= Segmentation in echocardiographic imaging using parametric level set model driving by the statistics of the radiofrequency signal

• Auteur / Autrice : Olivier Bernard
• Direction : Denis Friboulet
• Type : Thèse de doctorat
• Discipline(s) : Images & Systèmes
• Date : Soutenance en 2006
• 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 et du Son, UMR5515 (Lyon, Rhône1995-2006)

Mots clés

Mots clés contrôlés

Statistique

Kalman, Filtrage de

Échocardiographie

Radiofréquences

Résumé

L’objectif de cette thèse est de développer et de valider une méthode de traitement d’image permettant d'obtenir la segmentation et le suivi de structures cardiaques tel que le myocarde en échographie ultrasonore de radiofréquence. Dans un premier temps, nous proposons une étude statistique du signal radiofréquence. Cette étude nous a permis de définir et de valider une distribution statistique permettant de modéliser la statistique du signal ultrasonore pour des régions tissulaires et sanguines. Dans un deuxième temps, nous exploitons le modèle statistique proposé dans un formalisme de contour actif variationnel afin d’effectuer la segmentation d’images échographiques. Le modèle ainsi utilisé est basé sur la minimisation d’une fonctionnelle d’énergie dérivée d’un critère de maximum de vraisemblance. Le modèle de contour actif a été implémenté en utilisant la méthode des ensembles de niveaux. L'évaluation menée sur des simulations numériques et des données échocardiographiques a montré la supériorité de ce modèle sur un modèle basé sur une statistique Gaussienne, en particulier pour la détection du myocarde. Finalement, afin de segmenter l’ensemble d’une séquence, nous proposons d’insérer des informations a priori spatio-temporelles dans le formalisme d’ensemble de niveaux. Pour ce faire, nous avons développé un modèle d’ensemble de niveaux paramétrique basé sur une méthode de collocation exploitant des fonctions de base radiale. Cette approche permet ainsi de contraindre l’évolution du contour actif implicite par l’exploitation d’un filtre de Kalman. L'intérêt de cette démarche a été illustré sur des simulations numériques et des données échocardiographiques.

The objective of this work is to design and validate methods dedicated to the segmentation and tracking of cardiac structures such as myocardial regions from echocardiographc radiofrequency (RF) data. Firstly, we performed a statistical study of the RF signal. From this study, we defined and validated a statistical distribution optimized for the modelization of the statistics of the RF signal for both blood and tissue regions. We then exploited this statistical model in a variational active contour framework to perform the segmentation of echocardiographic images. The model we used is based on the minimization of an energy functional derived from a maximum likelihood criterion. The corresponding active contour has been implemented using level set model. Results obtained from both simulation and in vivo data show the ability of our model to detect myocardial regions. Finally, in order to perform the segmentation of echocardiographic image sequences, we introduce spatio-temporal constraints into the level set framework. We thus proposed a new parametric level set model based on a collocation method using radial basis functions. This approach allows to constrain the level set evolution using Kalman filtering. The interest of such method has been illustrated from both simulations and in vivo data.