Download or read book Contribution des fonctions de croyance la segmentation d images tomodensitom triques thoraciques en radioth rapie conformationnelle written by Peng Zhang and published by . This book was released on 2007 with total page 207 pages. Available in PDF, EPUB and Kindle. Book excerpt: La segmentation d’images est un processus visant à décomposer une image en un ensemble de régions. Compte tenu de l’importance de l’imagerie en médecine, il existe de nombreuses applications à la segmentation. L’une d’entre elles est la délinéation des organes à risque et du volume tumoral en radiothérapie conformationnelle. Cependant, la problématique de la segmentation d’images est complexe en raison de la diversité des méthodes d’imagerie et des tissus biologiques a segmenter, du faible contraste parfois rencontré et de la présence de bruit. Compte tenu de cette diversité, nous présentons dans cette thèse l’étude, la conception et le développement d’outils de segmentation d’images TomoDensitoMétriques (TDM) à visée de radiothérapie conformationnelle. La contribution essentielle de ce travail repose sur l’application de la théorie des fonctions de croyance à la segmentation d’images TDM thoraciques. La méthode est nommée « étiquetage crédibiliste ». Pour permettre l’intégration d’informations contextuelles, nous proposons de prendre en considération les corrélations spatiales entre voxels dans la modélisation des données par la fusion d’informations provenant du voisinage. Chaque voxel est considéré comme une vision particulière, qui apporte ainsi une information partielle, complétée ou confirmée par les voxels voisins de la coupe et des coupes voisines. L’intérêt majeur des fonctions de croyance est la gestion de données incertaines et imprécises telles que les niveaux de gris en imagerie médicale, mais également la définition d’un cadre mathématique permettant la fusion d’information provenant de plusieurs sources, ici les voxels voisins. S’appuyant sur cette méthode, nous avons développé le logiciel SIPEC, pour Segmentation d’Image Par Etiquetage Crédibiliste, permettant la délinéation du contour du patient, la segmentation des poumons et du canal médullaire. Nous avons comparé ce logiciel avec le logiciel clinique ECLIPSETM (VARIAN v7.1.3) sur 30 séries d’images TDM thoraciques. Les résultats montrent que les outils de segmentation proposés en clinique reposent sur une algorithme beaucoup plus simple et rapide que SIPEC (par exemple, la durée moyenne pour la segmentation automatique des poumons : ECLIPSE (3 minutes) vs SIPEC (10 minutes)), mais au détriment de la qualité de la segmentation. De ce fait, le nombre (par exemple, le nombre de retouches moyen des poumons : ECLIPSE (43) vs SIPEC (5)) et l’importance des retouches sont bien moindres avec le logiciel SIPEC qu’avec le logiciel clinique. Il en résulte une durée totale de segmentation des 3 volumes comparable entre les 2 outils (ECLIPSE (23 minutes) vs SIPEC (20 minutes)), avec l’avantage majeure pour SIPEC d’être automatique et de nécessiter peu de retouches ultérieures. Par ailleurs la durée du traitement devrait suivre l’amélioration de l’algorithme et la rapidité des horloges processeurs. Les perspectives de ce travail sont nombreuses. La technique de segmentation pourrait être appliquée à d’autres modalités d’imagerie (IRM, TEP, ...), mais également à l’imagerie multimodalité (TEP-TDM ou autre) en s’appuyant, ici, sur la modélisation de la fusion d’information multimodalité.

Download or read book Fusion d informations et segmentation d images bas es sur la th orie des fonctions de croyance application l imagerie m dicale TEP multi traceurs written by Benoît Lelandais and published by . This book was released on 2013 with total page 213 pages. Available in PDF, EPUB and Kindle. Book excerpt: L’imagerie fonctionnelle par Tomographie d’Émission de Positons (TEP) multi-traceurs pourrait avoir un rôle essentiel dans le traitement du cancer par radiothérapie externe. Les images TEP aux traceurs 18Fluoro-Déoxy-Glucose (18FDG), 18F-Fluoro-L Thymidine (18FLT) et 18Fluoro-Misonidazole (18FMiso) sont respectivement témoins du métabolisme glucidique, de la prolifération cellulaire et de l’hypoxie (manque d’oxygénation des cellules). L’utilisation conjointe de ces trois traceurs pourrait permettre de définir des sous-volumes donnant lieu à un traitement particulier. À cet effet, il est impératif de mettre à la disposition du corps médical un outil de segmentation et de fusion de ces images. Les images TEP ont pour caractéristique d’être très bruitées et d’avoir une faible résolution spatiale. Ces imperfections ont pour conséquence respective d’induire la présence d’informations incertaines et imprécises dans les images. Notre contribution réside dans la proposition d’une méthode, nommée EVEII pour Evidential Voxel-based Estimation of Imperfect Information, basée sur la théorie des fonctions de croyance, offrant une segmentation fiable et précise dans le contexte d’images imparfaites. Elle réside également dans la proposition d’une méthode de fusion d’images TEP multi-traceur. L’étude d’EVEII sur des images simulées a révélé qu’elle est la mieux adaptée comparée à d’autres méthodes basées sur la théorie des fonctions de croyance, en donnant un taux de bonne reconnaissance des pixels de près de 100 % lorsque le rapport signal-sur-bruit dépasse 2, 5. Sur les fantômes TEP physiques, simulant les caractéristiques des images TEP au 18FDG, à la 18FLT et au 18FMiso, les résultats ont montré que notre méthode estime le mieux les volumes des sphères à segmenter comparé à des méthodes de la littérature proposées à cet effet. Sur les deux fantômes faiblement et fortement bruités respectivement, les biais moyens d’erreur d’estimation des volumes sont seulement de -0,27 et 3,89 mL, témoignant de sa pertinence à visée de segmentation d’images TEP. Enfin, notre méthode a été appliquée à la segmentation d’images TEP multi-traceurs chez trois patients. Les résultats ont montré que notre méthode est adaptée à la fusion d’images TEP multi-traceurs, offrant à cet effet un ensemble d’images paramétriques permettant de différencier les différents tissus biologiques.