Segmentation à base d’atlas d’images médicales utilisant l’apprentissage en ligne - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2022

Atlas based segmentation of medical images using online machine learning

Segmentation à base d’atlas d’images médicales utilisant l’apprentissage en ligne

Asma Dali
  • Fonction : Auteur
  • PersonId : 1222445
  • IdRef : 263766276

Résumé

Atlas-based segmentation is a high level segmentation technique which has become a standard paradigm for exploiting prior knowledge in image segmentation. Different regions of the human body detected on medical imaging such as the brain or the female pelvic region, for example, are known to be anatomically complex and of high variability which makes the segmentation task using low level segmentation techniques difficult. We propose, in this paper, an atlas based segmentation approach based on online machine learning. The proposed approach was first applied for the segmentation of the human cerebellum from 2D brain MRI images. Second, the approach was applied for the segmentation of local regions which may be affected by cervical cancer from 3D female pelvic MRI images. The proposed segmentation approach is based on a new registration technique which uses a hybrid optimization procedure based on a particular design of genetic algorithm combined with the gradient descent method within a multi-resolution strategy. The atlases used in this work are made available progressively in a sequential order. The suggested approach is, therefore, based on an automatic online learning method for the construction of the dataset of atlases and for the segmentation process.The performed experiments show promising results compared to conventional segmentation methods.
La segmentation à base d'atlas est une technique de segmentation de haut niveau qui est devenue un paradigme standard pour exploiter les connaissances a priori dans la segmentation d'images. Des régions différentes du corps humain détectées sur l’imagerie médicale comme le cerveau ou la région pelvienne féminine, par exemple, sont connues d’être anatomiquement complexes et de grande variabilité d’un patient à un autre, ce qui rend difficile la tâche de segmentation utilisant les techniques de segmentation de bas niveau. Nous proposons, dans ce travail, une approche de segmentation automatique à base d’atlas utilisant l'apprentissage en ligne. L'approche proposée a été appliquée dans un premier temps pour la segmentation du cervelet humain à partir d’images IRM cérébrales 2D. Dans un deuxième temps, l’approche a été appliquée pour la segmentation des régions locales susceptibles d'être affectées par le cancer du col de l'utérus à partir d’images IRMs pelviennes féminines 3D. L’approche de segmentation proposée se base sur une nouvelle technique de recalage qui utilise une procédure d'optimisation hybride basée sur une conception particulière d'algorithme génétique combinée à la méthode de la descente de gradient dans une stratégie multi-résolution. Les atlas utilisés dans ce travail ont été mis à notre disposition progressivement dans un ordre séquentiel. L'approche proposée est donc basée sur une méthode d'apprentissage automatique en ligne pour la construction de la base d’atlas et pour le processus de segmentation. Les résultats enregistrés sont prometteurs comparés à ceux donnés par des méthodes de segmentation conventionnelles.
Fichier principal
Vignette du fichier
2022IMTA0305_Dali-Asma_Diffusion.pdf (2.96 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-03969001 , version 1 (02-02-2023)

Identifiants

  • HAL Id : tel-03969001 , version 1

Citer

Asma Dali. Segmentation à base d’atlas d’images médicales utilisant l’apprentissage en ligne. Traitement du signal et de l'image [eess.SP]. Ecole nationale supérieure Mines-Télécom Atlantique; Ecole Nationale d'Ingénieurs de Sousse (Tunisie), 2022. Français. ⟨NNT : 2022IMTA0305⟩. ⟨tel-03969001⟩
71 Consultations
453 Téléchargements

Partager

Gmail Facebook X LinkedIn More