3D image analysis with variational methods and wavelets : applications to medical image processing
Analyse d'images 3D par méthodes variationnelles et ondelettes : application à l'imagerie médicale
Résumé
Medical procedures have become a critical application area that makes substantial use of image processing. Medical image processing tasks mainly deal with image restoration, image segmentation that bring out medical image details, measure quantitatively medical conditions etc. The diagnosis of a health problem is now highly dependent on the quality and the credibility of the image analysis. The practical contributions of this thesis can be considered in many directions for medical domain. This manuscript addresses a 3D image analysis with variational methods and wavelet transform in the context of medical image processing. We first survey the second-order variational minimization model, which was proved that better than the classical Rudin-Osher-Fatemi model. This method is considered in problems associated to image denoising, image segmentation, that makes a short state of the art on medical imaging processing techniques. Then we introduce the concept of wavelet transform and present some algorithms that also used in this domain. Experimental results show that these tools are very useful and competitive. The core of this research is the development of new 3D representations, which are well adapted to representing complicated medical data, and filament structures in 3D volumes: the cerebellum and mice vessels network. Each of these two based methods has advantages and disadvantages, we then propose a new modified model that combines these schemes in the rest of the thesis. In this situation we propose a new modified model that combines these schemes. With the new decomposition model, in the reconstructed image, noise can be removed successfully and contours, textures are well preserved. This leads to further improvements in denoising performance. Finally, the further part of the thesis is devoted to the description of contribution to extend some classical contour closing methods, namely hysteresis thresholding and contour closing based on chamfer distance transform, in the 3D context. The thesis concludes with a review of our main results and with a discussion of a few of many open problems and promising directions for further research and application.
L’imagerie médicale joue un rôle de plus en plus important avec le développement de nombreuses techniques d’acquisition. Il faut principalement pouvoir restaurer (débruiter) les images et en faire une segmentation. Ainsi toute l’information qualitative et quantitative sera disponible pour affiner les diagnostics. Dans cette thèse nous proposons une contribution à cette analyse dans un contexte 3D. Nous étudions deux grands types de méthodes : les méthodes variationnelles et les méthodes par ondelettes. Nous commençons par présenter les modèles variationnels du second ordre, qui s’avèrent plus performants que la classique méthode du premier ordre de Rudin-Osher-Fatemi. Nous l’utilisons pour débruiter et segmenter après avoir donné un bref état de l’art des procédés d’acquisition des images en médecine. Nous introduisons ensuite la transformée en ondelettes et présentons des algorithmes basés sur cette méthode. Les résultats numériques montrent que ces méthodes sont performantes et compétitives. Le coeur de notre travail est de développer des rerésentations 3D qui sont bien adaptées à des données médicales complexes comme des images IRM sous échantillonnées, peu contrastées (cervelets de souris) ou des images IRM d’angiographie (cerveaux de souris). Chaque technique a ses avantages et ses inconvénients. Aussi nous proposons un modèle variationnel mixte second ordre / seuillage par ondelettes. Ce modèle se comporte particulièrement bien : le bruit est correctement éliminé et les contours et textures préservés. Pour finir, nous adaptons plusieurs méthodes de fermeture de contours (hystérésis et distance de chanfrein) dans un contexte 3D. Le mémoire se termine par une synthèses des résultats et une présentation de futures directions de recherche.
Origine : Version validée par le jury (STAR)
Loading...