Segmentation d’images échographiques pour applications spatiale
Auteur / Autrice : | François Derache |
Direction : | Nicole Vincent |
Type : | Thèse de doctorat |
Discipline(s) : | Traitement du signal et des images |
Date : | Soutenance le 15/12/2022 |
Etablissement(s) : | Université Paris Cité |
Ecole(s) doctorale(s) : | École doctorale Informatique, télécommunications et électronique de Paris (1992-...) |
Partenaire(s) de recherche : | Laboratoire : Laboratoire d'Informatique PAris DEscartes (Paris ; 1998) |
Jury : | Président / Présidente : Florence Rossant |
Examinateurs / Examinatrices : Florence Rossant, Yue Min Zhu, Philippe Arbeille, Alain Maillet | |
Rapporteur / Rapporteuse : Jean-Yves Ramel, Yue Min Zhu |
Mots clés
Résumé
L'exploration spatiale nous guide plus loin que l’orbite terrestre, avec le retour d’humains sur la Lune et la préparation des missions habitées vers Mars. Plus l’homme s’éloignera de la Terre, plus grand sera le délai de communication entre la Terre et les explorateurs. Ainsi, la télé-opération par un expert, depuis le sol, les équipements présents à bord de vaisseaux orbitant autour de la Terre, tel que l’ISS, ne sera alors plus une option. Il faudra aller vers des équipements autonomes permettant à une personne non spécialiste de pouvoir les utiliser avec efficacité. Ainsi pour faciliter la réalisation d’échographies, lors des missions d’exploration, ce dispositif médical devra être le plus autonome possible, en guidant de façon efficace l’utilisateur dans le positionnement de la sonde d’échographie et dans le réglage de la machine. La méthode proposée dans ces travaux propose une autonomie qui s’acquière en analysant en temps réel les variations de niveaux de gris qui s’apparentent à un organe. Elle utilise l'analyse par niveau de gris des zones d’une image échographique qui s’apparentent à un organe de par leur contraste, leur présence récurrente au cours des images échographiques successives. Puis, la méthode permet de segmenter l’organe identifié en décomposant le problème en 1D afin de détecter le contour. Pour cela, on remonte dans toutes les directions depuis le centre de l’organe pour relever le niveau de gris et détecter des variations brutales de contraste qui permettent de faire la différence entre l’intérieur de l’organe (sombre) et les tissus (clairs). Les résultats sont ensuite affinés pour obtenir un contour en temps réel et ne nécessitant que très peu de ressources de calcul.