Nous avons pu observer récemment d'importants progrès dans les techniques d'imageries médicales qui ont été accompagnés par le développement d'outils informatiques de prévisualisation et d'aide automatique au diagnostic. La réalisation de tels outils nécessite généralement la création d'un modèle mathématique capable de représenter les organes et dont la construction est divisée en trois étapes : (i) choisir et extraire les structures à étudier, (ii) choisir un modèle mathématique adapté à la représentation de ces structures particulières, (iii) estimer les variations des paramètres du modèle ainsi choisi. Cette thèse aborde donc chacune de ces taches de fac¸on originale. La modélisation des organes est décrite au travers de déformations et nécessite une étape préalable de recalage de forme. Ceci implique la définition d'une forme de référence ainsi que d'un ensemble de déformations. Cette thèse introduit l'utilisation d'incertitudes sur le recalage de formes : définies a l'aide d'une matrice de covariance dans l'espace des déformations, elles indiquent localement la fiabilité du recalage obtenu. Ensuite vient la modélisation des variations de formes, obtenue à partir d'un ensemble d'apprentissage représentant différentes instances de l'organe étudié. Cette thèse apporte à la phase de modélisation des déformations, les informations sur les erreurs de recalage au travers de la propagation des incertitudes. La contribution finale de la thèse touche à la segmentation de ces structures par un modèle déformable, guidé par le modèle de forme sur lequel les incertitudes dues au modèle sont évaluées. La segmentation cardiaque du ventricule gauche en imagerie scanner, ainsi que le corps calleux en imagerie à résonance magnétique ont été considérés pour démontrer les performances de cette approche.
| Identifer | oai:union.ndltd.org:CCSD/oai:pastel.archives-ouvertes.fr:pastel-00004044 |
| Date | 15 November 2007 |
| Creators | Taron, Maxime |
| Publisher | Ecole des Ponts ParisTech |
| Source Sets | CCSD theses-EN-ligne, France |
| Detected Language | French |
| Type | PhD thesis |
Page generated in 0.0018 seconds