Segmentation incrémentale et interactive d'images médicales 3D

Incremental and interactive segmentation of 3D medical images

• Auteur / Autrice : Gaëtan Galisot
• Direction : Jean-Yves Ramel, Thierry Brouard
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 21/03/2018
• Etablissement(s) : Tours
• Ecole(s) doctorale(s) : École doctorale Mathématiques, Informatique, Physique Théorique et Ingénierie des Systèmes (Centre-Val de Loire)
• Partenaire(s) de recherche : Equipe de recherche : Laboratoire d'Informatique Fondamentale et Appliquée de Tours (2012-...)
• Jury : Président / Présidente : Frédéric Jurie
• Jury : Examinateurs / Examinatrices : Christian Barillot
• Jury : Rapporteurs / Rapporteuses : Isabelle Bloch, François Rousseau

Mots clés

Mots clés contrôlés

Markov, Processus de -- Solutions numériques

Imagerie

Cerveau

Arbres (théorie des graphes) -- Informatique

Ordonnancement (informatique)

Imagerie tridimensionnelle en médecine

Traceurs numériques incrémentaux

Traitement d'images -- Techniques numériques

Mots clés libres

Prototype 3DBrainSeg

Interactive segmentation

Incremental segmentation

Markov random field

Local atlas

Résumé

Cette thèse présente une nouvelle méthode de segmentation interactive et incrémentale d'images médicales 3D. Nous proposons une manière plus locale, de modéliser les connaissances a priori décrivant les structures d'intérêt. Des relations spatiales sont également apprises entre ces régions et ont pour objectif de permettre le positionnement automatique des atlas locaux au sein de l'image entière. Lors de la segmentation, ces informations sont utilisées suivant un processus incrémental permettant de réaliser des segmentations partielles et rapides tout en choisissant l'ordre de segmentation des différentes régions. L'utilisateur peut intervenir sur le positionnement des atlas locaux afin d'améliorer la qualité de la segmentation obtenue. En outre, notre méthode englobe un post-traitement capable de corriger les erreurs systématiques que notre méthode de segmentation peut produire.

This research work describes a new interactive and incremental method for the segmentation of 3D medical images. The a priori information associated to the anatomical structure to analyze is leamed in a local way. Several local atlases, each one describing only one anatomical structure are constwcted from a training dataset. Spatial relationships are also leamed between those regions aiming to position the local atlases inside the whole image. During the segmentation process, the graph is used in an incremental way allowing fast and partial segmentation. fle user can also interact during the local atlas posiboning in order toimprove the segmentation quality. A voxel classification by a hidden Markov random field is employed toprovide the local segmentations. We also propose s post-processing step in order to correct the systematiceuors that a segmentation can achieve.