Mémoires de Fin d’Etudes
Etablissement
Université de Sidi Bel Abbès - Djillali Liabes
Affiliation
Département d’Electronique
Auteur
HACHEMI, Belkacem
Directeur de thèse
CHAMA Zouaoui (Maitre de conférence)
Filière
Electronique
Diplôme
Doctorat
Titre
Reconstruction Et Segmentation Tridimensionnelle A Partir De Coupes D’images 2d (Application Aux Images Médicales)
Mots clés
Reconstruction 3D, ICM, Modélisation 3D, Champs Aléatoires de Markov, Algorithmes d’Optimisation, K-Means, Segmentation, Imagerie Médicale, Champs de Markov
Résumé
La segmentation des objets 3D par un ensemble de coupes sériées 2D est de plus en plus utilisée dans le domaine médical. Elle fournit au praticien une aide à la décision pour effectuer son diagnostic. La pertinence de cet outil repose sur deux facteurs majeurs : le temps du calcul et la qualité de segmentation. L’objectif du présent travail est de remonter à une reproduction de l’objet initial connaissant ses coupes tomographiques 2D en reconstruisant un modèle 3D permettant d’assimiler l’ensemble de ses propriétés et comportements. Plusieurs étapes sont nécessaires avant l’obtention de cette représentation 3D dont la segmentation, la génération du modèle 3D et la visualisation sont les principales. La théorie des champs aléatoires de Markov se voit assez prête pour répondre aux contraintes de segmentation imposées par la nature des organes humains et les imperfections liées au matériel d’acquisition. Cette modélisation aboutit à l’optimisation d’une fonction objective. Nous utiliserons les techniques d’optimisation que sont le Recuit Simulé et la méthode (ICM Iterated Conditional Modes) pour pouvoir effectuer une évaluation globale de la segmentation. L’algorithme des K-Means (nuées dynamiques) est également conforme à l’évaluation de la segmentation
Statut
Validé