Classification floue et modélisation IRM: Application à la quantification de la graisse pour une évaluation optimale des risques pathologiques associés à l'obésité. - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2008

Fuzzy classification and MRI signal modelisation: Application to fat quantification for optimal evaluation of pathologic risks related to obesity

Classification floue et modélisation IRM: Application à la quantification de la graisse pour une évaluation optimale des risques pathologiques associés à l'obésité.

Résumé

This thesis deals with uncertainty, unreliability and a priori information in medical images processing and more particularly diagnosis of obesity and overweighted diseases. Two parts compose this work : MR signal modelisation of prototype MR sequence provided by GE, and a fuzzy classification method adapted to MR and anatomo pathologist images. MR signal was composed by signal of various chemical species. To define the fat fraction, we have proposed to approximate for the best, water and fat signal by regression process from MR images. The process takes into account a priori noise present in images. Considered Gaussian in real and imaginary images and Rician in magnitude images, a priori noise allows to highlight contribution of fat fraction quantification on real and imaginary images compared to quantification on magnitude images. Moreover, we have developed a classification method that allows a long distance dependence in centroid determination. This method combined with fuzzy connectedness algorithm is adapted to visceral and subcutaneous fat measures. This method was used too for quantification of vacuole of steatosis in liver biopsy. Due to heterogenous vacuole of steatosis proportion according to severity disease, we improved classification algorithm in adding supervision data that allows to guide classification process to clear heterogenous proportion. We have proposed to combine classification with expert system to eliminate errors. Methods were evaluated in animals experiments and in various clinical research.
Les travaux présentés dans cette thèse traitent de l'apport de l'incertitude, de l'imprécision et de l'a priori en traitement d'images médicales, dans le cadre d'outils d'aide au diagnostic des pathologies conséquentes de l'obésité et du surpoids. Deux parties composent ce travail : une modélisation du signal IRM d'une séquence prototype fournie par GE, et une méthode de classification floue adaptée pour répondre aux attentes des experts radiologistes et anatomopathologistes. Le signal IRM est issu des différents constituants du voxel. Afin de déterminer la proportion de graisse dans le tissu, les signaux issus de l'eau et de la graisse sont déterminées par régression à partir des images IRM obtenues en prenant en compte un a priori sur le bruit présent sur les images. Considéré de Gauss sur les images réelles et imaginaires, et de Rice sur les images amplitudes, cet a priori sur le bruit a permis de mettre en évidence l'apport de l'utilisation des données brutes lors de la quantification de la proportion de graisse et d'eau par rapport à une quantification uniquement effectuée sur les données amplitudes. La méthode de classification présentée ici permet une dépendance à longue distance lors du calcul des centroïdes. Cette méthode combinée à un algorithme de connectivité floue est adaptée à la mesure de la graisse viscérale et souscutanée. Elle fut également utilisée pour la quantification des vacuoles de triglycérides présentes sur des biopsies hépatiques. De part la proportion très hétérogène des vacuoles de stéatose, fonction du degré de la pathologie, nous avons amélioré l'algorithme de classification par une supervision permettant d'orienter la classification afin de se dédouaner de cette hétérogénéité. La classification est ensuite combinée à un système expert permettant d'éliminer les erreurs de classification survenues. L'ensemble des méthodes fut évalué dans le cadre d'expérimentations animales et de différents protocoles de recherche clinique.
Fichier principal
Vignette du fichier
2008Roullier.pdf (32.44 Mo) Télécharger le fichier

Dates et versions

tel-00348028 , version 1 (17-12-2008)

Identifiants

  • HAL Id : tel-00348028 , version 1

Citer

Vincent Roullier. Classification floue et modélisation IRM: Application à la quantification de la graisse pour une évaluation optimale des risques pathologiques associés à l'obésité.. Sciences de l'ingénieur [physics]. Université d'Angers, 2008. Français. ⟨NNT : ⟩. ⟨tel-00348028⟩
413 Consultations
2060 Téléchargements

Partager

Gmail Facebook X LinkedIn More