Segmentation des images IRM multi-échos tridimensionnelles pour la détection des tumeurs cérébrales par la théorie de l'évidence - TEL - Thèses en ligne Access content directly
Theses Year : 2003

Three dimensional multi-echoes MR segmentation for the detection of brain tumours by evidence theory

Segmentation des images IRM multi-échos tridimensionnelles pour la détection des tumeurs cérébrales par la théorie de l'évidence

Anne-Sophie Capelle-Laizé

Abstract

Magnetic resonance imaging is a grateful tool for observation of the human brain anatomy. In particular, the diversity of the parameters acquisition provides several views of the brain useful for the detection of brain tumours.
In the framework of the help of diagnosis, we study and propose an evidential segmentation scheme of multi-echoes MR brain images based on Demspter-Shafer theory. Considering each neighbor as an information source, we propose the use of a weighted spatial combination rule. It allows to consider each voxel in its spatial environment and leads to a real region segmentation. Applied to multi-echoes MR data, our process provides accurate segmentation of the brain and allows the tumours detection. Moreover, we study the conflict issued from the spatial combination process. We show the conflict is a new source of evidence which reflects the spatial organization of the data. In particular, this data can be used by specialists to soften the previous segmentation results.
L'imagerie par résonance magnétique (IRM) est, aujourd'hui, un outil puissant permettant l'observation in vivo de l'anatomie cérébrale. Utilisée en routine clinique, la multiplicité des pondérations d'acquisition permet aux médecins d'accéder à une information riche, abondante, et donc particulièrement adaptée au diagnostic de tumeurs cérébrales.

Cette thèse porte sur la problématique de segmentation des images IRM cérébrales pour l'aide au diagnostic des tumeurs cérébrales. Il s'agit donc de développer des méthodes de segmentation précises et fiables permettant la localisation des tumeurs cérébrales, en particulier infiltrantes dont les frontières ne sont pas nettes.
L'approche de segmentation adoptée est une approche multi-échos - donc multi-sources - fondée sur la théorie de l'évidence (ou théorie de Dempster-Shafer) apte à gérer l'incertitude des données à traiter et l'aspect multi-sources des informations manipulées. Dans un premier temps, nous nous attachons à montrer l'aptitude de la théorie de l'évidence à traiter les informations imprécises et incertaines que sont les images IRM au travers d'une démarche de type reconnaissance des formes crédibiliste. Dans un second temps, nous proposons une méthode d'intégration d'informations contextuelles fondée sur une combinaison pondérée de fonctions de croyance. La méthode de segmentation ainsi définie est appliquée à différents volumes cérébraux permettant une détection des zones tumorales. Des comparaisons avec des segmentations menées par des experts cliniciens et des méthodes de la littérature montrent l'intérêt des outils méthodologiques proposés à définir les volumes tumoraux recherchés. Enfin, nous nous sommes intéressées au conflit généré par le processus d'intégration des informations contextuelles. Nous montrons que le conflit est une information à part entière, représentative de la position des frontières entre les différentes structures anatomiques de la scène observée (le cerveau). Cette information frontière peut être utilisée en coopération avec la segmentation région initialement obtenue permettant ainsi d'obtenir un processus de segmentation complet reposant sur une approche de type "régions" et une approche de type "contours"
Fichier principal
Vignette du fichier
tel-00006305.pdf (15.73 Mo) Télécharger le fichier
Loading...

Dates and versions

tel-00006305 , version 1 (22-06-2004)

Identifiers

  • HAL Id : tel-00006305 , version 1

Cite

Anne-Sophie Capelle-Laizé. Segmentation des images IRM multi-échos tridimensionnelles pour la détection des tumeurs cérébrales par la théorie de l'évidence. Interface homme-machine [cs.HC]. Université de Poitiers, 2003. Français. ⟨NNT : ⟩. ⟨tel-00006305⟩

Collections

CNRS UNIV-POITIERS
819 View
2738 Download

Share

Gmail Facebook X LinkedIn More