Contributions en compression d'images médicales 3D et d'images naturelles 2D. - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2006

Contributions in 3D medical imaging and 2D image compression.

Contributions en compression d'images médicales 3D et d'images naturelles 2D.

Yann Gaudeau
  • Fonction : Auteur
  • PersonId : 837221

Résumé

The huge amounts of volumetric data generated by current medical imaging techniques in the context of an increasing demand for long term archiving solutions, as well as the rapid development of teleradiology make the use of compression inevitable. Indeed, if the medical community has sided until now with lossless compression, most of applications suffer from compression ratios which are too low with this kind compression. In this context, lossy compression with acceptable losses could be the most appropriate answer.
So, we propose a new lossy coding scheme based on 3D Wavelet Transform and Dead Zone Lattice Vector Quantization 3D (DZLVQ) for medical images. Our algorithm has been evaluated on several CT an MR image volumes. The main contribution of this work is the design of a multidimensional dead zone which enables to take into account correlations between neighbor voxels. At high compression ratios, we show that it can outperform visually and numerically the best existing methods. These promising results are confirmed on head CT by two medical patricians
The second contribution of this document assesses the effect lossy image compression on CAD (Computered-Aided Decision) detection performance of solid lung nodules. This work on 120 significant lungs MTCDT shows that detection did not suffer until 48:1 compression and still was robust at 96:1.
The last contribution consists in the complexity reduction of our compression scheme. The first allocation dedicated to 2D DZLVQ uses an exponential of the rate-distortion (R-D) functions. The second allocation for 2D and 3D medical images is based on block statistical model to estimate the R-D curves. These R-D models are based on the joint distribution of wavelet vectors using a multidimensional mixture of generalized Gaussian (MMGG) densities.
L'imagerie médicale moderne génère des données considérables pouvant rapidement saturer les systèmes de transmission et de stockage. La nécessité de compresser les images apparaît donc aujourd'hui incontournable. Actuellement, la seule compression tolérée par les médecins est celle sans pertes. Cependant ce type de compression n'offre que des gains limités. Dans ce contexte, la compression "avec pertes" maîtrisées peut être la réponse la plus appropriée.
Ainsi, nous proposons une méthode de compression avec pertes basée sur une transformée en ondelettes 3D suivie d'une Quantification Vectorielle Algébrique avec Zone Morte 3D (QVAZM 3D) pour les images radiologiques. La principale contribution de ce travail réside dans la conception d'une zone morte multidimensionnelle qui permet de prendre en compte les corrélations entre les voxels voisins. Les résultats sur une base d'IRM et scanner couramment utilisés montrent une supériorité visuelle et numérique de notre méthode par rapport à plusieurs des meilleurs codeurs. Ces résultats visuels prometteurs sont confirmés sur des scanners ORL à travers une évaluation de deux spécialistes du domaine.
La seconde contribution de cette thèse concerne l'évaluation de l'impact d'une compression avec pertes sur les performances d'un CAD (outil d'aide à la décision) performant pour la détection automatique de nodules pulmonaires. Ce travail original sur une population significative de 120 scanners de poumons a montré que la détection n'était pas détériorée par la compression jusqu'à un niveau de compression de 48 : 1 et restait robuste jusqu'à 96 : 1.
La dernière contribution de cette thèse traite de la réduction de la complexité de notre schéma de compression. Nous proposons deux méthodes d'allocations de débits pour les images naturelles et médicales. La première allocation consacrée à la QVAZM 2D s'appuie sur un ajustement précis des courbes débit-distorsion (R-D) en les approximant par un simple modèle exponentiel. La seconde allocation proposée pour les images naturelles 2D et médicales 3D utilise des modèles statistiques par blocs pour modéliser les courbes R-D. Ces modèles R-D s'appuient sur une modélisation de la distribution conjointe des vecteurs de coefficients d'ondelettes par un mélange de gaussiennes généralisées (multidimensionnelles).
Fichier principal
Vignette du fichier
these_yann_Gaudeau_130308.pdf (5.55 Mo) Télécharger le fichier

Dates et versions

tel-00121338 , version 1 (20-12-2006)
tel-00121338 , version 2 (15-02-2007)
tel-00121338 , version 3 (08-06-2009)

Identifiants

  • HAL Id : tel-00121338 , version 3

Citer

Yann Gaudeau. Contributions en compression d'images médicales 3D et d'images naturelles 2D.. Interface homme-machine [cs.HC]. Université Henri Poincaré - Nancy I, 2006. Français. ⟨NNT : ⟩. ⟨tel-00121338v3⟩
390 Consultations
1529 Téléchargements

Partager

Gmail Facebook X LinkedIn More