Thèse soutenue

Arbres de déformations géométriques pour modéliser la variabilité statistique des organes dans les images médicales
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Christof Seiler
Direction : Mauricio Antonio Reyes AguirreXavier Pennec
Type : Thèse de doctorat
Discipline(s) : Automatique, traitement du signal et des images
Date : Soutenance en 2012
Etablissement(s) : Nice en cotutelle avec Université de Berne
Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication (Sophia Antipolis, Alpes-Maritimes)
Partenaire(s) de recherche : autre partenaire : Université de Nice-Sophia Antipolis. Faculté des sciences

Résumé

FR  |  
EN

Dans l’analyse d’images médicales, les déformations géométriques sont utilisées pour modéliser la variabilité entre les patients. Dans les applications orthopédiques, la variabilité géométrique est habituellement observable à différentes échelles. Dans le cas des os mandibulaires, par exemple, on observe des différences anatomiques entre le côté gauche et droit sur une échelle grossière, ou entre les dents sur une échelle plus fine. Chaque niveau de granularité contient des régions d’intérêt pour les applications cliniques. La difficulté est de relier les déformations géométriques avec les régions d’intérêt pour chaque type d’échelles. Dans cette thèse, nous présentons cette liaison par l’introduction du recalage difféomorphe et structuré. Le cœur de notre méthode est le paramétrage des déformations géométriques avec des arbres de transformations localement affines qui décrivent la variabilité entre les patients. En second lieu, nous modélisons statistiquement les paramètres de déformations dans une population par la formulation d’un modèle statistique génératif. Cette méthode nous permet d’intégrer des statistiques de déformations comme une probabilité a priori dans un cadre Bayésien et elle nous permet d’étendre le recalage classique d’un schéma grossier à un schéma fin avec une optimisation simultanée pour toues les échelles. Nous validons notre approche sur plusieurs applications orthopédiques : la conception des implants pour une population, des simulations biomécaniques et la sélection d’allogreffes. L’amélioration de l’intelligibilité pour les cliniciens et de la précision obtenue fait de notre méthode un candidat prometteur pour des usages cliniques.