Méthodologie de réalisation de modèles anatomiques maillés : application à l'imagerie du petit animal

= Anatomical meshed models construction methodology / application to small animal imaging

• Auteur / Autrice : Yasser Khadra
• Direction : Christophe Odet
• Type : Thèse de doctorat
• Discipline(s) : Images et systèmes
• Date : Soutenance en 2008
• Etablissement(s) : Lyon, INSA
• 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

Géographie médicale

Atlas

Anatomie

Phénotype

Imagerie médicale

Géométrie différentielle

Grilles (analyse numérique)

Résumé

En imagerie médicale, la robustesse de l’analyse et de la segmentation d’image est améliorée grâce à l’utilisation de connaissances à priori. Les atlas anatomiques constituent une base de connaissances à priori utiles pour localiser certains organes, ainsi que certaines structures très difficiles à distinguer sur des images complexes. Les atlas construits à partir d’un seul jeu de données ne permettent pas de prendre en compte les variations morphologiques et pathologiques inter-individus contrairement aux atlas moyens (construits à partir de plusieurs jeux de données). Dans cette thèse, nous nous intéressons à la construction d’un modèle moyen enrichi à partir des jeux de données surfaciques (modèles maillés). Ce modèle enrichi consiste en un modèle moyen (élément de base pour un atlas moyen) complété par des informations de variations géométriques de la structure anatomique étudiée (enrichissement). Pour atteindre cet objectif, nous construisons d’abord un modèle moyen déduit d’un ensemble d’apprentissage. Ensuite, nous procédons à l’enrichissement du modèle par des informations quantitatives, statistiques et géométriques extraites à partir de modèle moyen lui-même et de tous les modèles utilisés pour le construire. Les informations d’enrichissement du modèle moyen permettent ainsi la caractérisation de la variabilité d’une structure anatomique pathologique. La simplicité ou la complexité de l’enrichissement du modèle dépendront de l’application envisagée. Dans le cadre de cette thèse, nous proposons deux applications basées sur l’utilisation de ce modèle moyen enrichi : - Modèle de comparaison pour un processus de phénotypage anatomique du petit animal. - Modèle de référence pour la segmentation des images médicales in vivo intégrant des a priori sur la forme de la structure anatomique à segmenter.

The medical image analysis and segmentation are improved thanks to the use of a priori knowledge. The anatomical atlases provide an a priori knowledge base useful to locale certain anatomical structures very difficult to distinguish on complex images. The atlases built from only one subject don't take into account the morphological variations and pathological inter-individuals, contrary to the average atlases (built from several subjects). Ln this thesis, we are interested in the construction of an enriched average model from a set of training meshed models. The constructed model consists of the average model (basic element for an average atlas) and the geometrical variations of the anatomical structure under consideration (enrichments. To achieve this objective, first we construct an average model from a set of training models representing the same anatomical structure. Next, we enrich the constructed average model with quantitative, statistical and geometrical information extracted from the average model itself and all the models from which it was constructed. The enrichments of the average model characterize the variability of a pathological anatomical structure. The simplicity and the complexity of the enrichments depend on the envisaged applications using the constructed madel. Ln the framework of this thesis, we propose two applications based on the use of the enriched average madel as: - Comparison model for an anatomical phenotyping process of smali animal models. - Reference model for in-vivo model-based image segmentation.