Segmentation bayesienne d'images par une approche markovienne multiresolution : Application a l'imagerie echocardiographique et echographique 2D et 3D du sein

= Bayesian image segmentation using a mutiresolution markov random field model : Application on 2D and 3D echocardiographic and echographic breast data

• Auteur / Autrice : Djamal Boukerroui
• Direction : Olivierf1963-.... Basset
• Type : Thèse de doctorat
• Discipline(s) : Systèmes et imagerie médicale
• Date : Soutenance en 2000
• Etablissement(s) : Lyon, INSA

Mots clés

Mots clés contrôlés

Texture

Imagerie ultrasonore

Traitement d'images -- Techniques numériques

Résumé

L’objet de ce travail s'inscrit dans le domaine de la segmentation d'images et plus particulièrement de données multidimensionnelles très bruitées ou texturées telles que les données ultrasonores. La nature des données rend la segmentation très délicate et les approches classiques, telles que les détecteurs de contours ou les algorithmes n'exploitant que l'information du niveau de gris donnent des résultats peu satisfaisants. Ainsi, nous avons orienté nos recherches vers des méthodes multiparamètriques et multirésolution qui s'appuient sur une modélisation statistique dans un contexte bayesien. Dans un premier temps, un algorithme adaptatif exploitant des informations de texture est proposé. La segmentation se fait au sens du MAP et utilise un algorithme de minimisation déterministe avec une structuration multirésolution classique des données. La définition des paramètres du modèle a priori à chaque niveau de résolution est discutée et une solution est proposée en combinant le modèle multirésolution et le modèle multiéchelle. Nous nous sommes également intéressés au caractère adaptatif de l'algorithme. Une amélioration significative est obtenue par la prise en compte des statistiques globales des données afin de contrôler l'adaptativité de l'algorithme. Un formalisme plus général est proposé ; il offre la possibilité de contrôler la contribution des statistiques locales et globales dans le processus de décision. Dans une seconde partie, une analyse des statistiques des données ultrasonores ainsi que des techniques de caractérisation de tissus en imagerie ultrasonore est réalisée. Elle permet d'extraire des paramètres pertinents afin d'aborder l'application du modèle de segmentation sur des données réelles échographiques du sein et échocardiographiques. L'apport des différentes contributions est montré sur plusieurs exemples. Enfin une évaluation de l'algorithme de segmentation en comparaison avec les contours tracés par un expert médical est effectuée.

The object of the work describes in this memory concerns the field of region image segmentation of very noisy or textured data such as ultrasonic data. Ultrasonic images are of relatively poor quality and the segmentation is a difficult problem. Classical approaches, such as boundary detection or grey level based algorithms give poor results. Thus, we directed our research towards multiparametric methods based on statistical modeling in a bayesian context and using hierarchical implementation. At first, a textured based adaptive algorithm is proposed. The segmentation is done by means of the maximum a posteriori estimation and uses a deterministic algorithm in the minimisation process. A multiresolution structure is used to implement the algorithm. A major difficulty of this hierarchical structure is the ad hoc choice of the Gibbsian parameter at each level of the pyramid. A solution is proposed by combining the multiresolution model and the multiscale model proposed by Pérez. This thesis also examines the adaptive character of the algorithm. A significant improvement is obtained by taking into account both local and global statistics of the data in the optimisation process. The enhancement developed can be regarded as a generalisation of previous works. The new formulation of the segmentation problem allows us to control the effective contribution of each statistics. In a second part, a review of echo envelope statistics modelling and tissues characterisation techniques (texture and acoustical characterisation) of ultrasound data is made. This review allows us to choose the most relevant parameters for segmentation problems. The proposed segmentation algorithm is applied on both echocardiographic and breast ultrasound data. The enhancement made by the various contributions is shown on several examples. Finally, an evaluation of the segmentation algorithm is made. A comparison of the computer-generated boundaries to the hand-outlined by a medical expert is performed.