CETTE thèse est consacrée à la conception d'un système d'aide au diagnostic dédiéau muscle squelettique humain. Au cours du premier volet de ce manuscrit nousproposons une nouvelle représentation basée sur les modèles parcimonieux dans le cadrede la segmentation d'Images de Résonances Magnétiques (IRM) T1 du muscle squelettiquedu mollet. Notre méthode Sparse Shape Model/ Modèle de Formes Parcimonieux(MFP), apprend un modèle statistique de formes et de textures locales annoté et réussità en tirer une représentation réduite afin de reconstruire le mécanisme musculaire sur unexemple test. Dans la seconde partie du manuscrit, nous présentons une approche baséesur des ondelettes de diffusion pour la segmentation du muscle squelettique. Contrairementaux méthodes de l'état de l'art, notre approche au cours de la phase d'apprentissagepermet à optimiser les coefficients des ondelettes, ainsi que leur nombres et leur positions.Le modèle prend en charge aussi bien les hiérarchies dans l'espace de recherche,que l'encodage des dépendances géométriques complexes et photométriques de la structured'intérêt. Notre modélisation offre ainsi l'avantage de traiter des topologies arbitraires.L'évaluation expérimentale a été effectué sur un ensemble de mollets acquisespar un scanner IRM, ainsi qu'un ensemble d'images tomodensitométriques du ventriculegauche.
| Identifer | oai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-00534805 |
| Date | 12 May 2010 |
| Creators | Essafi, Salma |
| Publisher | Ecole Centrale Paris |
| Source Sets | CCSD theses-EN-ligne, France |
| Language | English |
| Detected Language | French |
| Type | PhD thesis |
Page generated in 0.0068 seconds