Segmentation d’images IRM anatomiques par inférence bayésienne multimodale et détection de lésions
Auteur / Autrice : | Stéphanie Bricq |
Direction : | Christophe Collet, Jean-Paul Armspach |
Type : | Thèse de doctorat |
Discipline(s) : | Traitement d'images et vision par ordinateur |
Date : | Soutenance en 2008 |
Etablissement(s) : | Université Louis Pasteur (Strasbourg) (1971-2008) |
Résumé
L'imagerie médicale fournit un nombre croissant de données. La segmentation automatique est devenue une étape fondamentale pour l'analyse quantitative de ces images dans de nombreuses pathologies cérébrales comme la sclérose en plaques (SEP). Nous avons focalisé notre étude sur la segmentation d'IRM cérébrales. Nous avons d'abord proposé une méthode de segmentation des tissus cérébraux basée sur le modèle des chaînes de Markov cachées, permettant d'inclure l'information a priori apportée par un atlas probabiliste et prenant en compte les principaux artefacts présents sur les images IRM. Nous avons ensuite étendu cette méthode à la détection de lésions SEP grâce à un estimateur robuste. Nous avons également développé une méthode de segmentation d'IRM 3D basée sur les contours actifs statistiques pour raffiner la segmentation des lésions. Les résultats obtenus ont été comparés avec d'autres méthodes de segmentation et avec des segmentations manuelles réalisées par des médecins.