Méthodes variationnelles pour la segmentation d'images à partir de modèles : applications en imagerie médicale

Résumé : La segmentation d’images médicales est depuis longtemps un sujet de recherche actif. Cette thèse traite des méthodes de segmentation basées modèles, qui sont un bon compromis entre généricité et capacité d’utilisation d’informations a priori sur l’organe cible. Notre but est de construire un algorithme de segmentation pouvant tirer profit d’une grande variété d’informations extérieures telles que des bases de données annotées (via l’apprentissage statistique), d’autres images du même patient (via la co-segmentation) et des interactions de l’utilisateur. Ce travail est basé sur la déformation de modèle implicite, une méthode variationnelle reposant sur une représentation implicite des formes. Après avoir amélioré sa formulation mathématique, nous montrons son potentiel sur des problèmes cliniques difficiles. Nous introduisons ensuite différentes généralisations, indépendantes mais complémentaires, visant à enrichir le modèle de forme et d’apparence utilisé. La diversité des applications cliniques traitées prouve la généricité et l’efficacité de nos contributions.
Type de document :
Thèse
Mathématiques générales [math.GM]. Université Paris Dauphine - Paris IX, 2013. Français. <NNT : 2013PA090029>
Liste complète des métadonnées


https://tel.archives-ouvertes.fr/tel-00932995
Contributeur : Abes Star <>
Soumis le : lundi 3 février 2014 - 13:05:17
Dernière modification le : mardi 27 juin 2017 - 12:28:08
Document(s) archivé(s) le : dimanche 4 mai 2014 - 03:10:25

Fichier

Prevost_These.pdf
Version validée par le jury (STAR)

Identifiants

  • HAL Id : tel-00932995, version 2

Collections

Citation

Raphaël Prevost. Méthodes variationnelles pour la segmentation d'images à partir de modèles : applications en imagerie médicale. Mathématiques générales [math.GM]. Université Paris Dauphine - Paris IX, 2013. Français. <NNT : 2013PA090029>. <tel-00932995v2>

Partager

Métriques

Consultations de
la notice

1843

Téléchargements du document

2072