Contribution à l'analyse de textures de radiographies osseuses pour le diagnostic précoce de l'ostéoporose

Contribution to texture analysis of bone radiographs for early diagnosis of osteoporosis

• Auteur / Autrice : Lotfi Houam
• Direction : Rachid Jennane, Abdelhani Boukrouche
• Type : Thèse de doctorat
• Discipline(s) : Automatique et traitement du signal
• Date : Soutenance le 09/12/2013
• Etablissement(s) : Orléans en cotutelle avec Université 08 mai 45 Guelma (Algérie)
• Ecole(s) doctorale(s) : École doctorale Mathématiques, Informatique, Physique Théorique et Ingénierie des Systèmes (Centre-Val de Loire ; 2012-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire Pluridisciplinaire de recherche en ingénierie des systèmes, mécanique et énergétique (Orléans ; 2008-....) - Institut Pluridisciplinaire de Recherche en Ingénierie des Systèmes- Mécanique et Energétique
• Jury : Président / Présidente : Mohamed Nemamcha
• Jury : Examinateurs / Examinatrices : Rachid Jennane, Abdelhani Boukrouche, Mohamed Nemamcha, Noureddine Doghmane, William Puech, Amina Serrir, Adel Hafiane
• Jury : Rapporteur / Rapporteuse : Noureddine Doghmane, William Puech, Amina Serrir

Mots clés

Mots clés contrôlés

Vision par ordinateur en médecine

Radiodiagnostic

Tissu osseux

Ostéoporose

Os -- Maladies -- Diagnostic

Mots clés libres

Texture

Motifs binaires locaux

Classification

Os

Ostéoporose

Radiographie X

Texture

Local binary patterns

Classification

Bone

Osteoporosis

X- Radiography

Résumé

L’ostéoporose est une maladie osseuse caractérisée par une perte importante de la masse osseuse et des altérations de la microarchitecture du tissu osseux. Aujourd’hui, en routine clinique, le diagnostic de l’ostéoporose est basé principalement sur une mesure de la densité minérale osseuse qui n’est pas suffisante, car elle doit être accompagnée par une analyse de la qualité de la microarchitecture osseuse. Les travaux présentés dans cette thèse concernent la caractérisation des images de radiographies osseuses pour le diagnostic précoce de l’ostéoporose. Pour ce faire, afin de mieux caractériser la texture osseuse sur radiographie, nous avons introduit une nouvelle technique de prétraitement des données pour réduire les redondances et éliminer le bruit issu des capteurs d’acquisition. Pour la caractérisation, nous avons proposé une nouvelle technique d’analyse inspirée des motifs binaires locaux (Local Binary Patterns, LBP). Le nouveau descripteur, appelé 1DLBP (One Dimensional Local Binary Patterns) s’applique de manière unidimensionnelle. Pour tester l’efficacité de notre approche, nous avons réalisé deux études cliniques où le nouveau descripteur LBP1D est comparé à la méthode classique, LBP afin de classifier des patients ostéoporotiques et des sujets sains. Les pourcentages de classification obtenus ont été améliorés de 72% avec la méthode classique LBP à 91% avec le nouveau descripteur 1DLBP.

Osteoporosis is characterized by a significant loss of bone mass and alterations in the microarchitecture of bone tissue. Actually, in clinical routine the diagnosis of osteoporosis is based mainly on measurement of bone mineral density. It turned out that this is not sufficient, it must be accompanied by an analysis of the microarchitecture of the bone to increase the efficiency of diagnosis. This thesis deals with the characterization of images of bone radiographs for the early diagnosis of osteoporosis. To do this, in order to better characterize the texture of bone radiography, we have introduced a new technique for data preprocessing to reduce redundancy and decrease the effect of the noise resulted by the acquisition sensors. For characterization, we propose a new analysis method inspired from the local binary patterns (LBP). The new descriptor called 1DLBP (One Dimensional Local Binary Patterns) applies in one-dimensionally manner. To evaluate the effectiveness of our approach, we conducted two clinical studies where the new descriptor (1DLBP) is compared with the conventional method (LBP) to classify osteoporotic patients and healthy subjects. The classification scores obtained were enhanced by 72% with the conventional LBP descriptor to 91% with 1DLBP descriptor.