, using spatial or spectral informations. Those methods have been validated on real dataset from phantoms and a volunteer’s normal brain. Results are very satisfactory and open new algorithmic approaches.