Mémoires de Fin d’Etudes
Etablissement
Université de Biskra - Mohamed Khider
Affiliation
Département de Génie Electrique
Auteur
Frahta, Nabila
Directeur de thèse
Sbaa Salim (Maitre de conférence)
Co-directeur
Taleb-Ahmed Abdelmalik (Professeur)
Filière
Electronique
Diplôme
Doctorat
Titre
Segmentation d’images médicales multimodales
Mots clés
Segmentation d’images, Imagerie médicale, Multi-modalité, Fusion de données, IRM
Résumé
L’imagerie médicale permet d’analyser les tissus par des médias extrêmement divers, leurs exploitations et leurs interprétations permettent d’établir plus finement le diagnostic médical. Les techniques d’imagerie médicale sont multiples basées sur différents types de rayonnements (champ magnétique, ultrasons, rayon x, rayon gamma,…). La phase de segmentation constitue une étape importante dans le traitement et l’interprétation des images médicales. C’est une opération primordiale et cruciale pour le traitement d’images. Elle est en amont de tout traitement, elle constitue souvent le point de départ de tout processus d’analyse d’images (reconnaissance de formes, détection de mouvements, visualisation de structures, estimations quantitatives de régions, extraction volumiques, etc.). À ces fins, la segmentation consiste à catégoriser les voxels en des classes basées sur leurs intensités locales, leur localisation spatiale et leurs caractéristiques de forme ou de voisinage. La difficulté de la stabilité des résultats des méthodes de segmentation pour les images médicales provient des différents types de bruit présents. Dans ces images, le bruit prend deux formes : un bruit physique dû au système d’acquisition, dans le cas des images IRM (Imagerie par Résonance Magnétique), par exemple, le bruit physiologique est dû au patient (mouvement) et à son métabolisme comme le déplacement chimique. Ces bruits doivent être pris en compte pour toutes les méthodes de segmentation d’images. Cependant l’usage d’une seule modalité d’imagerie ou de signal ne suffit plus à localiser ni prédire les lésions. En effet, la complexité des données réside dans la diversité, la multimodalité et la complémentarité des sources d’informations médicales (signaux ECG, images TDM, images IRM, angiographie, données patients, etc). C’est pourquoi nous proposons à travers ce sujet de doctorat de contribuer au développement de nouvelles stratégies afin de segmenter et localiser des structures saines et/ou pathologiques qui conduira à un bon diagnostic et guidera sans doute les médecins à une bonne prise de décisions. L’aspect flou, ambigu et parfois incomplet des données sera pris en considération par le développement d’un modèle de fusion de données.
Statut
Validé