Le moteur de recherche
des thèses françaises
'%3e%3cpath%20style='fill:%2300a0dc;fill-opacity:1;stroke:none;stroke-width:.144606;stroke-opacity:1;stop-color:%23000'%20d='M41.8%20100.088H52.28c.46%200%20.831.421.831.945v10.25c0%20.524-.37.946-.831.946H41.8c-.46%200-.831-.422-.831-.945v-10.251c0-.524.37-.945.831-.945z'/%3e%3cpath%20d='m47.072%20102.02-4.87%202.656%204.87%202.657%203.985-2.174v3.06h.885v-3.543m-7.969%201.851v1.771l3.1%201.691%203.098-1.691v-1.77l-3.099%201.69z'%20style='fill:%23fff;fill-opacity:1;stroke-width:.442726'/%3e%3ccircle%20style='fill:%23009f1d;fill-opacity:1;stroke:%23fff;stroke-width:.379704;stroke-linecap:round;stroke-linejoin:round;stroke-miterlimit:4;stroke-dasharray:none;stroke-opacity:1;stop-color:%23000'%20cx='54.151'%20cy='101.224'%20r='3.451'/%3e%3cpath%20d='m55.669%2099.387.659.664-3.075%203.104-1.634-1.649.66-.663.974.979%202.416-2.435'%20style='fill:%23fff;fill-opacity:1;stroke:none;stroke-width:.30061;stroke-miterlimit:4;stroke-dasharray:none;stroke-opacity:1'/%3e%3c/g%3e%3c/svg%3e)
L' intégration d'information bas et haut-niveau pour la segmentation optimisée d'images cérébrales 3D chez l'enfant nouveau-né
| Auteur / Autrice : | Kamran Kazemi |
| Direction : | Reinhard Grebe, Hamid Abrishami-Moghaddam |
| Type : | Thèse de doctorat |
| Discipline(s) : | Génie biomédical |
| Date : | Soutenance en 2008 |
| Etablissement(s) : | Amiens |
Mots clés
Résumé
La première étape de cette Thèse était de créer un atlas probabiliste du cerveau néonatal comprenant un atlas 'template' et des modèles probabilistes du cerveau, du liquide cérébro-spinal (CSF) et du crâne. L'atlas est basé sur les images IRM T1 en haute résolution de 7 patients d’âge gestationnel compris entre 39 et 42 semaines. L'atlas 'template' a été évalué par la détermination de la déviation de points de repère anatomiques caractéristiques et la somme total de déformation locale nécessaire pour la normalisation des tissus cérébraux en fonction d’une image néonatale de référence. Dans la deuxième partie, nous avons construit un simulateur d’images IRM cérébrales néonatales à partir de notre fantôme 3D néonatal numérique. Ce fantôme est composé de 9 types tissulaires différents: scalpe, crâne, graisse, muscle, dure-mère, substance grise, substance blanche, myelinisée et non-myelinisée et liquide cérébrospinal. Le fantôme numérique a été utilisé pour caractériser les intensités des signaux pour simuler ensuite les images IRM. Les images simulées avec une dégradation bien contrôlée peuvent servir comme données d'évaluation pour des méthodes d'analyse des images IRM néonatales, tel que des algorithmes de segmentation et/ou d’acquisition. Dans la dernière partie, nous avons développé une méthode de segmentation tissulaire automatique pour les IRM néonatales. Dans cette étude, nous avons appliqué un algorithme basé sur un atlas permettant la segmentation du crâne, du cerveau, et du CSF chez le nouveau-né à partir des images IRM 3D en T1. Nous avons utilisé la méthode de segmentation basée sur l'algorithme EM et la chaîne aléatoire de Markov qui est implémentée et utilisée dans l'outil SPM et sa boîte à outils VBM en conjonction avec notre atlas probabiliste, qui est utilisé pour constituer des informations a priori. Les résultats démontrent que notre méthode permet de segmenter avec une grande précision le cerveau, le CSF et le crâne des IRM néonatales.