offres d'emploi formations actualités contact accès annuaire intranet
Séminaires >

Une version modifiée d’ECM appliquée à la segmentation d’IRM multiparamétrique de la prostate

Nasr Makni, doctorant, INSERM-Lille

jeudi 29 avril 2010 à 15h30

Salle B014


En imagerie médicale, l’utilisation d’examens multi-modalités ou de diverses techniques d’acquisition permet d’avoir des informations complémentaires sur la caractérisation des organes et/ou pathologies. Parmi les outils théoriques utilisés dans la segmentation d’images multi-sources, la théorie des fonctions de croyance occupe une place de plus en plus importante. L’algorithme du C-Mean Evidentiel (ECM) introduit récemment par Denoeux et Masson [1], propose un schéma de classification fondé sur la théorie des fonctions de croyance. L’application de cette approche à la segmentation d’images d’acquisitions multi-sources nécessite d’introduire des informations sur le contexte spatial des données images.

Dans ce travail, nous proposons une modification de l’algorithme ECM, que nous appellerons MECM, qui permet d’introduire les informations contextuelles dans le modèle de classification ECM. Pour ce faire, nous introduisons, dans le processus d’optimisation de l’algorithme, une étape de type « relaxation » qui corrige la croyance attribuée à chaque pixel/voxel en se basant sur les croyances associées aux données images de proximité (région ou volume). L’application à la segmentation 3D d’IRM multiparamétrique de la prostate a été réalisée intégrant une connaissance a priori sur la répartition spatiale des structures d’intérêt et prenant en compte les problèmes de recouvrement de signal d’éléments appartenant à des structures différentes.