Enhanced representation & learning of magnetic resonance signatures in multiple sclerosis

Yogesh Karpate 1
1 VisAGeS - Vision, Action et Gestion d'informations en Santé
INSERM - Institut National de la Santé et de la Recherche Médicale : U746, Inria Rennes – Bretagne Atlantique , IRISA-D5 - SIGNAUX ET IMAGES NUMÉRIQUES, ROBOTIQUE
Résumé : La sclérose en plaques (SEP) est une maladie auto-immune inflammatoire du jeune adulte causant des handicaps variables et progressifs irréversibles. Cette maladie est présente de manière prépondérante dans l’hémisphère nord. Cette thèse s’attache à la caractérisation et à la modélisation de signatures IRM multimodales des lésions de sclérose en plaques. L’objectif est d’améliorer les modèles de représentation de l’image et d’adapter les méthodes d’apprentissage pour la reconnaissance visuelle, dans le cas où des informations de haut niveau telles que les lésions SEP incluses dans l’IRM sont extraites. Nous proposons dans cette thèse un nouvel algorithme de normalisation d’intensité en IRM, particulièrement centré sur la normalisation d’images longitudinales multimodales, afin de produire des détections d’évolution de lésion robustes. Cette normalisation est centrée sur la modélisation de l’histogramme de l’image par un modèle de mixture de Gaussiennes robuste à la présence de lésions. Faisant suite à cet algorithme, nous proposons également deux nouvelles méthodes de détection de lésions SEP basées sur (1) une comparaison statistique du patient vis à vis d’une population de sujets contrôle et (2) un cadre probabiliste de détection basé sur un apprentissage d’une classe (tissus sains). Nous avons évalué les algorithmes proposés sur plusieurs jeux de données multi-centriques et vérifié leur efficacité dans la détection de lésions.
Type de document :
Thèse
Medical Imaging. Université Rennes 1, 2015. English. 〈NNT : 2015REN1S068〉
Liste complète des métadonnées

Littérature citée [100 références]  Voir  Masquer  Télécharger

https://tel.archives-ouvertes.fr/tel-01270533
Contributeur : Abes Star <>
Soumis le : lundi 7 mars 2016 - 16:12:16
Dernière modification le : vendredi 11 janvier 2019 - 14:28:37
Document(s) archivé(s) le : dimanche 13 novembre 2016 - 06:36:18

Fichier

KARPATE_Yogesh.pdf
Version validée par le jury (STAR)

Identifiants

  • HAL Id : tel-01270533, version 2

Citation

Yogesh Karpate. Enhanced representation & learning of magnetic resonance signatures in multiple sclerosis. Medical Imaging. Université Rennes 1, 2015. English. 〈NNT : 2015REN1S068〉. 〈tel-01270533v2〉

Partager

Métriques

Consultations de la notice

430

Téléchargements de fichiers

458