Segmentation d'IRM cérébrales multidimensionnelles par coupe de graphe - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2010

Segmentation d'IRM cérébrales multidimensionnelles par coupe de graphe

Multidimensionnal Brain MRI segmentation using graph cuts

Résumé

This thesis deals with the segmentation of multimodal brain MRIs by graph cuts method. First, we propose a method that utilizes three MRI modalities by merging them. The border information given by the spectral gradient is then challenged by a region information, given by the seeds selected by the user, using a graph cut algorithm. Then, we propose three enhancements of this method. The first consists in finding an optimal spectral space because the spectral gradient is based on natural images and then inadequate for multimodal medical images. This results in a learning based segmentation method. We then explore the automation of the graph cut method. Here, the various pieces of information usually given by the user are inferred from a robust expectation-maximization algorithm. We show the performance of these two enhanced versions on multiple sclerosis lesions. Finally, we integrate atlases for the automatic segmentation of deep brain structures. These three new techniques show the adaptability of our method to various problems. Our different segmentation methods are better than most of nowadays techniques, speaking of computation time or segmentation accuracy.
Cette thèse traite de la segmentation d'IRM cérébrales multimodales par des méthodes de coupe de graphe. Dans un premier temps, nous proposons une méthode qui utilise trois modalités IRM en les fusionnant. L'information de frontière, donnée par le gradient spectral, est alors mis en balance avec une information de région, donnée par des graines sélectionnées par l'utilisateur, par un algorithme de coupe de graphe. Dans un second temps, nous proposons trois variantes de cette méthode. La première consiste à trouver un espace spectral optimal car le gradient spectral est basé sur les images naturelles donc inadapté aux images médicales multimodales. Cela donne naissance à une méthode de segmentation par apprentissage. Nous explorons ensuite l'automatisation de notre méthode. Ici, les informations d'ordinaire données par l'utilisateur sont déduites par un algorithme robuste d'espérance-maximisation. Nous montrons les performances de ces deux variantes sur la segmentation de lésions de sclérose en plaques. Enn, nous intégrons l'utilisation d'atlas pour la segmentation automatique de structures profondes du cerveau. Ces trois nouvelles techniques montrent l'adaptabilité de notre méthode à divers problèmes. Nos différentes méthodes de segmentation se montrent meilleures que la plupart de celles actuellement utilisés, aussi bien en terme de temps de calcul qu'en précision de segmentation.
Fichier principal
Vignette du fichier
these.pdf (5.82 Mo) Télécharger le fichier
Loading...

Dates et versions

tel-00502842 , version 1 (15-07-2010)

Identifiants

  • HAL Id : tel-00502842 , version 1

Citer

Jérémy Lecoeur. Segmentation d'IRM cérébrales multidimensionnelles par coupe de graphe. Informatique [cs]. Université Rennes 1, 2010. Français. ⟨NNT : ⟩. ⟨tel-00502842⟩
552 Consultations
640 Téléchargements

Partager

Gmail Facebook X LinkedIn More